Bloque I · Fundamentos · Lección 2

Cómo piensa (y se equivoca) un modelo de IA

Entenderás qué pasa por dentro desde que escribes hasta que responde: qué son los tokens, la ventana de contexto y la temperatura, por qué algunos modelos razonan antes de contestar y por qué a veces se inventan datos con total seguridad.

Entrar al curso

Qué vas a ver en esta lección

  1. De tu pregunta a su respuesta, token a token

    Un modelo de lenguaje no busca la respuesta en ningún sitio: la escribe trozo a trozo, prediciendo qué viene después.

  2. Tokens: las piezas de Lego del lenguaje

    El modelo no lee letras ni palabras enteras, sino tokens: trozos frecuentes de texto que encajan como piezas.

  3. Así se hace: cuenta los tokens de tu texto

    Pega cualquier texto en el tokenizador gratuito de OpenAI y sabrás cuántos tokens ocupa antes de enviarlo.

  4. Un autocompletado del móvil, pero gigante

    Para cada hueco, el modelo calcula la probabilidad de miles de tokens posibles y escoge uno de los más probables.

  5. Entrenar e inferir: estudiar frente a examinarse

    El modelo aprende una vez, durante meses; cada vez que le preguntas solo aplica lo aprendido. Eso es la inferencia.

  6. La ventana de contexto: su mesa de trabajo

    Es todo lo que el modelo tiene delante al responder. Lo que no está en la mesa, para él no existe.

  7. Temperatura: el punto de sal de la creatividad

    Regula cuánto se arriesga el modelo al elegir el siguiente token: baja, lo más probable; alta, opciones más variadas.

  8. Pruébalo: la predicción y la temperatura en directo

    Transformer Explainer es una web gratuita que ejecuta un modelo pequeño en tu navegador y te enseña sus probabilidades.

  9. Modelos razonadores: piensan antes de hablar

    Antes de contestar escriben un borrador interno de razonamiento, y así resuelven mejor los problemas de varios pasos.

  10. Por qué se inventa cosas con tanta seguridad

    Una alucinación es un dato falso dicho con convicción. No es un fallo raro: sale de cómo aprende y cómo se le evalúa.

  11. Lo que cuesta adivinar: los números de OpenAI

    En una prueba de preguntas de datos, el modelo que nunca decía «no lo sé» acertó casi igual y falló casi el triple.

  12. Así se pide para que invente menos

    Tres frases en tu prompt cambian lo que le sale a cuenta al modelo: dudar deja de ser un fallo.

  13. Resumen: cómo piensa y por qué se equivoca

    Un modelo es un predictor de tokens muy bien entrenado: entender cómo funciona te ayuda a pedirle mejor y a desconfiar a tiempo.

Herramientas y conceptos

Entra con tu cuenta de Google y accede a esta lección y al curso completo.

Entrar al cursoVer el temario completo

Más lecciones del bloque