Kit de lectura tecnológica de GTL Edición 1.0 · Global Tech Live https://globaltechlive.com/reading-kit Da contexto a las afirmaciones tecnológicas. Un glosario breve, una lista de verificación y plantillas prácticas para tu próxima idea periodística. Lectura y descarga gratuitas. Sin cuenta, pago ni invitaciones obligatorias. Recurso educativo, no una titulación, credencial de prensa ni sustituto del asesoramiento especializado. Los términos varían según el contexto: consulta el original. Un glosario para leer con criterio 1. Training / Entrenamiento Aprender parámetros a partir de ejemplos. Un buen resultado de entrenamiento no demuestra el mismo rendimiento con material nuevo. Para profundizar: https://developers.google.com/machine-learning/glossary 2. Inference / Inferencia Usar un modelo entrenado para producir una salida. En noticias de IA, no significa que la respuesta esté demostrada o verificada. Para profundizar: https://developers.google.com/machine-learning/glossary 3. Fine-tuning / Ajuste fino Entrenamiento adicional de un modelo para una tarea o estilo. Modifica parámetros; no equivale a cambiar únicamente la instrucción. Para profundizar: https://developers.google.com/machine-learning/crash-course/llm/tuning 4. Distillation / Destilación Entrenar un modelo alumno con señales de un modelo profesor. Un alumno más pequeño no conserva automáticamente todas sus capacidades. Para profundizar: https://developers.google.com/machine-learning/crash-course/llm/tuning 5. Token Unidad de texto procesada por un modelo: palabra, fragmento o carácter. El número de tokens no equivale al de palabras. Para profundizar: https://developers.google.com/machine-learning/crash-course/llm 6. Context window / Ventana de contexto Capacidad de tokens disponible en una interacción. Un límite mayor no garantiza recordar con fiabilidad cada detalle proporcionado. Para profundizar: https://ai.google.dev/gemini-api/docs/long-context 7. Retrieval-augmented generation (RAG) / Generación aumentada por recuperación Recuperar material externo para ayudar a responder. Comprueba que las fuentes respalden la respuesta: recuperar información no equivale a verificarla. Para profundizar: https://cloud.google.com/use-cases/retrieval-augmented-generation 8. Hallucination / Alucinación Salida convincente de un modelo que es incorrecta o carece de respaldo. Fluidez, seguridad y enlaces con aspecto de cita no prueban veracidad. Para profundizar: https://cloud.google.com/discover/what-are-ai-hallucinations 9. Open weights / Pesos abiertos Pesos de un modelo disponibles para su uso. Revisa licencia y restricciones: disponer de los pesos no convierte por sí solo todo el sistema en código abierto. Para profundizar: https://opensource.org/ai/open-source-ai-definition 10. AI agent / Agente de IA Software que puede planificar o actuar para alcanzar un objetivo, a veces con herramientas. Pregunta por accesos, autorizaciones y gestión de fallos. Para profundizar: https://cloud.google.com/discover/what-are-ai-agents 11. Benchmark / Prueba de referencia Tarea y procedimiento de medición definidos para comparar. Revisa carga, calidad exigida y condiciones antes de declarar superioridad general. Para profundizar: https://mlcommons.org/benchmarks/inference-datacenter/ 12. Latency / Latencia Tiempo de una solicitud u operación definida. Aclara inicio y fin de la medición y si incluye espera y red. Para profundizar: https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/user_guide/metrics.html 13. Throughput / Rendimiento por unidad de tiempo Trabajo completado por unidad de tiempo. Importan la unidad y la concurrencia; un valor alto no garantiza esperas breves para cada usuario. Para profundizar: https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/user_guide/metrics.html 14. Vulnerability / Vulnerabilidad Debilidad que puede explotarse o activarse y causar daño. Distingue el fallo comunicado, la explotación demostrada y el abuso real confirmado. Para profundizar: https://csrc.nist.gov/glossary/term/vulnerability 15. Encryption / Cifrado Transformar datos legibles en texto cifrado mediante criptografía. Pregunta qué datos se protegen, quién controla las claves y dónde se descifran. Para profundizar: https://csrc.nist.gov/glossary/term/encryption 16. Preprint / Prepublicación Manuscrito difundido antes de la publicación formal, a menudo sin revisión por pares. La moderación del repositorio no sustituye esa revisión científica. Para profundizar: https://info.arxiv.org/help/moderation/index.html Antes de compartir: verifica la afirmación 1. Busca el documento original: anuncio, artículo científico o expediente, no solo capturas o republicaciones. Guarda URL y sección relevante. 2. Identifica quién afirma algo. Separa declaraciones empresariales de hallazgos independientes y anota financiación, patrocinios e intereses. 3. Distingue fechas: suceso, publicación y actualización del documento. Conserva la zona horaria indicada. 4. Contextualiza cifras: unidades, periodo, muestra, referencia y región. No presentes estimaciones, objetivos o precios iniciales como resultados confirmados. 5. Examina el método: versión, carga, hardware y límites de la prueba. Un gráfico sin condiciones comparables no basta. 6. Contrasta de forma independiente. Dos medios repitiendo un comunicado no son dos confirmaciones. Explica discrepancias en vez de escoger la cifra conveniente. 7. Comprueba citas y derechos. Lee el contexto y conserva sentido y atribución. El acceso público a una imagen o grabación no concede por sí solo permiso de reutilización. 8. Señala lo desconocido. Separa hechos verificados, análisis y preguntas abiertas. Conserva correcciones y no uses una respuesta de IA como única fuente. Prepara una propuesta o entrevista Una propuesta periodística útil Completa lo que sabes y señala lo pendiente. Es una plantilla de preparación, no un formulario de envío. 1. Título provisional y enfoque en una frase: [ ] 2. Qué cambió, cuándo, dónde y por qué ahora: [ ] 3. A quién afecta y qué necesita comprender el lector: [ ] 4. Fuentes originales y hechos contrastados: [URL + notas] 5. Preguntas abiertas, personas a entrevistar y experiencia relevante: [ ] 6. Mi participación real: entrevista / asistencia / prueba / investigación documental: [ ] 7. Ayuda de IA, relaciones o conflictos y permisos de materiales: [ ] 8. Formato, fecha propuesta y condiciones que acordar antes de trabajar: [ ] Una entrevista centrada en pruebas Acuerda grabación, atribución y publicación antes de empezar. Haz preguntas abiertas; no inventes respuestas ni consentimiento. 1. ¿Qué cambió exactamente y cuál era la situación anterior? 2. ¿Qué documentos originales o pruebas reproducibles respaldan esa afirmación? 3. ¿Cómo se midió: versión, muestra, comparación y limitaciones? 4. ¿Quién se beneficia, quién asume costes y quién puede evaluarlo independientemente? 5. ¿Qué falló o sigue siendo incierto y qué cambiaría tu conclusión? 6. ¿Qué relaciones comerciales, de financiación o personales deben revelarse? 7. ¿Cuáles son el nombre, cargo y fecha correctos y cómo aclaramos dudas factuales? Referencias originales GTL redactó estas explicaciones y plantillas. Las referencias primarias amplían la información; no avalan a GTL ni certifican este recurso. Google — Machine Learning Glossary https://developers.google.com/machine-learning/glossary Google — Introduction to Large Language Models https://developers.google.com/machine-learning/crash-course/llm Google AI — Long context https://ai.google.dev/gemini-api/docs/long-context Google — Fine-tuning, distillation, and prompt engineering https://developers.google.com/machine-learning/crash-course/llm/tuning Google Cloud — Retrieval-Augmented Generation https://cloud.google.com/use-cases/retrieval-augmented-generation Google Cloud — AI hallucinations https://cloud.google.com/discover/what-are-ai-hallucinations Open Source Initiative — Open Source AI Definition https://opensource.org/ai/open-source-ai-definition Google Cloud — AI agents https://cloud.google.com/discover/what-are-ai-agents MLCommons — MLPerf Inference: Datacenter https://mlcommons.org/benchmarks/inference-datacenter/ NVIDIA — Triton Inference Server metrics https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/user_guide/metrics.html NIST — Vulnerability glossary https://csrc.nist.gov/glossary/term/vulnerability NIST — Encryption glossary https://csrc.nist.gov/glossary/term/encryption arXiv — Content moderation https://info.arxiv.org/help/moderation/index.html Elige un reportaje para leer, escuchar o compartir: https://globaltechlive.com/#feed Consulta una propuesta con la redacción: https://globaltechlive.com/join La opción actual de unirse a GTL prepara un correo de consulta. No crea una solicitud en línea, garantiza publicación ni expide credenciales.