# Diccionari d’IA · Aula AIAO Revisat el 5 de novembre de 2026 Definicions i exemples originals d’AIAO, contrastats amb documentació dels creadors, organismes públics i publicacions de recerca. Cada fitxa enllaça una referència per aprofundir-hi. El vocabulari bàsic del TERMCAT orienta les denominacions catalanes que recull. Per a altres conceptes oferim equivalents explicatius: no presentem tota la guia com a terminologia normalitzada. ## Afinament ES: Ajuste fino · CA: Afinament · EN: Fine-tuning Entrenament addicional d'un model existent per adaptar-lo a una tasca o domini. Modifica paràmetres, a diferència d'una indicació. **Amb un exemple s’entén millor** Entrenes amb exemples revisats de l'estil de l'organització; afegir un document al xat no és el mateix. Segueix el fil: Indicació o petició, Generació augmentada per recuperació (RAG) Per ampliar i contrastar: [Hugging Face · Fine-tuning](https://huggingface.co/docs/transformers/en/training) ## Agent d'IA ES: Agente de IA · CA: Agent d'IA · EN: AI agent Sistema que fa servir un model per decidir passos i utilitzar eines amb què avançar cap a un objectiu. **Amb un exemple s’entén millor** Pot cercar cursos i comparar-los; inscriure-t'hi o pagar requereix permisos i controls a part. Segueix el fil: Crida a eines, Supervisió humana Per ampliar i contrastar: [Anthropic · Building effective agents](https://www.anthropic.com/research/building-effective-agents) ## Alfabetització en IA ES: Alfabetización en IA · CA: Alfabetització en IA · EN: AI literacy Coneixements i habilitats per comprendre, utilitzar i avaluar la IA amb criteri, atenent les possibilitats i els riscos. **Amb un exemple s’entén millor** No consisteix a memoritzar 120 paraules: consisteix a saber què preguntar, què comprovar i quan demanar ajuda. Segueix el fil: Avaluació d'IA, Supervisió humana Per ampliar i contrastar: [Comisión Europea · AI literacy: questions and answers](https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers) ## Algorisme ES: Algoritmo · CA: Algorisme · EN: Algorithm Seqüència definida de passos per resoldre una tasca. Pot existir sense IA ni aprenentatge automàtic. **Amb un exemple s’entén millor** Ordenar els cursos per data segueix un algorisme; no tots els botons espavilats porten una IA dins. Segueix el fil: Model d'IA, Entrenament Per ampliar i contrastar: [IBM · Machine learning](https://www.ibm.com/think/topics/machine-learning) ## Alineació de la IA ES: Alineación de IA · CA: Alineació de la IA · EN: AI alignment Treball per orientar sistemes cap a objectius, valors i restriccions desitjats, comprovant diferències entre intenció i comportament. **Amb un exemple s’entén millor** No basta que un assistent aconsegueixi una tasca: també importa com ho fa i quins efectes produeix. Segueix el fil: Aprenentatge per reforç, Proves adversàries Per ampliar i contrastar: [IBM · AI alignment](https://www.ibm.com/think/topics/ai-alignment) ## Al·lucinació d'IA ES: Alucinación de IA · CA: Al·lucinació d'IA · EN: AI hallucination Resposta que presenta informació falsa, inventada o sense suport com si fos vàlida, encara que resulti convincent. **Amb un exemple s’entén millor** L'assistent cita un curs que mai no ha existit. Posar-hi nom i horari no el converteix en real. Segueix el fil: Fonamentació en fonts, Avaluació d'IA Per ampliar i contrastar: [IBM · AI hallucinations](https://www.ibm.com/think/topics/ai-hallucinations) ## Ampliació generativa ES: Ampliación generativa · CA: Ampliació generativa · EN: Outpainting Generació de contingut fora dels límits originals d'una imatge per ampliar-ne l'enquadrament. **Amb un exemple s’entén millor** Converteixes una foto quadrada en una capçalera ampla inventant els laterals; aquests laterals no documenten l'escena original. Segueix el fil: Emplenament generatiu d'una zona, Procedència del contingut Per ampliar i contrastar: [Hugging Face · Outpainting](https://huggingface.co/docs/diffusers/en/advanced_inference/outpaint) ## Anonimització ES: Anonimización · CA: Anonimització · EN: Anonymisation Transformació que evita identificar raonablement persones a les dades. Esborrar només el nom no sempre basta. **Amb un exemple s’entén millor** Una combinació única d'edat, localitat i càrrec pot revelar qui és algú; revisa també aquests detalls. Segueix el fil: Pseudonimització, Dades personals Per ampliar i contrastar: [AEPD · ¿Los datos anonimizados son datos personales?](https://www.aepd.es/preguntas-frecuentes/0-conceptos-basicos/FAQ-0005-sobre-los-datos-anonimizados) ## Anotació de dades ES: Anotación de datos · CA: Anotació de dades · EN: Data annotation Procés d'afegir informació a les dades, com etiquetes, transcripcions o zones assenyalades d'una imatge. **Amb un exemple s’entén millor** Dibuixar un requadre al voltant de cada bicicleta és anotar les imatges, no retocar-ne el color. Segueix el fil: Etiqueta, Visió artificial Per ampliar i contrastar: [IBM · Data labeling](https://www.ibm.com/think/topics/data-labeling) ## Aprenentatge automàtic ES: Aprendizaje automático · CA: Aprenentatge automàtic · EN: Machine learning (ML) Tècniques que ajusten un model a partir de dades perquè resolgui tasques amb casos nous. **Amb un exemple s’entén millor** En comptes d'escriure totes les regles del correu brossa, entrenes amb missatges ja classificats. Segueix el fil: Entrenament, Aprenentatge supervisat Per ampliar i contrastar: [IBM · Machine learning](https://www.ibm.com/think/topics/machine-learning) ## Aprenentatge autosupervisat ES: Aprendizaje autosupervisado · CA: Aprenentatge autosupervisat · EN: Self-supervised learning Aprenentatge que obté senyals d'entrenament de les mateixes dades, sense etiquetar manualment cada resposta. **Amb un exemple s’entén millor** Amagues una part d'un text i entrenes el model per predir-la a partir de la resta. Segueix el fil: Model de llenguatge gran (MLG), Entrenament Per ampliar i contrastar: [IBM · Self-supervised learning](https://www.ibm.com/think/topics/self-supervised-learning) ## Aprenentatge no supervisat ES: Aprendizaje no supervisado · CA: Aprenentatge no supervisat · EN: Unsupervised learning Cerca d'estructures o agrupacions en dades sense respostes objectiu etiquetades per a cada exemple. **Amb un exemple s’entén millor** Agrupes comentaris semblants per descobrir temes; ningú no ha indicat abans el grup de cada comentari. Segueix el fil: Aprenentatge supervisat, Representació vectorial Per ampliar i contrastar: [IBM · Unsupervised learning](https://www.ibm.com/think/topics/unsupervised-learning) ## Aprenentatge per reforç ES: Aprendizaje por refuerzo · CA: Aprenentatge per reforç · EN: Reinforcement learning (RL) Aprenentatge de decisions mitjançant la interacció amb un entorn i senyals de recompensa que valoren els resultats. **Amb un exemple s’entén millor** Un agent practica en un joc i rep punts per arribar a la meta, no per dir que hi ha arribat. Segueix el fil: Agent d'IA, Alineació de la IA Per ampliar i contrastar: [IBM · Reinforcement learning](https://www.ibm.com/think/topics/reinforcement-learning) ## Aprenentatge per transferència ES: Aprendizaje por transferencia · CA: Aprenentatge per transferència · EN: Transfer learning Reutilització d'allò après en una tasca per facilitar-ne una altra, en lloc de començar completament de zero. **Amb un exemple s’entén millor** Parteixes d'un model que reconeix formes i l'adaptes per distingir tipus de plantes. Segueix el fil: Afinament, Model fundacional Per ampliar i contrastar: [Hugging Face · Fine-tuning](https://huggingface.co/docs/transformers/en/training) ## Aprenentatge profund ES: Aprendizaje profundo · CA: Aprenentatge profund · EN: Deep learning Aprenentatge automàtic amb xarxes neuronals de moltes capes que construeixen representacions cada vegada més complexes. **Amb un exemple s’entén millor** Una xarxa pot combinar vores, formes i altres patrons per reconèixer una bicicleta en una foto. Segueix el fil: Xarxa neuronal, Visió artificial Per ampliar i contrastar: [IBM · Deep learning](https://www.ibm.com/think/topics/deep-learning) ## Aprenentatge supervisat ES: Aprendizaje supervisado · CA: Aprenentatge supervisat · EN: Supervised learning Entrenament amb exemples que inclouen la resposta de referència que el model ha d'aprendre a predir. **Amb un exemple s’entén millor** Cada missatge de pràctica està marcat com a «consulta» o «incidència». Segueix el fil: Etiqueta, Aprenentatge no supervisat Per ampliar i contrastar: [IBM · Supervised learning](https://www.ibm.com/think/topics/supervised-learning) ## Atenció ES: Atención · CA: Atenció · EN: Attention Mecanisme que pondera la rellevància de diferents parts de l'entrada en calcular una representació. No implica consciència. **Amb un exemple s’entén millor** A «la tassa al costat del llibre està trencada», les relacions entre paraules ajuden a interpretar què està trencat. Segueix el fil: Transformer, Finestra de context Per ampliar i contrastar: [Vaswani et al. · Attention Is All You Need](https://arxiv.org/abs/1706.03762) ## Augment de dades ES: Aumento de datos · CA: Augment de dades · EN: Data augmentation Creació de variants d'exemples existents per ampliar la diversitat de l'entrenament, conservant allò rellevant per a la tasca. **Amb un exemple s’entén millor** Canvies lleugerament la brillantor de fotos de tasses; continuen sent tasses, no nous tipus de vaixella. Segueix el fil: Dades sintètiques, Sobreajustament Per ampliar i contrastar: [IBM · Data augmentation](https://www.ibm.com/think/topics/data-augmentation) ## Avaluació d'IA ES: Evaluación de IA · CA: Avaluació d'IA · EN: AI evaluation Comprovació sistemàtica de qualitat, fallades i adequació d'un sistema mitjançant casos, criteris i mètriques definits. **Amb un exemple s’entén millor** Proves deu preguntes freqüents i revises contingut, fonts i to; «m'ha agradat» no és l'únic criteri. Segueix el fil: Prova de referència, Supervisió humana Per ampliar i contrastar: [Anthropic · Define success criteria and build evaluations](https://platform.claude.com/docs/en/test-and-evaluate/develop-tests) ## Barreja d'experts (MoE) ES: Mezcla de expertos (MoE) · CA: Barreja d'experts (MoE) · EN: Mixture of experts (MoE) Arquitectura amb diversos blocs especialitzats i un mecanisme que selecciona quins intervenen en cada càlcul. **Amb un exemple s’entén millor** No són persones assessorant el model: són components matemàtics que s'activen selectivament. Segueix el fil: Paràmetre del model, Transformer Per ampliar i contrastar: [Hugging Face · Mixture of Experts Explained](https://huggingface.co/blog/moe) ## Base de coneixement ES: Base de conocimiento · CA: Base de coneixement · EN: Knowledge base Col·lecció organitzada d'informació per consultar o reutilitzar. Pot alimentar un assistent sense reentrenar-ne el model. **Amb un exemple s’entén millor** Reuneixes guies, preguntes freqüents i programes vigents de l'Aula en un lloc mantingut i revisat. Segueix el fil: Generació augmentada per recuperació (RAG), Qualitat de les dades Per ampliar i contrastar: [Amazon Web Services · Knowledge bases for Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) ## Base de dades vectorial ES: Base de datos vectorial · CA: Base de dades vectorial · EN: Vector database Sistema que emmagatzema i indexa vectors per localitzar elements semblants de manera eficient. **Amb un exemple s’entén millor** Deses representacions de lliçons per recuperar les més properes a la pregunta d'una persona. Segueix el fil: Representació vectorial, Cerca semàntica Per ampliar i contrastar: [IBM · Vector databases](https://www.ibm.com/think/topics/vector-database) ## Biaix d'IA ES: Sesgo de IA · CA: Biaix d'IA · EN: AI bias Desviació sistemàtica en dades, disseny o resultats que pot produir representacions o tractaments injustos. **Amb un exemple s’entén millor** Si gairebé tots els exemples de «persona experta» mostren el mateix perfil, revisa quina visió aprèn el sistema. Segueix el fil: Qualitat de les dades, Avaluació d'IA Per ampliar i contrastar: [IBM · AI bias](https://www.ibm.com/think/topics/ai-bias) ## Capacitat de processament ES: Capacidad de procesamiento · CA: Capacitat de processament · EN: Throughput Quantitat de feina processada per unitat de temps, com sol·licituds o tokens per segon. **Amb un exemple s’entén millor** Un servei pot atendre moltes peticions per minut encara que cadascuna trigui diversos segons. Segueix el fil: Latència, Límit de sol·licituds Per ampliar i contrastar: [Hugging Face · Inference optimisation](https://huggingface.co/docs/transformers/en/optimization_overview) ## Característica d'entrada ES: Característica de entrada · CA: Característica d'entrada · EN: Feature Propietat que un model utilitza per fer una predicció; es pot mesurar directament o extreure d'altres dades. **Amb un exemple s’entén millor** Per estimar la durada d'una classe, el nombre d'exercicis podria ser una característica. Segueix el fil: Etiqueta, Conjunt de dades Per ampliar i contrastar: [IBM · Supervised learning](https://www.ibm.com/think/topics/supervised-learning) ## Cerca semàntica ES: Búsqueda semántica · CA: Cerca semàntica · EN: Semantic search Cerca que considera relacions de significat, més enllà de coincidir exactament amb les paraules escrites. **Amb un exemple s’entén millor** Cercar «fer una foto més ampla» pot retornar una explicació d'ampliació generativa. Segueix el fil: Representació vectorial, Reordenació de resultats Per ampliar i contrastar: [IBM · Vector databases](https://www.ibm.com/think/topics/vector-database) ## Clau d'API ES: Clave de API · CA: Clau d'API · EN: API key Credencial que identifica o autoritza l'ús d'un servei. Cal protegir-la perquè pot permetre accés o generar consum. **Amb un exemple s’entén millor** No enganxis una clau real al codi públic d'una pàgina; desa-la a l'entorn segur de l'aplicació. Segueix el fil: Interfície de programació (API), Privadesa de les dades Per ampliar i contrastar: [Anthropic · API keys and authentication](https://platform.claude.com/docs/en/get-api-key) ## Conjunt de dades ES: Conjunto de datos · CA: Conjunt de dades · EN: Dataset Col·lecció organitzada d'exemples que es fa servir per analitzar, entrenar o avaluar un sistema. **Amb un exemple s’entén millor** Una carpeta de fotos amb una taula de descripcions pot formar un conjunt de dades. Segueix el fil: Etiqueta, Qualitat de les dades Per ampliar i contrastar: [Gebru et al. · Datasheets for Datasets](https://arxiv.org/abs/1803.09010) ## Connector ES: Conector · CA: Connector · EN: Connector Integració que enllaça una aplicació d'IA amb un altre servei, subjecta a les funcions i permisos concedits. **Amb un exemple s’entén millor** Connectar una carpeta d'apunts no hauria d'obrir automàticament les carpetes personals. Segueix el fil: Protocol de context de models (MCP), Privadesa de les dades Per ampliar i contrastar: [Model Context Protocol · What is MCP?](https://modelcontextprotocol.io/docs/getting-started/intro) ## Credencials de contingut ES: Credenciales de contenido · CA: Credencials de contingut · EN: Content Credentials Informació de procedència vinculada mitjançant mecanismes criptogràfics, seguint estàndards com C2PA. No certifica que una escena sigui real. **Amb un exemple s’entén millor** Un historial signat pot mostrar que la imatge s'ha editat; l'absència de credencials tampoc no demostra falsedat. Segueix el fil: Procedència del contingut, Marca d'aigua Per ampliar i contrastar: [C2PA · Content Credentials explainer](https://spec.c2pa.org/specifications/specifications/2.3/explainer/Explainer.html) ## Crida a eines ES: Llamada a herramientas · CA: Crida a eines · EN: Tool calling Mecanisme pel qual un model sol·licita una funció externa; l'aplicació controla si l'executa i retorna resultats. **Amb un exemple s’entén millor** El model demana consultar el calendari; el programa comprova permisos i fa la consulta autoritzada. Segueix el fil: Interfície de programació (API), Agent d'IA Per ampliar i contrastar: [Anthropic · Tool use with Claude](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview) ## Dades d'entrenament ES: Datos de entrenamiento · CA: Dades d'entrenament · EN: Training data Exemples utilitzats per ajustar el model. La varietat, qualitat i procedència influeixen en allò que aprèn. **Amb un exemple s’entén millor** Si entrenes un lector només amb lletra impresa, la lletra manuscrita li pot donar un bon ensurt. Segueix el fil: Dades de prova, Qualitat de les dades Per ampliar i contrastar: [scikit-learn · Cross-validation and held-out data](https://scikit-learn.org/stable/modules/cross_validation.html) ## Dades de prova ES: Datos de prueba · CA: Dades de prova · EN: Test data Exemples separats del desenvolupament per estimar el rendiment final. Consultar-los repetidament pot contaminar aquesta estimació. **Amb un exemple s’entén millor** És l'examen reservat, no el full de respostes amb què has preparat cada ajust. Segueix el fil: Dades de validació, Avaluació d'IA Per ampliar i contrastar: [scikit-learn · Cross-validation and held-out data](https://scikit-learn.org/stable/modules/cross_validation.html) ## Dades de validació ES: Datos de validación · CA: Dades de validació · EN: Validation data Exemples reservats per comparar configuracions durant el desenvolupament, sense utilitzar-los directament per ajustar els pesos. **Amb un exemple s’entén millor** Compares dues versions del detector amb la validació i guardes la prova final per al final. Segueix el fil: Dades de prova, Hiperparàmetre Per ampliar i contrastar: [scikit-learn · Cross-validation and held-out data](https://scikit-learn.org/stable/modules/cross_validation.html) ## Dades personals ES: Datos personales · CA: Dades personals · EN: Personal data Informació que identifica o permet identificar una persona, per si sola o combinada amb altres dades. **Amb un exemple s’entén millor** Un nom, una adreça o una combinació de detalls pot identificar algú encara que no hi aparegui el DNI. Segueix el fil: Privadesa de les dades, Anonimització Per ampliar i contrastar: [AEPD · ¿Qué son los datos personales?](https://www.aepd.es/preguntas-frecuentes/2-tus-obligaciones-como-responsable-del-tratamiento/2-aplicacion-de-la-normativa/FAQ-0241-que-son-los-datos-personales) ## Dades sintètiques ES: Datos sintéticos · CA: Dades sintètiques · EN: Synthetic data Dades creades artificialment per simular exemples. No són automàticament correctes, representatives ni anònimes. **Amb un exemple s’entén millor** Inventes comandes d'una botiga fictícia per provar una pantalla sense fer servir clients reals. Segueix el fil: Privadesa de les dades, Qualitat de les dades Per ampliar i contrastar: [IBM · Synthetic data](https://www.ibm.com/think/topics/synthetic-data) ## Destil·lació de coneixement ES: Destilación de conocimiento · CA: Destil·lació de coneixement · EN: Knowledge distillation Entrenament d'un model per imitar comportaments d'un altre, sovint per aconseguir una versió més petita. **Amb un exemple s’entén millor** Un model compacte aprèn de respostes d'un de més gran; cal comprovar quines capacitats conserva. Segueix el fil: Quantització, Avaluació d'IA Per ampliar i contrastar: [IBM · Knowledge distillation](https://www.ibm.com/think/topics/knowledge-distillation) ## Drets d'autor ES: Derechos de autor · CA: Drets d'autor · EN: Copyright Drets que protegeixen obres i regulen determinats usos. La protecció i les excepcions depenen del context i la normativa aplicable. **Amb un exemple s’entén millor** Trobar una il·lustració a internet no implica permís per posar-la en un curs; comprova qui permet què. Segueix el fil: Llicència d'ús, Procedència del contingut Per ampliar i contrastar: [World Intellectual Property Organization · Copyright](https://www.wipo.int/en/web/copyright) ## Emplenament generatiu d'una zona ES: Relleno generativo de una zona · CA: Emplenament generatiu d'una zona · EN: Inpainting Generació o substitució de contingut dins d'una zona seleccionada d'una imatge, normalment mitjançant una màscara. **Amb un exemple s’entén millor** Selecciones una tassa de la foto per canviar-la per un llibre i comproves ombres i vores. Segueix el fil: Ampliació generativa, Generació de text a imatge Per ampliar i contrastar: [Hugging Face · Inpainting](https://huggingface.co/docs/diffusers/en/using-diffusers/inpaint) ## Enginyeria d'indicacions ES: Ingeniería de prompts · CA: Enginyeria d'indicacions · EN: Prompt engineering Disseny i revisió de peticions per obtenir resultats més útils i comprovables, mitjançant proves i ajustos. **Amb un exemple s’entén millor** Passes de «fes-ho bonic» a explicar públic, format i criteris. Menys telepatia, més context. Segueix el fil: Indicació o petició, Petició sense exemples Per ampliar i contrastar: [Anthropic · Prompt engineering overview](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview) ## Entrenament ES: Entrenamiento · CA: Entrenament · EN: Training Procés que ajusta els paràmetres d'un model fent servir dades i un objectiu d'aprenentatge. **Amb un exemple s’entén millor** Mostrar molts exemples etiquetats ajuda a ajustar el detector; fer-lo servir després és una altra fase. Segueix el fil: Paràmetre del model, Inferència Per ampliar i contrastar: [IBM · Machine learning](https://www.ibm.com/think/topics/machine-learning) ## Enverinament de dades ES: Envenenamiento de datos · CA: Enverinament de dades · EN: Data poisoning Manipulació intencionada de dades utilitzades per un sistema per alterar-ne el comportament, introduir biaixos o crear vulnerabilitats. **Amb un exemple s’entén millor** Algú afegeix exemples falsos al material d'entrenament perquè el classificador aprengui una associació incorrecta. Segueix el fil: Dades d'entrenament, Injecció d'instruccions Per ampliar i contrastar: [OWASP · Data and model poisoning](https://genai.owasp.org/llmrisk/llm042025-data-and-model-poisoning/) ## Època d'entrenament ES: Época de entrenamiento · CA: Època d'entrenament · EN: Epoch Una passada completa pel conjunt d'entrenament. Més èpoques no garanteixen millors resultats amb dades noves. **Amb un exemple s’entén millor** Tres èpoques recorren tres vegades els exemples; repetir sense control també pot produir sobreajustament. Segueix el fil: Lot d'entrenament, Sobreajustament Per ampliar i contrastar: [Hugging Face · Fine-tuning](https://huggingface.co/docs/transformers/en/training) ## Etiqueta ES: Etiqueta · CA: Etiqueta · EN: Label Resposta o categoria assignada a un exemple, utilitzada com a referència en tasques d'aprenentatge supervisat. **Amb un exemple s’entén millor** En una foto d'una tassa, «tassa» pot ser l'etiqueta correcta. Segueix el fil: Anotació de dades, Aprenentatge supervisat Per ampliar i contrastar: [IBM · Data labeling](https://www.ibm.com/think/topics/data-labeling) ## Evasió de salvaguardes ES: Evasión de salvaguardas · CA: Evasió de salvaguardes · EN: Jailbreak Intent d'aconseguir que un model ignori els límits de seguretat o de comportament. **Amb un exemple s’entén millor** Presentar una petició prohibida com un joc no elimina el risc d'allò que se sol·licita. Segueix el fil: Injecció d'instruccions, Proves adversàries Per ampliar i contrastar: [OWASP · LLM prompt injection prevention](https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html) ## Exactitud ES: Exactitud · CA: Exactitud · EN: Accuracy Proporció de prediccions correctes entre totes les realitzades. Pot amagar mals resultats en categories poc freqüents. **Amb un exemple s’entén millor** Encertar-ne 90 de 100 dona un 90 %; encara falta saber en quins deu casos falla. Segueix el fil: Precisió, Exhaustivitat o sensibilitat Per ampliar i contrastar: [scikit-learn · Accuracy score](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html) ## Exhaustivitat o sensibilitat ES: Exhaustividad o sensibilidad · CA: Exhaustivitat o sensibilitat · EN: Recall Proporció dels positius reals que el sistema aconsegueix detectar, per a la categoria avaluada. **Amb un exemple s’entén millor** Hi ha vint missatges de correu brossa i en detecta quinze: l'exhaustivitat és del 75 %. Segueix el fil: Precisió, Puntuació F1 Per ampliar i contrastar: [scikit-learn · Classification metrics](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) ## Explicabilitat ES: Explicabilidad · CA: Explicabilitat · EN: Explainability Capacitat d'oferir informació comprensible sobre com o per què un sistema produeix resultats. Una explicació generada pot ser inexacta. **Amb un exemple s’entén millor** Demanes quins factors han influït en una classificació i contrastes l'explicació amb mètodes d'anàlisi, no només amb el relat. Segueix el fil: Avaluació d'IA, Supervisió humana Per ampliar i contrastar: [IBM · Explainable AI](https://www.ibm.com/think/topics/explainable-ai) ## Finestra de context ES: Ventana de contexto · CA: Finestra de context · EN: Context window Quantitat màxima d'informació que un model pot gestionar en una interacció, mesurada normalment en tokens. **Amb un exemple s’entén millor** És la taula de treball disponible; que hi càpiga un llibre sencer no garanteix atendre bé cada detall. Segueix el fil: Token, Memòria de l'assistent Per ampliar i contrastar: [Google Cloud · Generative AI glossary](https://docs.cloud.google.com/docs/ai-ml/generative-ai/glossary) ## Fitxa del conjunt de dades ES: Ficha del conjunto de datos · CA: Fitxa del conjunt de dades · EN: Dataset datasheet Documentació sobre la creació, composició, recollida, usos i limitacions d'un conjunt de dades. **Amb un exemple s’entén millor** La fitxa explica d'on surten els enregistraments, com s'han seleccionat i per a què es poden utilitzar. Segueix el fil: Conjunt de dades, Procedència del contingut Per ampliar i contrastar: [Gebru et al. · Datasheets for Datasets](https://arxiv.org/abs/1803.09010) ## Fitxa del model ES: Ficha del modelo · CA: Fitxa del model · EN: Model card Document que descriu un model, els usos previstos, l'avaluació, les limitacions i altres dades rellevants. **Amb un exemple s’entén millor** Abans de triar un model per al català, revisa quins idiomes s'han avaluat i amb quins resultats. Segueix el fil: Avaluació d'IA, Llicència d'ús Per ampliar i contrastar: [Hugging Face · Model cards](https://huggingface.co/docs/hub/en/model-cards) ## Flux de treball amb IA ES: Flujo de trabajo con IA · CA: Flux de treball amb IA · EN: AI workflow Seqüència de passos que combina models, eines i regles. Pot seguir un recorregut fix sense ser un agent autònom. **Amb un exemple s’entén millor** Primer resumeix, després tradueix i finalment demana revisió: tres passos definits, no llibertat total. Segueix el fil: Orquestració, Agent d'IA Per ampliar i contrastar: [Anthropic · Building effective agents](https://www.anthropic.com/research/building-effective-agents) ## Fonamentació en fonts ES: Fundamentación en fuentes · CA: Fonamentació en fonts · EN: Grounding Vinculació d'una resposta a informació de referència verificable per reduir afirmacions sense suport. **Amb un exemple s’entén millor** Demanes que cada horari es basi en el programa publicat. Una cita decorativa no basta: ha de donar suport a la dada. Segueix el fil: Generació augmentada per recuperació (RAG), Al·lucinació d'IA Per ampliar i contrastar: [Google Cloud · Generative AI glossary](https://docs.cloud.google.com/docs/ai-ml/generative-ai/glossary) ## Fragmentació de documents ES: Fragmentación de documentos · CA: Fragmentació de documents · EN: Chunking Divisió de documents en parts manejables per recuperar-les o processar-les, procurant conservar prou context. **Amb un exemple s’entén millor** Divideixes un manual per apartats; evites separar una condició de l'excepció que ve tot seguit. Segueix el fil: Recuperació d'informació, Finestra de context Per ampliar i contrastar: [IBM · Retrieval augmented generation](https://www.ibm.com/think/topics/retrieval-augmented-generation) ## Generació augmentada per recuperació (RAG) ES: Generación aumentada por recuperación (RAG) · CA: Generació augmentada per recuperació (RAG) · EN: Retrieval-augmented generation (RAG) Tècnica que recupera informació externa i l'aporta al model per preparar una resposta contextualitzada. **Amb un exemple s’entén millor** L'assistent cerca primer al programa vigent de l'Aula i després respon; encara cal revisar la resposta. Segueix el fil: Recuperació d'informació, Fonamentació en fonts Per ampliar i contrastar: [IBM · Retrieval augmented generation](https://www.ibm.com/think/topics/retrieval-augmented-generation) ## Generació de text a imatge ES: Generación de texto a imagen · CA: Generació de text a imatge · EN: Text-to-image generation Creació d'imatges guiada per una descripció escrita, amb resultats que cal revisar respecte de l'encàrrec. **Amb un exemple s’entén millor** Demanes una biblioteca lluminosa per a una portada; revisa si les lletres del cartell són realment llegibles. Segueix el fil: Model de difusió, Indicació o petició Per ampliar i contrastar: [Hugging Face · Text-to-image](https://huggingface.co/docs/diffusers/en/using-diffusers/conditional_image_generation) ## Graf de coneixement ES: Grafo de conocimiento · CA: Graf de coneixement · EN: Knowledge graph Representació d'entitats i les seves relacions, útil per recórrer connexions explícites entre conceptes o dades. **Amb un exemple s’entén millor** «Curs → conté → lliçó» i «lliçó → explica → RAG» formen connexions que es poden consultar. Segueix el fil: Base de coneixement, Recuperació d'informació Per ampliar i contrastar: [IBM · Knowledge graph](https://www.ibm.com/think/topics/knowledge-graph) ## Hiperparàmetre ES: Hiperparámetro · CA: Hiperparàmetre · EN: Hyperparameter Configuració que guia l'entrenament o l'arquitectura i que no s'aprèn com un pes normal. **Amb un exemple s’entén millor** La taxa d'aprenentatge controla la mida dels ajustos: canviar-la pot millorar o empitjorar l'entrenament. Segueix el fil: Paràmetre del model, Època d'entrenament Per ampliar i contrastar: [IBM · Hyperparameter tuning](https://www.ibm.com/think/topics/hyperparameter-tuning) ## IA de codi obert ES: IA de código abierto · CA: IA de codi obert · EN: Open-source AI IA distribuïda amb llibertats d'ús, estudi, modificació i redistribució i els elements necessaris per exercir-les, segons la definició aplicable. **Amb un exemple s’entén millor** Que puguis descarregar un model no basta per dir-ne de codi obert: revisa components i llicència. Segueix el fil: Pesos oberts, Llicència d'ús Per ampliar i contrastar: [Open Source Initiative · The Open Source AI Definition 1.0](https://opensource.org/ai/open-source-ai-definition) ## IA generativa ES: IA generativa · CA: IA generativa · EN: Generative AI IA que produeix text, imatges, àudio o altres continguts a partir de patrons apresos i entrades rebudes. **Amb un exemple s’entén millor** Demanes tres títols per al taller i obtens propostes noves; després toca triar i revisar. Segueix el fil: Indicació o petició, Al·lucinació d'IA Per ampliar i contrastar: [IBM · Artificial intelligence](https://www.ibm.com/think/topics/artificial-intelligence) ## Indicació o petició ES: Prompt o instrucción · CA: Indicació o petició · EN: Prompt Entrada amb què demanes una tasca a un model. Pot incloure instruccions, context, exemples i altres formats. **Amb un exemple s’entén millor** «Resumeix aquest anunci en tres frases per a principiants i conserva la data» és una petició concreta. Segueix el fil: Enginyeria d'indicacions, Petició amb pocs exemples Per ampliar i contrastar: [Anthropic · Prompt engineering overview](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview) ## Inferència ES: Inferencia · CA: Inferència · EN: Inference Ús d'un model ja entrenat per produir una sortida a partir d'una entrada. **Amb un exemple s’entén millor** Cada vegada que el model resumeix el text fa inferència, no necessàriament aprèn d'aquella conversa. Segueix el fil: Entrenament, Latència Per ampliar i contrastar: [IBM · AI inference](https://www.ibm.com/think/topics/ai-inference) ## Injecció d'instruccions ES: Inyección de instrucciones · CA: Injecció d'instruccions · EN: Prompt injection Atac que introdueix instruccions malicioses en entrades o continguts consultats per desviar el comportament d'un sistema d'IA. **Amb un exemple s’entén millor** Un document consultat intenta donar ordres a l'assistent. El document és informació, no qui mana. Segueix el fil: Instrucció de sistema, Salvaguardes Per ampliar i contrastar: [OWASP · Prompt injection](https://genai.owasp.org/glossary/prompt-injection/) ## Instrucció de sistema ES: Instrucción de sistema · CA: Instrucció de sistema · EN: System prompt Instrucció de l'aplicació que estableix el comportament general de l'assistent. No substitueix els controls de permisos. **Amb un exemple s’entén millor** L'assistent de l'Aula rep pautes de to; l'accés a les dades també es limita al sistema. Segueix el fil: Injecció d'instruccions, Salvaguardes Per ampliar i contrastar: [Anthropic · Prompt engineering overview](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview) ## Intel·ligència artificial (IA) ES: Inteligencia artificial (IA) · CA: Intel·ligència artificial (IA) · EN: Artificial intelligence (AI) Camp que desenvolupa sistemes capaços de fer tasques com reconèixer patrons, interpretar llenguatge o prendre decisions. **Amb un exemple s’entén millor** Un filtre que detecta missatges sospitosos fa servir IA; no necessita tenir consciència per fer-ho. Segueix el fil: Aprenentatge automàtic, IA generativa Per ampliar i contrastar: [IBM · Artificial intelligence](https://www.ibm.com/think/topics/artificial-intelligence) ## Interfície de programació (API) ES: Interfaz de programación (API) · CA: Interfície de programació (API) · EN: Application programming interface (API) Conjunt de regles i funcions mitjançant el qual un programa sol·licita serveis o dades a un altre. **Amb un exemple s’entén millor** El web consulta una API per obtenir cursos disponibles sense copiar manualment tota la informació. Segueix el fil: Punt d'accés d'una API, Clau d'API Per ampliar i contrastar: [MDN Web Docs · API](https://developer.mozilla.org/en-US/docs/Glossary/API) ## Latència ES: Latencia · CA: Latència · EN: Latency Temps que triga una operació a respondre. En generació convé distingir l'inici de la resposta i la finalització. **Amb un exemple s’entén millor** Les primeres paraules apareixen aviat, però el text complet triga més: són dues mesures diferents. Segueix el fil: Resposta en flux, Capacitat de processament Per ampliar i contrastar: [IBM · AI inference](https://www.ibm.com/think/topics/ai-inference) ## Límit de sol·licituds ES: Límite de solicitudes · CA: Límit de sol·licituds · EN: Rate limit Restricció de sol·licituds o quantitat de dades processades durant un període. És diferent del saldo o pressupost disponible. **Amb un exemple s’entén millor** Encara que tinguis saldo, massa peticions seguides poden obligar-te a esperar i tornar-ho a provar de manera controlada. Segueix el fil: Interfície de programació (API), Capacitat de processament Per ampliar i contrastar: [Anthropic · Rate limits](https://platform.claude.com/docs/en/api/rate-limits) ## Llicència d'ús ES: Licencia de uso · CA: Llicència d'ús · EN: Licence Condicions que concedeixen determinats permisos sobre un recurs. Poden exigir atribució o limitar modificacions i usos comercials. **Amb un exemple s’entén millor** Revisa per separat la llicència del model, la de les dades i la de les imatges que publiquis. Segueix el fil: IA de codi obert, Drets d'autor Per ampliar i contrastar: [Creative Commons · CC licences](https://creativecommons.org/cc-licenses/) ## Lot d'entrenament ES: Lote de entrenamiento · CA: Lot d'entrenament · EN: Training batch Grup d'exemples processats junts en un pas de l'entrenament, segons la configuració utilitzada. **Amb un exemple s’entén millor** Amb lots de 16, l'entrenament processa grups petits en lloc de tot el conjunt alhora. Segueix el fil: Època d'entrenament, Entrenament Per ampliar i contrastar: [IBM · Hyperparameter tuning](https://www.ibm.com/think/topics/hyperparameter-tuning) ## Marca d'aigua ES: Marca de agua · CA: Marca d'aigua · EN: Watermark Senyal visible o imperceptible inserit en un contingut per aportar identificació o informació sobre l'origen. **Amb un exemple s’entén millor** Una imatge pot portar una marca invisible; no veure-la no demostra que sigui una fotografia real. Segueix el fil: Procedència del contingut, Credencials de contingut Per ampliar i contrastar: [Google DeepMind · SynthID](https://deepmind.google/models/synthid/) ## Memòria cau de context ES: Caché de contexto · CA: Memòria cau de context · EN: Prompt caching Reutilització del processament de parts repetides d'una entrada per reduir feina, segons les condicions del servei. **Amb un exemple s’entén millor** Diverses consultes comparteixen les mateixes instruccions llargues; la memòria cau pot evitar recalcular-les, sense convertir-se en memòria personal. Segueix el fil: Finestra de context, Memòria de l'assistent Per ampliar i contrastar: [Anthropic · Prompt caching](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) ## Memòria de l'assistent ES: Memoria del asistente · CA: Memòria de l'assistent · EN: Assistant memory Informació conservada entre passos o converses, segons l'aplicació. No equival a la finestra de context ni a reentrenar. **Amb un exemple s’entén millor** L'assistent pot desar que prefereixes respostes curtes; comprova què desa i com s'elimina. Segueix el fil: Finestra de context, Privadesa de les dades Per ampliar i contrastar: [LangChain · Memory overview](https://docs.langchain.com/oss/python/concepts/memory) ## Model al núvol ES: Modelo en la nube · CA: Model al núvol · EN: Cloud-hosted model Model executat en infraestructura remota a què accedeixes per una aplicació o API, segons les seves condicions. **Amb un exemple s’entén millor** El portàtil envia la petició a un servei; revisa accés, tractament de dades i cost abans d'utilitzar informació real. Segueix el fil: Model local, Privadesa de les dades Per ampliar i contrastar: [Amazon Web Services · Deploy models for inference](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html) ## Model d'IA ES: Modelo de IA · CA: Model d'IA · EN: AI model Sistema matemàtic ajustat per transformar entrades en prediccions o resultats. És una peça d'una aplicació, no tota l'aplicació. **Amb un exemple s’entén millor** El web de l'assistent és la interfície; el model és part del motor que genera la resposta. Segueix el fil: Inferència, Paràmetre del model Per ampliar i contrastar: [IBM · AI inference](https://www.ibm.com/think/topics/ai-inference) ## Model de difusió ES: Modelo de difusión · CA: Model de difusió · EN: Diffusion model Model generatiu que aprèn a revertir un procés de soroll per produir dades, com ara imatges. **Amb un exemple s’entén millor** Durant la generació, una imatge pot prendre forma des del soroll; no s'està enfocant una foto oculta. Segueix el fil: Generació de text a imatge, Emplenament generatiu d'una zona Per ampliar i contrastar: [IBM · Diffusion models](https://www.ibm.com/think/topics/diffusion-models) ## Model de llenguatge gran (MLG) ES: Gran modelo de lenguaje (LLM) · CA: Model de llenguatge gran (MLG) · EN: Large language model (LLM) Model de gran escala entrenat per processar i generar llenguatge. Una resposta fluida no demostra que sigui certa. **Amb un exemple s’entén millor** T'ajuda a redactar la descripció d'un curs; tu comproves que no se n'inventi els continguts. Segueix el fil: Al·lucinació d'IA, Token Per ampliar i contrastar: [IBM · Large language models](https://www.ibm.com/think/topics/large-language-models) ## Model fundacional ES: Modelo fundacional · CA: Model fundacional · EN: Foundation model Model entrenat amb dades àmplies que es pot adaptar a tasques diferents. No tots treballen amb els mateixos formats. **Amb un exemple s’entén millor** Un mateix model pot servir de base per resumir textos, respondre preguntes o classificar missatges. Segueix el fil: Model de llenguatge gran (MLG), Aprenentatge per transferència Per ampliar i contrastar: [IBM · Large language models](https://www.ibm.com/think/topics/large-language-models) ## Model local ES: Modelo local · CA: Model local · EN: Local model Model executat en un equip propi. Necessita prou recursos i no garanteix per si sol la privadesa de tota l'aplicació. **Amb un exemple s’entén millor** El càlcul es fa a l'ordinador, però revisa si l'aplicació envia registres o utilitza serveis externs. Segueix el fil: Quantització, Model al núvol Per ampliar i contrastar: [Ollama · Frequently asked questions](https://docs.ollama.com/faq) ## Model multimodal ES: Modelo multimodal · CA: Model multimodal · EN: Multimodal model Model que combina o processa més d'un tipus d'informació, com text, imatge o àudio. **Amb un exemple s’entén millor** Puges la foto d'una pissarra i preguntes quines tasques hi apareixen. Llegir fotos no implica poder generar imatges. Segueix el fil: Visió artificial, Reconeixement automàtic de la parla Per ampliar i contrastar: [IBM · Large language models](https://www.ibm.com/think/topics/large-language-models) ## Mostreig top-p ES: Muestreo top-p · CA: Mostreig top-p · EN: Top-p sampling Selecció entre el conjunt mínim de tokens la probabilitat acumulada dels quals arriba a un llindar determinat. **Amb un exemple s’entén millor** Amb un llindar més baix solen entrar menys alternatives; no significa «percentatge de respostes correctes». Segueix el fil: Temperatura, Token Per ampliar i contrastar: [Hugging Face · Generation configuration](https://huggingface.co/docs/transformers/en/main_classes/text_generation) ## Neurona artificial ES: Neurona artificial · CA: Neurona artificial · EN: Artificial neuron Unitat de càlcul que combina entrades i aplica una transformació. És una simplificació matemàtica, no una cèl·lula viva. **Amb un exemple s’entén millor** Pensa en una petita operació dins d'una xarxa, no en un cervell diminut amb cafè. Segueix el fil: Xarxa neuronal, Paràmetre del model Per ampliar i contrastar: [IBM · Deep learning](https://www.ibm.com/think/topics/deep-learning) ## Operacions d'aprenentatge automàtic ES: Operaciones de aprendizaje automático · CA: Operacions d'aprenentatge automàtic · EN: MLOps Pràctiques per desenvolupar, desplegar, vigilar i actualitzar models de manera controlada i reproduïble. **Amb un exemple s’entén millor** Registres versions, comproves canvis i vigiles fallades després de publicar; la feina no acaba amb «pujat». Segueix el fil: Avaluació d'IA, Fitxa del model Per ampliar i contrastar: [Google Cloud · MLOps and delivery pipelines](https://docs.cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning) ## Orquestració ES: Orquestación · CA: Orquestració · EN: Orchestration Coordinació de l'ordre, l'intercanvi de dades i la gestió de fallades entre els components d'un sistema d'IA. **Amb un exemple s’entén millor** Si falla la cerca, el sistema decideix tornar-ho a provar o demanar ajuda en lloc d'inventar resultats. Segueix el fil: Flux de treball amb IA, Crida a eines Per ampliar i contrastar: [Anthropic · Building effective agents](https://www.anthropic.com/research/building-effective-agents) ## Paràmetre del model ES: Parámetro del modelo · CA: Paràmetre del model · EN: Model parameter Valor intern après durant l'entrenament, com ara un pes. No és el mateix que una instrucció escrita. **Amb un exemple s’entén millor** Canviar «respon més breument» canvia la petició; no reescriu directament els pesos del model. Segueix el fil: Hiperparàmetre, Afinament Per ampliar i contrastar: [IBM · Hyperparameter tuning](https://www.ibm.com/think/topics/hyperparameter-tuning) ## Pesos oberts ES: Pesos abiertos · CA: Pesos oberts · EN: Open weights Model els paràmetres entrenats del qual es distribueixen per descarregar. Els permisos d'ús depenen de la llicència i poden tenir restriccions. **Amb un exemple s’entén millor** Pots tenir els pesos sense disposar de les dades o del procés complet d'entrenament. Segueix el fil: IA de codi obert, Paràmetre del model Per ampliar i contrastar: [Open Source Initiative · The Open Source AI Definition 1.0](https://opensource.org/ai/open-source-ai-definition) ## Petició amb pocs exemples ES: Petición con pocos ejemplos · CA: Petició amb pocs exemples · EN: Few-shot prompting Petició que inclou alguns exemples per mostrar el format o comportament desitjat, sense reentrenar el model. **Amb un exemple s’entén millor** Afegeixes dos missatges i les classificacions abans del missatge nou que vols classificar. Segueix el fil: Petició sense exemples, Afinament Per ampliar i contrastar: [Anthropic · Prompting best practices](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices) ## Petició sense exemples ES: Petición sin ejemplos · CA: Petició sense exemples · EN: Zero-shot prompting Petició que descriu la tasca sense aportar exemples resolts dins de la mateixa petició. **Amb un exemple s’entén millor** «Classifica aquest missatge com a consulta o incidència» demana la tasca sense mostrar respostes model. Segueix el fil: Petició amb pocs exemples, Indicació o petició Per ampliar i contrastar: [Anthropic · Prompting best practices](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices) ## Planificació ES: Planificación · CA: Planificació · EN: Planning Descomposició d'un objectiu en passos que es poden executar i revisar. Tenir un pla no demostra haver-lo completat. **Amb un exemple s’entén millor** «Revisar, corregir i provar el web» és el pla; veure el web funcionant és una altra cosa. Segueix el fil: Agent d'IA, Avaluació d'IA Per ampliar i contrastar: [Google Cloud · What are AI agents?](https://cloud.google.com/discover/what-are-ai-agents) ## Precisió ES: Precisión · CA: Precisió · EN: Precision Entre els casos assenyalats com a positius, proporció que realment ho és. No equival a l'exactitud global. **Amb un exemple s’entén millor** Marca deu missatges com a correu brossa i vuit ho són: la precisió és del 80 %. Segueix el fil: Exhaustivitat o sensibilitat, Puntuació F1 Per ampliar i contrastar: [scikit-learn · Classification metrics](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) ## Privadesa de les dades ES: Privacidad de los datos · CA: Privadesa de les dades · EN: Data privacy Protecció de l'ús i l'exposició d'informació personal, considerant què es recull, per a què, qui hi accedeix i quant es conserva. **Amb un exemple s’entén millor** Per practicar un resum, utilitza un document fictici abans que l'expedient real d'una altra persona. Segueix el fil: Dades personals, Memòria de l'assistent Per ampliar i contrastar: [IBM · Data privacy](https://www.ibm.com/think/topics/data-privacy) ## Procedència del contingut ES: Procedencia del contenido · CA: Procedència del contingut · EN: Content provenance Informació sobre l'origen i la història d'un contingut, incloses les transformacions conegudes. No en prova per si sola la veracitat. **Amb un exemple s’entén millor** Saber quina eina ha editat una imatge ajuda a entendre'n la història, però no demostra que l'escena passés. Segueix el fil: Credencials de contingut, Suplantació audiovisual sintètica Per ampliar i contrastar: [C2PA · Content Credentials explainer](https://spec.c2pa.org/specifications/specifications/2.3/explainer/Explainer.html) ## Processament del llenguatge natural (PLN) ES: Procesamiento del lenguaje natural (PLN) · CA: Processament del llenguatge natural (PLN) · EN: Natural language processing (NLP) Àrea que desenvolupa mètodes per analitzar, interpretar o generar llenguatge humà mitjançant ordinadors. **Amb un exemple s’entén millor** Classificar consultes, extreure noms o traduir textos són tasques de llenguatge; no totes necessiten un gran bot de conversa. Segueix el fil: Model de llenguatge gran (MLG), Reconeixement automàtic de la parla Per ampliar i contrastar: [IBM · Natural language processing](https://www.ibm.com/think/topics/natural-language-processing) ## Protocol de context de models (MCP) ES: Protocolo de contexto de modelos (MCP) · CA: Protocol de context de models (MCP) · EN: Model Context Protocol (MCP) Estàndard per connectar aplicacions d'IA amb eines i fonts de dades mitjançant una interfície comuna. **Amb un exemple s’entén millor** Un connector pot oferir cerca de fitxers; el protocol no dona per si sol permís per llegir-los tots. Segueix el fil: Connector, Crida a eines Per ampliar i contrastar: [Model Context Protocol · What is MCP?](https://modelcontextprotocol.io/docs/getting-started/intro) ## Prova de referència ES: Prueba de referencia · CA: Prova de referència · EN: Benchmark Conjunt de tasques i regles de mesura per comparar sistemes. Una bona puntuació no garanteix rendiment en qualsevol ús. **Amb un exemple s’entén millor** Un model guanya en problemes matemàtics, però tu has de comprovar com resumeix les lliçons en català. Segueix el fil: Avaluació d'IA, Dades de prova Per ampliar i contrastar: [Anthropic · Define success criteria and build evaluations](https://platform.claude.com/docs/en/test-and-evaluate/develop-tests) ## Proves adversàries ES: Pruebas adversarias · CA: Proves adversàries · EN: Red teaming Avaluació deliberada que cerca fallades, usos indeguts o comportaments perillosos, dins d'un abast autoritzat. **Amb un exemple s’entén millor** Un equip prova situacions difícils en una còpia de l'assistent abans d'obrir-lo al públic. Segueix el fil: Robustesa, Salvaguardes Per ampliar i contrastar: [Anthropic · Challenges in red teaming AI systems](https://www.anthropic.com/news/challenges-in-red-teaming-ai-systems) ## Pseudonimització ES: Seudonimización · CA: Pseudonimització · EN: Pseudonymisation Substitució d'identificadors per separar les dades de la identitat, mantenint informació addicional que permet tornar-les a vincular. **Amb un exemple s’entén millor** Canvies «Anna» per «Alumna 047» i deses la correspondència a part. Les dades continuen sent personals. Segueix el fil: Anonimització, Privadesa de les dades Per ampliar i contrastar: [Comité Europeo de Protección de Datos · Anonimización y seudonimización](https://www.edpb.europa.eu/topics/ai-and-technology/anonymisation-pseudonymisation_es) ## Punt d'accés d'una API ES: Punto de acceso de una API · CA: Punt d'accés d'una API · EN: API endpoint Adreça concreta on un servei rep sol·licituds per a una operació determinada. **Amb un exemple s’entén millor** Una API pot tenir una adreça per generar text i una altra per consultar l'estat d'una tasca. Segueix el fil: Clau d'API, Crida a eines Per ampliar i contrastar: [MDN Web Docs · API](https://developer.mozilla.org/en-US/docs/Glossary/API) ## Puntuació F1 ES: Puntuación F1 · CA: Puntuació F1 · EN: F1 score Mitjana harmònica de precisió i exhaustivitat. Resumeix l'equilibri entre totes dues, però no substitueix revisar els errors concrets. **Amb un exemple s’entén millor** Si detectes gairebé tot però generes moltes falses alarmes, F1 reflecteix part d'aquest desequilibri. Segueix el fil: Precisió, Exhaustivitat o sensibilitat Per ampliar i contrastar: [scikit-learn · Classification metrics](https://scikit-learn.org/stable/modules/model_evaluation.html#precision-recall-f-measure-metrics) ## Qualitat de les dades ES: Calidad de los datos · CA: Qualitat de les dades · EN: Data quality Grau en què les dades són adequades per a l'ús previst: correctes, completes, coherents i prou actuals. **Amb un exemple s’entén millor** Una llista amb cursos duplicats i dates antigues no millora perquè la posis en una IA. Segueix el fil: Conjunt de dades, Biaix d'IA Per ampliar i contrastar: [IBM · Data quality](https://www.ibm.com/think/topics/data-quality) ## Quantització ES: Cuantización · CA: Quantització · EN: Quantization Representació de valors del model amb menys precisió numèrica per reduir recursos, amb possibles canvis de qualitat. **Amb un exemple s’entén millor** Una versió de pocs bits pot cabre a l'equip; comprova'n els resultats abans de donar-la per equivalent. Segueix el fil: Model local, Destil·lació de coneixement Per ampliar i contrastar: [Hugging Face · Quantization](https://huggingface.co/docs/transformers/en/main_classes/quantization) ## Reconeixement automàtic de la parla ES: Reconocimiento automático del habla · CA: Reconeixement automàtic de la parla · EN: Automatic speech recognition (ASR) Conversió de la parla enregistrada o en directe en text. No és el mateix que identificar qui parla. **Amb un exemple s’entén millor** Transcrius una xerrada per preparar subtítols i revises els noms que el sistema ha entès «a la seva manera». Segueix el fil: Síntesi de veu, Processament del llenguatge natural (PLN) Per ampliar i contrastar: [Hugging Face · Automatic speech recognition](https://huggingface.co/tasks/automatic-speech-recognition) ## Reconeixement òptic de caràcters (OCR) ES: Reconocimiento óptico de caracteres (OCR) · CA: Reconeixement òptic de caràcters (OCR) · EN: Optical character recognition (OCR) Conversió de text present en imatges en text processable. La lectura pot contenir errors i requereix revisió. **Amb un exemple s’entén millor** Fotografies un cartell i n'extreus les paraules; revisa especialment dates, xifres i noms. Segueix el fil: Visió artificial, Qualitat de les dades Per ampliar i contrastar: [IBM · Optical character recognition](https://www.ibm.com/think/topics/optical-character-recognition) ## Recuperació d'informació ES: Recuperación de información · CA: Recuperació d'informació · EN: Information retrieval Localització de documents o fragments rellevants per a una consulta. Recuperar alguna cosa no implica que sigui correcta. **Amb un exemple s’entén millor** El cercador troba una fitxa antiga; revisa'n la data abans d'utilitzar-la com a resposta actual. Segueix el fil: Reordenació de resultats, Qualitat de les dades Per ampliar i contrastar: [IBM · Retrieval augmented generation](https://www.ibm.com/think/topics/retrieval-augmented-generation) ## Reordenació de resultats ES: Reordenación de resultados · CA: Reordenació de resultats · EN: Reranking Segona ordenació dels resultats recuperats per prioritzar els que responen millor a la consulta. **Amb un exemple s’entén millor** Entre vint lliçons candidates, un altre model col·loca primer les tres més útils per a la pregunta. Segueix el fil: Recuperació d'informació, Cerca semàntica Per ampliar i contrastar: [Cohere · Rerank overview](https://docs.cohere.com/docs/rerank-overview) ## Representació vectorial ES: Representación vectorial · CA: Representació vectorial · EN: Embedding Representació de dades mitjançant nombres que permet comparar relacions apreses, com semblances entre textos. **Amb un exemple s’entén millor** «Vull començar amb IA» pot quedar a prop de «curs per a principiants» encara que no repeteixin les mateixes paraules. Segueix el fil: Cerca semàntica, Base de dades vectorial Per ampliar i contrastar: [IBM · Vector databases](https://www.ibm.com/think/topics/vector-database) ## Resposta en flux ES: Respuesta en flujo · CA: Resposta en flux · EN: Streaming response Lliurament progressiu d'una resposta mentre es genera, en lloc d'esperar a rebre-la completa. **Amb un exemple s’entén millor** Veus aparèixer el text a poc a poc. Una connexió interrompuda pot deixar una resposta a mitges. Segueix el fil: Latència, Interfície de programació (API) Per ampliar i contrastar: [Anthropic · Streaming messages](https://platform.claude.com/docs/en/build-with-claude/streaming) ## Robustesa ES: Robustez · CA: Robustesa · EN: Robustness Capacitat de mantenir un funcionament adequat davant variacions, soroll o condicions difícils dins de l'àmbit avaluat. **Amb un exemple s’entén millor** Un transcriptor també s'hauria de provar amb soroll, accents diferents i micròfons menys perfectes. Segueix el fil: Avaluació d'IA, Reconeixement automàtic de la parla Per ampliar i contrastar: [NIST · AI Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework) ## Salvaguardes ES: Salvaguardas · CA: Salvaguardes · EN: Guardrails Mesures que limiten comportaments i riscos: permisos, validacions, filtres, supervisió i altres barreres complementàries. **Amb un exemple s’entén millor** Abans d'enviar res, l'aplicació exigeix confirmació i comprova destinatari i contingut. Segueix el fil: Supervisió humana, Crida a eines Per ampliar i contrastar: [IBM · AI guardrails](https://www.ibm.com/think/topics/ai-guardrails) ## Síntesi de veu ES: Síntesis de voz · CA: Síntesi de veu · EN: Text-to-speech (TTS) Generació de parla artificial a partir de text. La veu resultant depèn del sistema i de les opcions. **Amb un exemple s’entén millor** Converteixes una explicació en àudio per escoltar-la. Imitar una veu real planteja qüestions d'autorització diferents. Segueix el fil: Reconeixement automàtic de la parla, Suplantació audiovisual sintètica Per ampliar i contrastar: [Hugging Face · Text-to-speech](https://huggingface.co/tasks/text-to-speech) ## Sobreajustament ES: Sobreajuste · CA: Sobreajustament · EN: Overfitting El model s'adapta massa als exemples d'entrenament i funciona pitjor quan troba casos nous. **Amb un exemple s’entén millor** Se sap els exercicis de memòria, però li canvies els números i es queda mirant el sostre. Segueix el fil: Dades de prova, Subajustament Per ampliar i contrastar: [IBM · Overfitting](https://www.ibm.com/think/topics/overfitting) ## Subajustament ES: Subajuste · CA: Subajustament · EN: Underfitting El model no aprèn prou els patrons rellevants i rendeix malament fins i tot en els exemples d'entrenament. **Amb un exemple s’entén millor** Un model massa simple intenta explicar una corba complicada amb una sola recta. Segueix el fil: Sobreajustament, Model d'IA Per ampliar i contrastar: [IBM · Overfitting](https://www.ibm.com/think/topics/overfitting) ## Supervisió humana ES: Supervisión humana · CA: Supervisió humana · EN: Human-in-the-loop (HITL) Participació d'una persona en la revisió, decisió o autorització d'un procés automatitzat. **Amb un exemple s’entén millor** La IA prepara el correu i tu el revises abans d'enviar-lo. Aquest últim clic té propietari. Segueix el fil: Agent d'IA, Salvaguardes Per ampliar i contrastar: [IBM · Human-in-the-loop](https://www.ibm.com/think/topics/human-in-the-loop) ## Suplantació audiovisual sintètica ES: Suplantación audiovisual sintética · CA: Suplantació audiovisual sintètica · EN: Deepfake Contingut d'imatge, vídeo o àudio manipulat o generat per aparentar una persona o situació real. **Amb un exemple s’entén millor** Una veu que sembla la del teu amic demana diners: verifica-ho per una altra via abans de creure-la. Segueix el fil: Procedència del contingut, Credencials de contingut Per ampliar i contrastar: [European Data Protection Supervisor · TechSonar: Deepfake detection](https://www.edps.europa.eu/system/files/2023-12/23-12-04_techsonar_23-24_en.pdf) ## Temperatura ES: Temperatura · CA: Temperatura · EN: Temperature Ajust que modifica la distribució utilitzada per triar sortides. Una temperatura més alta sol augmentar la variació, no la veracitat. **Amb un exemple s’entén millor** Per comparar estils pots variar l'ajust si l'eina l'ofereix; cap posició no elimina els errors. Segueix el fil: Mostreig top-p, Al·lucinació d'IA Per ampliar i contrastar: [Hugging Face · Generation configuration](https://huggingface.co/docs/transformers/en/main_classes/text_generation) ## Token ES: Token · CA: Token · EN: Token Unitat que processa un model. En text pot ser una paraula, una part de paraula o un signe. **Amb un exemple s’entén millor** No calculis el cost comptant només paraules: idiomes i tokenitzadors poden dividir el mateix text de manera diferent. Segueix el fil: Tokenització, Finestra de context Per ampliar i contrastar: [Google Cloud · Generative AI glossary](https://docs.cloud.google.com/docs/ai-ml/generative-ai/glossary) ## Tokenització ES: Tokenización · CA: Tokenització · EN: Tokenization Procés que divideix i converteix una entrada en unitats que el model pot processar. **Amb un exemple s’entén millor** Una paraula llarga es pot dividir en diversos fragments; el repartiment depèn del tokenitzador utilitzat. Segueix el fil: Token, Model de llenguatge gran (MLG) Per ampliar i contrastar: [Hugging Face · Tokenizers](https://huggingface.co/learn/llm-course/en/chapter2/4) ## Transformer ES: Transformer · CA: Transformer · EN: Transformer Arquitectura de xarxa neuronal basada en mecanismes d'atenció per relacionar elements d'una seqüència. **Amb un exemple s’entén millor** En processar una frase, pot relacionar paraules llunyanes sense limitar-se a mirar la paraula anterior. Segueix el fil: Atenció, Model de llenguatge gran (MLG) Per ampliar i contrastar: [Vaswani et al. · Attention Is All You Need](https://arxiv.org/abs/1706.03762) ## Visió artificial ES: Visión artificial · CA: Visió artificial · EN: Computer vision Tècniques que extreuen i interpreten informació d'imatges o vídeos, com objectes, posicions o moviments. **Amb un exemple s’entén millor** Un sistema compta cadires en una sala; es pot equivocar si es tapen entre elles. Segueix el fil: Reconeixement òptic de caràcters (OCR), Model multimodal Per ampliar i contrastar: [IBM · Computer vision](https://www.ibm.com/think/topics/computer-vision) ## Xarxa neuronal ES: Red neuronal · CA: Xarxa neuronal · EN: Neural network Model compost per unitats connectades que transformen informació mitjançant operacions matemàtiques i paràmetres apresos. **Amb un exemple s’entén millor** Una xarxa distingeix fotos de tasses i plats ajustant les connexions durant l'entrenament. Segueix el fil: Neurona artificial, Aprenentatge profund Per ampliar i contrastar: [IBM · Deep learning](https://www.ibm.com/think/topics/deep-learning)