Si trabajas o estudias inteligencia artificial, dominar las abreviaciones más comunes te ayudará a leer papers, entender tutoriales y conversar con otros profesionales sin perderte. Aquí aprenderás qué significan AI, ML, DL, NLP, ANN, CNN y RNN, cómo se pronuncian y cómo se relacionan entre sí, todo con ejemplos prácticos en inglés.

¿Qué diferencia hay entre acronyms e initialisms en inglés?

En inglés, las abreviaciones se dividen en dos grupos según cómo se pronuncian, y esa distinción importa cuando hablas de tecnología.

Los acronyms se pronuncian como una sola palabra. Piensa en NASA, FOMO (fear of missing out) o GIF, que incluso admite dos pronunciaciones. Los initialisms, en cambio, se pronuncian letra por letra, como CIA, DVD o IT [00:25].

¿AI es un acronym o un initialism? Es un initialism. Se pronuncia letra por letra, A I, no como una sola palabra.

¿Qué significa AI y cómo se usa en contexto?

AI significa artificial intelligence y es el initialism más común del campo [01:00]. Lo interesante es que tiene dos usos distintos según el contexto.

• Como campo profesional, cuando dices I work in AI.
• Como entidad, cuando te refieres a un sistema concreto. Por ejemplo, Siri is an AI that lives in your iPhone.

Esa doble función es útil al redactar tu perfil de LinkedIn o al describir un producto.

¿Cómo se relacionan ML, DL y AI entre sí?

Aquí viene lo interesante: estas tres abreviaciones forman una jerarquía clara, donde una contiene a la otra.

¿Qué es ML y para qué sirve?

ML significa machine learning y es un subcampo enorme dentro de AI [01:30]. Se refiere a construir modelos a partir de sample data, también llamada training data, para hacer predicciones. Cada vez que un sistema aprende patrones a partir de ejemplos, estás frente a machine learning.

¿Qué es DL y por qué se usa con clasificadores?

DL significa deep learning [01:45]. Es un tipo de ML que usa classifiers, modelos capaces de clasificar conceptos como imágenes, texto o sonido. Si una app reconoce tu cara o transcribe tu voz, lo más probable es que esté usando deep learning.

¿DL es lo mismo que ML? No. DL es un subset de ML, y ML a su vez es un subset de AI. Ser subset significa ser una parte más pequeña dentro de un campo mayor.

Esta relación de subconjuntos es clave para no confundir términos en entrevistas técnicas o al leer documentación.

¿Qué son las neural networks y cómo se pronuncian?

En ML y DL constantemente vas a escuchar hablar de neural networks, también llamadas ANNs o artificial neural networks [02:15].

Un detalle de pronunciación que vale la pena cuidar: se dice neural, no neural. La acentuación correcta marca la diferencia entre sonar fluido o sonar dudoso al hablar de tu trabajo.

Dentro de las ANN encontrarás dos tipos muy mencionados:

• CNN, convolutional neural networks. La palabra convolutional hace referencia a la enorme complejidad de este tipo de redes, muy usadas en visión por computadora.
• RNN, recurrent neural networks. Cuida la pronunciación: es recurrent, no recurrent ni recurrent. Estas redes son comunes cuando trabajas con secuencias, como texto o series de tiempo.

¿Qué es NLP y por qué importa en lingüística computacional?

NLP significa natural language processing [02:50]. Atención con la pronunciación: es processing, no processing.

NLP describe el esfuerzo de hacer que las computadoras entiendan el lenguaje humano, el natural language. Cada vez que un asistente virtual interpreta tu pregunta o un buscador entiende tu intención, hay NLP detrás.

¿Cuál es la diferencia entre AI y NLP? AI es el campo general de la inteligencia artificial. NLP es una rama específica enfocada en que las máquinas procesen y comprendan lenguaje humano.

Dominar estas siglas, AI, ML, DL, ANN, CNN, RNN y NLP, te da una base sólida para moverte con seguridad en cualquier conversación técnica. ¿Qué otras abreviaciones del mundo de la inteligencia artificial usas tú en tu día a día? Cuéntalo en los comentarios.