Section outline

  • CLASE 5 - FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL PARA AMPLIAR HORIZONTES CULTURALES

    ¿Cómo aprenden los modelos de lenguaje (LLMs)?

    En esta oportunidad profundizamos en el funcionamiento interno de los modelos de lenguaje. ¿Cómo aprenden el significado de las palabras? A través de enormes volúmenes de datos y de la predicción constante de la siguiente palabra en una secuencia, los LLMs reconocen patrones y cercanías semánticas. Pero generar frases plausibles no es lo mismo que comprender ni garantizar verdad. ¿Qué implica que una respuesta sea estadísticamente probable pero no necesariamente correcta?

    También analizamos los riesgos: supuestos implícitos, estereotipos reproducidos y confusiones entre entidades. Finalmente, distinguimos entre un modelo base —entrenado para completar texto— y un modelo ajustado mediante fine-tuning, alineado para seguir instrucciones específicas. La invitación es comprender que detrás de cada respuesta hay procesos de entrenamiento, clasificación y alineación, y que conocer estos mecanismos es clave para usar estas herramientas con criterio pedagógico.

    Al finalizar la clase, te invitamos a completar unas preguntas. Las respuestas son calificadas y completar la actividad es requisito para finalizar y acreditar el curso.

    👨‍🏫 Docente: Guido Ivetta

    • ¿Cómo aprenden los modelos de lenguaje? URL
    • Debajo encontrás las diapositivas de la clase, pensadas como apoyo para volver sobre las ideas, preguntas y tensiones que se abren en el video.

      📚 Conceptos claves

      Alineamiento: La etapa final donde seres humanos evalúan y rankean las respuestas del modelo. Sirve para que la IA adopte valores, formas de hablar más naturales y evite comportamientos no deseados.

      Ajuste de Instrucciones: El proceso de entrenar al modelo con pares de "Instrucción-Respuesta". Es lo que permite que el modelo entienda que si le preguntas algo, debe darte una respuesta y no seguir preguntando.

      Cercanía de significado (Embeddings): La forma en que el modelo organiza las palabras en un espacio matemático. Las palabras con significados similares (como "conversar" y "platicar") quedan "cerca" unas de otras.

      Distribución de Probabilidad: Ante un espacio en blanco, el modelo no adivina al azar, sino que asigna un porcentaje de posibilidad a cada palabra de su vocabulario (ej: "perro" tiene 90% de probabilidad frente a "ladrando").

      Modelo Base: Es la versión inicial del modelo tras leer una cantidad masiva de datos. Su función principal es predecir la siguiente palabra, pero aún no sabe "obedecer" órdenes; solo completa texto.

      Una creación de Fundación Vía Libre en articulación con FAMAF – UNC.
    • Tarea: ¿Cómo aprenden los modelos de lenguaje (LLM)? Quiz