Amarla o temerla, esa es la cuestión. Bienvenid@ a la serie sobre la IA.
serie: IA de cero a experto | introducciónAviso:
El contenido de esta serie se redacta con ayuda de inteligencia artificial (Claude), contrastando cada dato técnico contra fuentes primarias y documentación oficial (papers académicos, documentación técnica, medios especializados) y citando la fuente en cada afirmación relevante. Aun así, no sustituye tu propio criterio: contrástalo, investiga por tu cuenta y desconfía de cualquier párrafo que no tenga una fuente detrás.
Si detectas algún error, dímelo. Me puedes escribir a jenniffer@guaduastudio.com o contactarme por mi perfil en linkedin.
El objetivo de la serie
Me gusta escribir de lo que sé y de lo que voy aprendiendo. Compartir es vivir, aunque parece que se nos ha olvidado. Esta serie sobre IA nace de esa idea.
Suelo escribir sobre el tema más recurrente de los últimos años, tanto en la vida tecnológica como en la vida real: la IA.
Y como es un tema de tanta actualidad, está en constante cambio. Es necesario estar actualizándonos con lo nuevo que aparece, que parece renovarse cada cinco minutos. Probablemente esta serie de artículos sobre la IA quede obsoleta en un par de semanas, pero habrá existido y habrá cumplido con su cometido: ser el medio para compartir conocimiento gratis.
Esto no es un curso de programación. No vas a ver una línea de código en toda la serie: eso se queda para una segunda parte, más adelante, con las manos en el teclado. Esta primera vuelta es puramente de entender, de tener el mapa completo antes de tocar nada.
Qué vas a encontrar aquí
Empezamos por los fundamentos: qué es la IA de verdad, de dónde viene el término, y por qué «inteligencia artificial«, «machine learning» y «deep learning» no son sinónimos aunque el marketing los use así. Pasamos al machine learning clásico (los algoritmos que llevan décadas funcionando antes de que nadie hablara de IA generativa), después a las redes neuronales y el deep learning, y de ahí a la IA generativa y los modelos de lenguaje: cómo se entrenan, cómo funciona el prompting, qué es RAG, por qué alucinan.
Ningún capítulo se queda solo en la parte bonita. Hay un bloque entero dedicado al contexto incómodo: sesgos, regulación (el AI Act europeo), el coste energético real de entrenar estos modelos, y cómo está el mercado laboral del sector. Y cerca del final, unos cuantos capítulos bajan de lo general a lo concreto: unas pocas IAs específicas, con nombre y apellido, que decidiré cuáles según avance la serie.
Índice
Se va a ir completando capítulo a capítulo, según los publique. De momento:
- Capítulo 1. Qué es la IA (y qué no es)
- Capítulo 2. Los inviernos de la IA. Cuando el hype se quedó sin dinero
- Capítulo 3. Tipos de IA: Estrecha, General y Superinteligencia
- Capítulo 4. Las matemáticas mínimas para entender IA
- Capítulo 5. Aprendizaje supervisado, no supervisado y por refuerzo
- Capítulo 6. Los algoritmos de Machine Learning clásicos
- Capítulo 7. Entrenar un modelo
