Fundamentos IA

Aprendizaje automático en el análisis de sentimientos y procesamiento del lenguaje natural

En 2014 se midió que un modelo de reglas superaba a los evaluadores humanos individuales clasificando tuits: 0,96 frente a 0,84. La cifra es real y no significa lo que parece. Ese 0,84 dice que las personas no se ponen de acuerdo entre ellas, y ese desacuerdo es el techo de la tarea: no existe un «97 % de acierto» que signifique algo cuando no hay respuesta verdadera. Cómo funciona la técnica, qué sigue rompiéndola y cómo leer cualquier titular de «la IA supera a los humanos».

4 min 9 may. 2023

Modelos de lenguaje

GPT-2 y GPT-3: qué cambia al escalar un predictor de texto

Objetivo, datos, escala, contexto, decodificación y prueba: un mapa para entender GPT-2 y GPT-3 sin confundir fluidez y comprensión.

4 min 9 may. 2023

Modelos de lenguaje

T5 y BART: cómo comparar dos modelos secuencia a secuencia

Corrupción, reconstrucción, adaptación y decodificación explican mejor T5 y BART que una lista de aplicaciones imaginadas.

4 min 9 may. 2023

Modelos de lenguaje

Cómo evaluar un modelo de lenguaje: de la métrica a la decisión

Cómo convertir perplexity, BLEU, ROUGE, evaluación humana y jueces LLM en una prueba vinculada a decisiones y riesgos reales.

4 min 9 may. 2023

Modelos de lenguaje

Contexto no es memoria: dónde guarda información un modelo de lenguaje

Un mapa para separar parámetros, contexto, estado recurrente, recuperación y datos persistentes, sin llamar memoria a todo.

4 min 9 may. 2023

Modelos de lenguaje

Qué hizo distinto BERT y qué significa que lea en dos direcciones

BERT aprende representaciones contextuales ocultando palabras y usando el texto a ambos lados. Entender su objetivo permite distinguir un codificador de un generador y evaluar sus límites.

4 min 9 may. 2023

Modelos de lenguaje

Modelos multilingües: hablar cien idiomas no es dominarlos

La lista de idiomas de un modelo dice poco sobre su utilidad. Para evaluar soporte multilingüe hay que mirar datos, tokenización, tarea, prueba, coste y participación de las comunidades que lo usarán.

3 min 9 may. 2023

Modelos de lenguaje

PLN y modelos de lenguaje: de texto a una tarea medible

Arquitectura, objetivo, supervisión, conocimiento y prueba: cinco decisiones para construir y evaluar una aplicación de PLN.

5 min 9 may. 2023

Modelos de lenguaje

De palabras a vectores: cómo representa el lenguaje una red neuronal

Un recorrido desde tokens y embeddings hasta atención y probabilidades para entender qué representa —y qué no— una red neuronal.

4 min 9 may. 2023

Modelos de lenguaje

Resúmenes automáticos: cómo medir cobertura y fidelidad

Un resumen puede ser fluido y aun omitir lo decisivo o inventar una relación. La forma fiable de evaluarlo separa cobertura, fidelidad y utilidad, y rastrea cada afirmación hasta el pasaje fuente.

4 min 9 may. 2023

Modelos de lenguaje

BERT, GPT, T5 y XLNet: cómo evaluar clasificación y sentimiento

Los modelos parten de objetivos y formas de adaptación distintas. La fiabilidad depende de etiquetas, particiones, métricas, dominio, coste de error y capacidad de abstenerse.

4 min 9 may. 2023

Modelos de lenguaje

Privacidad en modelos de lenguaje: un mapa de fugas y defensas

Entrenamiento, prompts, recuperación, registros y salidas abren riesgos distintos. Cómo asociar cada amenaza con un control comprobable.

4 min 9 may. 2023