Modelos & Representación (LLM & Embeddings)
Análisis de las dimensiones de modelos LLM (384D a 4096D+), arquitectura RAG (Retrieval-Augmented Generation), la maldición de la dimensionalidad, modelos encoder bidireccionales (BERT) y representación de productos SKU en e-Commerce.
LLM Model Dimensiones & Embeddings
La longitud o número de números flotantes (D) que componen el vector de representación de un modelo de IA.
"Describir un objeto usando solo 3 adjetivos (baja dimensión) vs describirlo usando 1536 atributos detallados (alta dimensión)."
RAG (Retrieval-Augmented Generation)
Arquitectura que combina recuperación de información relevante con la capacidad generativa de un LLM.
"Un estudiante que rinde un examen a libro abierto: en lugar de memorizar todo, busca el capítulo correcto en el libro y redacta la respuesta perfecta."
Dimensionalidad & Reducción (Curse of Dimensionality)
El comportamiento paradójico de los espacios de alta dimensión y técnicas para proyectarlos (PCA, t-SNE, UMAP).
"Encontrar una pelota en una habitación 1D (una línea) es fácil; en 3D (un cuarto) requiere más tiempo; en un hiperespacio de 1000D, ¡todo parece estar igual de lejos!"
BERT (Bidirectional Encoder Representations from Transformers)
Modelo fundacional basado en el Encoder de Transformer para generación de representaciones contextuales de texto.
"Leer una oración completa antes de deducir el significado de una palabra dudosa, en lugar de leer adivinando palabra por palabra."
SKU (Stock Keeping Unit) & Embeddings de Producto
Identificador único de producto y su representación vectorial en motores de búsqueda semántica para e-Commerce.
"Un código de barras tradicional con súper-poderes: en lugar de ser solo un código, conoce la forma, el color, el estilo y la intención de compra del cliente."
Transformer Architecture
Arquitectura fundacional de red neuronal basada en mecanismos de Auto-Atención (Self-Attention) para procesar secuencias en paralelo.
"Una reunión donde cada participante (token) escucha a todos los demás al mismo tiempo y sopesa la relevancia de lo que dice cada persona para entender el tema global."
PEAS (Performance, Environment, Actuators, Sensors)
Marco conceptual para especificar formalmente agentes inteligentes a través de Rendimiento, Entorno, Actuadores y Sensores.
"Un automóvil autónomo: Performance = Seguridad/Rapidez; Environment = Calles y peatones; Actuators = Freno/Acelerador/Volante; Sensors = Cámaras/LiDAR."
Toolformer (Modelos con Uso de Herramientas)
Técnica de entrenamiento autosupervisado donde un LLM aprende a decidir autónomamente cuándo y cómo invocar APIs externas.
"Un estudiante redactando un informe que al llegar a una fórmula saca su calculadora, resuelve [Calc: 25 * 48 -> 1200] y continúa escribiendo el texto sin titubear."
Modelos de Frontera (Frontier Models)
Modelos de Inteligencia Artificial altamente capaces que representan el estado del arte (SOTA) en razonamiento y multitarea.
"Los supercomputadores o naves insignia de una flota: los modelos de mayor capacidad de cómputo y sofisticación de la época."
ReAct (Reasoning + Acting)
Patrón de diseño para agentes de IA que entrelaza iterativamente Pensamiento, Acción y Observación.
"Un investigador privado: escribe su deducción en la libreta (Pensamiento), busca la prueba en la escena del crimen (Acción), analiza la pista hallada (Observación) y luego concluye."
LangGraph (Agentes Basados en Grafos y Estado)
Framework para coordinar flujos de trabajo de agentes de IA cíclicos, persistentes y basados en grafos de estado.
"Un mapa de flujo de trabajo de una empresa con departamentos (nodos) donde un expediente (Estado) pasa de uno a otro y puede regresar a revisión si requiere corrección."
Chain of Thought (CoT)
Técnica de razonamiento que descompone problemas complejos en pasos lógicos intermedios antes de emitir una respuesta.
"Un estudiante de matemáticas que escribe todo el procedimiento paso a paso en el papel borrador antes de marcar la opción correcta."
Stateless (Sin Estado en IA)
Propiedad fundamental por la cual un LLM procesa cada petición de forma aislada sin almacenar memoria interna.
"Una persona con memoria a corto plazo de 5 minutos que debe leer un cuaderno de bitácora antes de responder cada nueva pregunta."
Temperatura (Temperature Parameter)
Parámetro de control que regula el grado de aleatoriedad y diversidad en la selección de tokens.
"Un selector de música: temperatura 0.0 siempre reproduce el éxito número 1; temperatura 0.8 explora canciones variadas de toda la lista."
Sampling (Top-P & Top-K)
Técnicas de truncamiento de la distribución de probabilidad para filtrar tokens irrelevantes.
"Elegir candidatos para un equipo: Top-K selecciona a los 10 mejores del ranking; Top-P selecciona a todos los jugadores que acumuladamente representen el 90% del talento total."
Skills (Habilidades de Agente)
Paquetes de conocimientos, reglas, herramientas y scripts que dotan a un agente de habilidades especializadas.
"Un cinturón de herramientas o un módulo plug-and-play que le otorga a un profesional una nueva habilidad técnica al instante."
MCP (Model Context Protocol)
Protocolo estándar abierto cliente/servidor (JSON-RPC) para conectar modelos LLM con sistemas, APIs y herramientas externas.
"Un puerto USB universal para IA: en lugar de escribir conectores personalizados para cada API, el cliente de IA se enchufa a cualquier servidor MCP compatible."