Cómo lo entienden los modelos de IA: tokens, contexto y alucinaciones
La capa técnica en lenguaje sencillo — tokens, ventana de contexto, temperatura y alucinación —, para que pueda hablar de IA con precisión.
Cuando ya sabe escribir un prompt claro, el siguiente nivel es entender qué le ocurre dentro del modelo: no las matemáticas, sino los conceptos y el inglés que los describe. Son los términos que aparecen en cualquier conversación seria sobre IA, y usarlos con precisión distingue a quien leyó un titular de quien pensó en la herramienta.
Tokens
El modelo no lee palabras. Lee tokens — fragmentos de texto, aproximadamente una palabra o parte de una palabra. unhappy puede ser un solo token; unbelievable, dos.
- The model splits the text into tokens.
- This model has a large token limit.
Una consecuencia útil es el token limit, el máximo que el modelo puede recibir o producir de una vez. Cuando un prompt es "demasiado largo", lo que se acabó son precisamente los tokens.
Ventana de contexto
La context window es cuánto puede tener el modelo en mente a la vez, su memoria a corto plazo, medida en tokens. Dentro está toda su conversación más el prompt.
- The whole document fits inside the context window.
- Once the conversation exceeds the context window, the model forgets the beginning.
Por eso las conversaciones largas con un chatbot a veces pierden el hilo: el principio se salió de la ventana. En un inglés preciso se dice que el modelo runs out of context, y no que olvidó — "olvidó" implica una memoria que el modelo no tiene entre sesiones.
Temperatura
La temperature controla la previsibilidad de la respuesta. La idea viene de la física — a más temperatura, más movimiento.
Temperatura baja — predecible, segura, literal. Buena para datos y código.
Temperatura alta — variada, inesperada, creativa. Buena para ideas y borradores.
Set the temperature low for a technical answer.
The model's temperature was high, so it gave three very different drafts.
La palabra ya es tan estándar que se dice the response felt high-temperature — es decir, impredecible — sin más explicación.
Alucinación
Una hallucination es una respuesta que suena segura y simplemente es falsa. El modelo inventó un dato, un nombre, una fuente, y lo presentó como indudable.
- The model hallucinated a citation.
- That reference is a hallucination — it doesn't exist.
Es un término que necesita todo usuario cuidadoso de IA, porque nombra el fallo principal de la herramienta. El verbo es regular: hallucinate, hallucinated, has hallucinated. Y el sustantivo es contable: a hallucination, two hallucinations.
Una alucinación no es una mentira. Mentir exige conocer la verdad e ir en su contra. El modelo no sabe qué es verdadero; predice qué texto vendrá a continuación. Llamar hallucination a una conclusión falsa es tan preciso como imprecisos son lie y mistake — el modelo nunca contrastó nada con la realidad.
El resto del conjunto
Completan el núcleo, y los encontrará junto al vocabulario técnico preciso:
| Término | Significado |
|---|---|
| training data | los textos con los que aprendió el modelo |
| parameters | los números que el modelo aprendió; el "tamaño" en términos técnicos |
| inference | el momento en que el modelo produce una respuesta |
| prompt injection | un ataque escondido dentro del prompt que hace que el modelo ignore sus instrucciones |
| fine-tuning | ajustar el modelo para una tarea concreta |
Hablar de esto con precisión
Fíjese en el patrón: cada término tiene su propio verbo, y la combinación está tan fija como siempre lo están las colocaciones.
- The model splits text into tokens.
- The answer exceeded the context window.
- I lowered the temperature.
- The model hallucinated a source.
El verbo correcto demuestra que entiende el mecanismo, no solo las palabras.
Ponga a prueba lo que acaba de leer
El test de abajo revisa los términos y los verbos con los que se combinan.