Los chatbots parecen conversar, pero la operación central de un modelo de lenguaje es fácil de enunciar: dado el texto escrito hasta ahora, estimar qué fragmento de texto es probable que venga después.
Tokens, no palabras
El texto se divide en unidades pequeñas llamadas tokens, que pueden ser palabras enteras, partes de palabras o signos de puntuación. El modelo trabaja con tokens porque forman un vocabulario manejable.
Un paso a la vez
En cada paso, el modelo produce una probabilidad para cada token de su vocabulario. Se elige un token, se añade al texto y el proceso se repite. Una respuesta larga es simplemente una sucesión de esos pasos.
De dónde viene el conocimiento
Durante el entrenamiento, el modelo lee enormes cantidades de texto y aprende a predecir la continuación. Para predecir bien tiene que absorber gramática, hechos, estilos de escritura y patrones de razonamiento habituales, al menos de forma estadística.
Por qué los ajustes cambian la respuesta
El modelo da probabilidades, no una respuesta única y fija. Un ajuste llamado a menudo temperatura controla cuán arriesgada es la elección. Valores bajos favorecen el token más probable y dan respuestas más estables. Valores más altos permiten más variedad.
Qué significa para ti
Un modelo de lenguaje es un predictor de texto muy capaz. Eso explica su fluidez y flexibilidad, y también por qué puede sonar seguro sin tener razón.
Continúa con el libro
Consulta el tratamiento completo, los ejemplos y los ejercicios en La IA explicada de forma sencilla.
Adaptado de La IA explicada de forma sencilla, publicado por Choral Software. Texto del artículo y ejemplos originales © 2026 Choral Software. Todos los derechos reservados.