Glossari d'IA: 14 paraules que surten a tot arreu i què volen dir

Si ets a les xarxes, llegeixes la premsa o fas servir un xat, deus haver vist paraules com «prompt», «token» o «al·lucinació». Aquest glossari les explica d'una en una, en ordre alfabètic. No és un manual tècnic: és una guia per saber de què es parla. Les definicions es basen en el glossari d'aprenentatge automàtic de Google, en el del NIST (l'institut nord-americà d'estàndards) i en la pàgina de la Comissió Europea sobre el Reglament d'IA.

De la A a la M

Al·lucinació. Resposta d'un model que sembla plausible però és falsa o inventada. El glossari de Google la recull com a sinònim de «confabulació». Per això, quan una dada importa, convé comprovar-la en una font.

Aprenentatge automàtic (machine learning). Part de la intel·ligència artificial en què els sistemes aprenen patrons a partir d'exemples, en lloc de seguir regles escrites una per una per una persona.

Biaix. Té dos significats. En ètica i equitat, és la tendència a afavorir o estereotipar determinats grups. En matemàtiques, és un terme de desplaçament dins del model. Quan es parla de biaixos de la IA, normalment és el primer sentit.

Deepfake. Imatge, àudio o vídeo fals però molt creïble, que imita persones o fets reals. El Reglament d'IA europeu obliga a identificar-los.

Entrenament. Procés d'ajustar els paràmetres d'un model (els «pesos») amb molts lots d'exemples, repetint passades cap endavant i cap enrere fins que els resultats són prou bons.

Finestra de context. Nombre de tokens que un model pot processar d'un cop en un prompt. Si la conversa és massa llarga, el model pot deixar de «veure» el principi.

IA generativa. Sistemes que creen contingut nou: text, imatges, àudio o vídeo. El glossari de Google recull també l'expressió AI slop, que descriu el contingut generat per IA que prioritza la quantitat per damunt de la qualitat.

Inferència. Fer servir un model ja entrenat per fer prediccions amb dades noves. Quan escrius una pregunta a un xat i et respon, fa inferència; l'entrenament ja s'ha fet abans.

Intel·ligència artificial. No hi ha una sola definició. Una de les del NIST la descriu com un sistema basat en màquines que, a partir d'objectius definits per persones, fa prediccions, recomanacions o decisions que influeixen en entorns reals o virtuals.

Model de llenguatge (LLM, de «large language model»). Model entrenat amb molts textos, que és la base dels xats com els que fas servir. El glossari de Google recorda que la majoria són «caixes negres»: no es pot explicar fàcilment per què donen una resposta concreta.

De la P a la X

Prompt. L'entrada que rep el model: la pregunta o la instrucció. Hi ha tècniques per escriure'l, com el chain-of-thought prompting, que consisteix a demanar al model que expliqui el raonament pas a pas.

Reglament d'IA. La llei de la Unió Europea sobre intel·ligència artificial. Segons la Comissió Europea, va entrar en vigor l'1 d'agost de 2024 i és aplicable en general des del 2 d'agost de 2026. Classifica els usos de la IA en quatre nivells de risc: inacceptable, alt, de transparència i mínim. Els detalls de les etiquetes i de les dates, a Contingut fet amb IA: què s'ha d'etiquetar a Europa.

Sobreajustament (overfitting). Quan un model s'ha ajustat tant als exemples amb què s'ha entrenat que funciona bé amb ells però falla amb dades noves. És un dels problemes clàssics de l'aprenentatge automàtic.

Token. La unitat que els models processen i prediuen: pot ser una paraula, una part de paraula o un signe de puntuació.

Xarxa neuronal. Model format per capes de «neurones» artificials connectades entre elles, capaç d'aprendre relacions complexes (no lineals). S'entrena amb un procés que es diu retropropagació (backpropagation).

Del prompt a la resposta

Amb aquestes paraules ja pots seguir el camí que fa una conversa amb un xat:

Per què tantes paraules en anglès

Gairebé tots aquests termes han nascut en anglès, en laboratoris i empreses que treballen en aquesta llengua, i per això a la premsa catalana sovint se'n fa servir l'original: «prompt», «token», «deepfake». Quan hi ha una equivalència clara, com «aprenentatge automàtic» o «al·lucinació», és la que hem fet servir; quan no, hem posat l'original i l'hem explicat.

Què cal recordar

Un model de llenguatge treballa predient el que ve després, no consultant una base de fets. Això explica per què pot escriure molt bé i, alhora, equivocar-se amb seguretat. Per això és bona idea comprovar les dades importants i tenir clar quan un text ha estat fet amb IA. Aquest mitjà en fa servir per redactar alguns textos, i ho expliquem a «Qui som».

Si vols una guia més pràctica sobre tecnologia, a La Revista tens Com fer que els teus reels d'Instagram arribin a més gent; i per entendre com es llegeixen les xifres d'altres àmbits, mira Els rànquings que mesuren el món. Per a un marc de gestió de riscos de la IA, el NIST va publicar el 26 de gener de 2023 el AI Risk Management Framework, que és d'ús voluntari.