La emergencia describe propiedades de un sistema que surgen de la interacción de muchas partes simples, pero que no se aprecian en ninguna de ellas por separado. En la investigación en IA se habla de capacidades emergentes cuando los grandes modelos de lenguaje, a partir de cierto tamaño, resuelven tareas como cálculos en varios pasos o traducciones mucho mejor que los modelos más pequeños. Si esos saltos son reales o dependen en parte de cómo se miden es objeto de debate.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoUn modelo de lenguaje grande (Large Language Model, LLM) es una red neuronal entrenada con enormes cantidades de texto, lo que le permite entender y generar lenguaje. Funciona calculando, paso a paso, el siguiente token más probable. Los LLM redactan, resumen, traducen, responden preguntas y generan código; ejemplos conocidos son Claude, GPT, Gemini y Llama. Sin acceso a fuentes actualizadas, solo conocen lo que había en sus datos de entrenamiento.
Un modelo fundacional (foundation model) es un gran modelo de IA preentrenado con datos muy amplios y variados que después puede usarse para muchas tareas distintas. El término se acuñó en la Universidad de Stanford en 2021. Ejemplos conocidos son los grandes modelos de lenguaje como Claude o GPT. Las empresas suelen construir sus aplicaciones sobre estos modelos en vez de entrenar uno propio desde cero; el Reglamento europeo de IA habla de modelos de IA de uso general.
La inteligencia artificial general (Artificial General Intelligence, AGI) designa un sistema de IA hipotético capaz de realizar una amplia variedad de tareas intelectuales a nivel humano y de trasladar con flexibilidad lo aprendido a nuevos ámbitos. Los sistemas actuales rinden bien en muchas tareas, pero siguen mostrando límites, por ejemplo en fiabilidad. No existe una definición ni un método de medición aceptados, y si se alcanzará la AGI y cuándo es objeto de debate entre especialistas.
El razonamiento multisalto (multi-hop reasoning) es la capacidad de un sistema de IA para responder una pregunta mediante varias inferencias sucesivas, a menudo combinando información de distintas fuentes. Ejemplo: «¿Qué departamento dirige la persona responsable del proyecto X?» exige identificar primero a esa persona y después su departamento. Estas preguntas son exigentes para los sistemas de búsqueda y RAG, porque cada paso intermedio debe encontrarse y enlazarse correctamente.
