Glossari

Sistema que ordena què veus: a les xarxes, a les plataformes de vídeo, a les botigues. No cal que li diguis què vols. Ho dedueix del que fas: què mires, quanta estona, què saltes. I s’optimitza per a un objectiu que algú ha triat, que sol ser «que et quedis més estona», no «que estiguis ben informat».

Sistema que dona un resultat sense que ningú, ni qui l’ha programat, pugui explicar del tot per què. Sabem què entra i què surt; el que passa al mig són milions d’operacions. Si una decisió no es pot explicar, tampoc es pot revisar ni recórrer.

Qualsevol informació sobre tu, si se sap que és teva: el nom, la ubicació, les fotos, la salut. La llei et dona drets sobre elles: saber si algú les fa servir, demanar que s’esborrin i retirar el consentiment quan vulguis.

Manera d’ensenyar a un sistema a partir d’exemples amb l’etiqueta ja posada: milers de fotos marcades «gat» o «no gat», milers de correus marcats «spam» o «no spam». El sistema no parteix de regles; ajusta els seus paràmetres fins que encerta l’etiqueta la majoria de cops. No tota la IA s’entrena així: un model de llenguatge, per exemple, aprèn predient la paraula següent d’un text, sense etiquetes.

Conjunt de tècniques que permeten a les màquines fer tasques que associem a la intel·ligència humana (reconèixer imatges, generar text, predir). No ho fa com un humà: reconeix patrons a partir de moltes dades.

IA entrenada amb enormes quantitats de text per predir la paraula següent. Escriu amb fluïdesa a partir de patrons, no d’intencions pròpies; si això és «entendre», encara es debat.

Quan un sistema s’ajusta tant als exemples amb què va aprendre que, en lloc de captar el patró general, se’ls aprèn de memòria: encerta amb els casos que ja coneix i falla davant de casos nous. Per això una xifra d’encert no diu res sense saber sobre quines dades s’ha mesurat.

Model inspirat (de manera molt simplificada) en les neurones del cervell, organitzat en capes. Aprèn a detectar patrons complexos ajustant milions de connexions a partir d’exemples.