Alfabetización en IA / Glosario

Datos de entrenamiento

Los datos de entrenamiento son el conjunto de ejemplos, como textos, imágenes, sonidos o registros pasados, del que un modelo de IA aprende sus patrones. Lo que contienen, y lo que les falta, marca lo que el modelo puede hacer.

Para un modelo que distingue fotos de gatos y perros, los datos de entrenamiento son muchas fotos etiquetadas. Para un chatbot, son cantidades enormes de texto. El modelo solo puede aprender patrones que aparecen en sus ejemplos.

Si algunos grupos, situaciones o idiomas aparecen poco en los datos de entrenamiento, el modelo suele funcionar peor con ellos. Es una de las principales vías por las que el sesgo entra en la IA.

Los datos de entrenamiento también pueden incluir datos personales u obras protegidas, por eso hay debates legales y normas sobre cómo se recogen y usan. Muchos servicios de chat indican en sus ajustes si tus conversaciones pueden usarse para entrenar modelos futuros.