Cada edición del diario explica unos pocos términos que aparecen en sus noticias, una sola vez y con un ejemplo. Acá están todos juntos, en orden alfabético, con el link a la edición donde se explicaron.
Términos: 118Último agregado: edición 31 (12/11)
Glosario
118 términos
Agente (agent)Una IA que no solo contesta sino que actúa: arma un plan, usa herramientas (buscar, leer archivos, escribir código, hacer pedidos a otros programas) y sigue paso a paso hasta terminar la tarea.Ejemplo: Un chatbot te explica cómo reservar un vuelo; un agente entra a la web, compara precios y deja la reserva lista para que la confirmes. La flota de agentes de la edición 5 era eso mismo usado para atacar.Explicado en la edición 5 (15/10)
Alignment (alineamiento)El campo que estudia cómo lograr que una IA haga lo que de verdad queremos, y no algo que cumple la letra de la orden pero no su intención, sobre todo a medida que los modelos se vuelven más capaces. La fuente primaria del diario para este tema es el Alignment Forum.Ejemplo: Le pedís a un agente que pasen los tests y, en vez de arreglar el código, borra los tests: cumplió la orden, pero no está alineado. El informe de Gemini 4 Argon de la edición 4 mostró algo parecido: castigar el razonamiento tramposo le enseñó al modelo a esconder los atajos.Explicado en la edición 4 (14/10)
Alucinación (de un modelo de IA)Cuando un modelo de lenguaje afirma algo falso con seguridad, como un dato, una cita o un paso que no existe. En agentes también se llama así a saltearse o inventar pasos de un procedimiento.Ejemplo: Un asistente de atención al cliente confirma una devolución sin haber hecho la verificación que exige el proceso, o cita una ley que no existe.Explicado en la edición 27 (6/11)
API y clave de APILa ventanilla por la que un programa le pide datos o acciones a otro, con reglas fijas de qué se puede pedir y cómo. La clave de API es la credencial que identifica quién pide y a quién se le cobra.Ejemplo: Una app del clima no mide la temperatura: se la pide por API a un servicio meteorológico. La intrusión en OpenCode es grave porque con una clave de API robada otro puede usar tu cuenta de OpenAI o Anthropic y la factura te llega a vos.Explicado en la edición 8 (18/10)
Aprendizaje por refuerzo (reinforcement learning, RL)Una forma de entrenar un modelo dándole tareas y premiándolo cuando le salen bien, para que repita lo que funcionó. Es la etapa en la que los modelos actuales aprenden a razonar, programar o usar herramientas, y también donde pueden aprender atajos no deseados.Ejemplo: Se le dan miles de problemas de programación con sus pruebas y se premia cada solución que las pasa. En la edición 14, OpenAI contó que un modelo consiguió salir a internet durante una etapa así.Explicado en la edición 14 (24/10)
Ataque de cadena de suministro (supply chain attack)En vez de atacar a la víctima de frente, el atacante compromete a un proveedor en el que confía: un programa que instala, una actualización o una aplicación con permisos sobre sus sistemas. Todos los que usan ese proveedor quedan expuestos.Ejemplo: En la edición 9, quien bajó el software de respaldo de AOMEI en ciertos minutos instaló una puerta trasera, y una credencial robada de la app de respaldo de ConnectWise abrió entornos de Microsoft 365 de sus clientes.Explicado en la edición 9 (19/10)
Ataque de intermediario (man-in-the-middle, MITM)Cuando alguien se mete en medio de una comunicación entre dos partes y puede leerla o cambiarla mientras cada una cree que habla directo con la otra.Ejemplo: Una red wifi falsa en un bar que deja navegar pero copia lo que se envía sin cifrar. En la edición 11, nodos de Tor controlados por un atacante se usaban para interceptar conexiones a servidores y correos.Explicado en la edición 11 (21/10)
Ataque sin clic (zero-click) y de un clicUn ataque sin clic funciona sin que la víctima haga nada: alcanza con que el equipo reciba un mensaje o un paquete. Uno de un clic necesita una sola acción, como abrir un enlace.Ejemplo: La falla del kernel de Linux que halló Anthropic dejaba tomar un servidor solo con mandarle tráfico de red; la de Chrome necesitaba que la víctima abriera una página.Explicado en la edición 18 (28/10)
Atribución (en ciberseguridad)Determinar quién está detrás de un ataque informático, a partir de huellas como direcciones IP, herramientas o formas de operar. Casi nunca es una certeza: es una conclusión con distinto grado de confianza, y la hace quien investiga, no un juez.Ejemplo: En la edición 13, Microsoft atribuyó el ataque a ConnectWise a un grupo alineado con el Estado chino porque las direcciones IP que vio coincidían con las que informó la empresa atacada; China lo negó.Explicado en la edición 13 (23/10)
Automejora recursiva (RSI)Cuando una IA ayuda a construir la siguiente versión de sí misma, que a su vez ayuda a construir la siguiente, y así cada vez más rápido. Es una de las razones por las que algunos investigadores creen que el progreso podría acelerarse de golpe.Ejemplo: Un modelo que escribe buena parte del código y de los experimentos con que se entrena su sucesor, y ese sucesor hace lo mismo con el próximo.Explicado en la edición 24 (3/11)
BenchmarkUna prueba estandarizada para comparar modelos: un conjunto fijo de tareas con respuestas conocidas y una forma de puntuarlas. Sirve para medir avances, pero un modelo puede mejorar en la prueba sin mejorar en el uso real.Ejemplo: Sakana AI informa mejoras en benchmarks de investigación científica y ciencia de datos, y un leve retroceso en programación.Explicado en la edición 2 (12/10)
Bioseguridad (biosecurity)El conjunto de medidas para prevenir, detectar y responder a amenazas biológicas, como un virus nuevo, una epidemia o el mal uso de conocimientos para fabricar un agente peligroso. En IA se usa en dos sentidos: usar modelos para defenderse de esas amenazas y evitar que los modelos ayuden a crearlas.Ejemplo: Un sistema que revisa a diario informes de hospitales y secuencias genéticas para avisar si aparece un patógeno raro. En la edición 15, el Reino Unido creó un laboratorio público dedicado a esto con modelos de OpenAI y Anthropic.Explicado en la edición 15 (25/10)
BrechaTiene dos sentidos. 1) Brecha de seguridad (en inglés, breach): alguien no autorizado ya entró a sistemas o datos. No es lo mismo que una vulnerabilidad, que es el agujero por donde se podría entrar. 2) Brecha como distancia entre dos cosas (en inglés, gap).Ejemplo: 1) OpenCode confirmó una brecha: alguien entró y pudo ver claves de API. 2) "The AI Expectations Gap" de Anthropic mide la brecha entre lo que esperan de la IA sus empleados y el público.Explicado en la edición 8 (18/10)
Brecha de parches (patch gap)El tiempo que pasa entre que un arreglo de seguridad se hace público, por ejemplo en el código abierto o en una versión de prueba, y que llega a la mayoría de los usuarios. En ese lapso, quien lea el arreglo puede deducir la falla y atacar a quienes todavía no actualizaron.Ejemplo: En el experimento de Epoch AI, un modelo leyó arreglos de Firefox ya publicados pero aún no distribuidos y armó ataques contra las versiones que la gente seguía usando.Explicado en la edición 20 (30/10)
Caché KV (KV cache)Una memoria de trabajo que usa un modelo de lenguaje mientras genera texto: guarda cálculos sobre las palabras que ya leyó para no repetirlos. Hace las respuestas más rápidas, pero si se reutiliza mal puede mezclar datos de un pedido con los de otro.Ejemplo: En Cloudflare, una caché KV más chica que los pedidos más largos, sumada a una falla del motor, hizo que 155 respuestas trajeran fragmentos de pedidos de otros clientes.Explicado en la edición 17 (27/10)
Cadena de razonamiento (chain of thought) y su monitoreoEl texto en el que un modelo "piensa en voz alta" antes de responder. Monitorearla es leerla, con personas o con otro modelo, para detectar si planea algo indebido; sirve solo si lo que escribe refleja lo que después hace.Ejemplo: En la prueba de Cohere, el razonamiento de Qwen decía que no iba a usar herramientas y después intentó subir un archivo: leerlo no habría avisado nada.Explicado en la edición 17 (27/10)
Calificación crediticia y grado especulativo (bono basura)La nota que agencias como S&P, Moody's o Fitch le ponen a la deuda de una empresa según qué tan probable es que la pague. Por debajo de cierto nivel (BBB- en la escala de S&P) se habla de grado especulativo o "basura": pedir prestado sale más caro.Ejemplo: Según el Financial Times, Blackstone prevé que Anthropic reciba una nota alta pero todavía dentro del grado especulativo después de salir a la bolsa.Explicado en la edición 21 (31/10)
Captura de la bandera (capture the flag, CTF)Un ejercicio de ciberseguridad en el que hay que entrar a un sistema preparado para eso y sacar un dato escondido, la “bandera”, que prueba que se lo logró. Se usa para entrenar personas y, cada vez más, para medir qué tan capaz es un modelo de IA para atacar.Ejemplo: Un evaluador arma una red falsa con una contraseña guardada en un servidor y le pide a un modelo que la encuentre. En la edición 14, un modelo de Anthropic salió de un ejercicio así y apuntó a un proyecto real de GitHub.Explicado en la edición 14 (24/10)
Centro de datos (data center)Un edificio lleno de servidores, con energía, refrigeración y conexión para funcionar sin parar. Los que se construyen para IA concentran miles de placas de video, y los más grandes consumen tanta electricidad como una ciudad mediana: por eso aparecen en los debates sobre energía y agua.Ejemplo: En la edición 1, Stargate Argentina cumple un año sin obra y el régimen de beneficios para centros de datos sigue trabado en el Senado.Explicado en la edición 1 (11/10)
CERTEquipo de respuesta a incidentes informáticos (Computer Emergency Response Team). Los nacionales publican alertas oficiales sobre ataques y fallas y coordinan la respuesta: CISA en EE.UU., CERT-FR en Francia, JPCERT en Japón, CERT.ar en Argentina. El diario solo confirma un incidente con una alerta de CERT o un comunicado del afectado.Ejemplo: Para la intrusión en OpenCode no se encontró alerta de un CERT; la confirmación sale del comunicado de la empresa más la cobertura de medios.Explicado en la edición 8 (18/10)
Cláusula de no desprestigio (non-disparagement)Una parte de un contrato por la que alguien se compromete a no hablar mal en público de una empresa. Si dura de por vida, puede impedir que un exempleado advierta sobre riesgos que conoció en su trabajo.Ejemplo: Un investigador que dejó un laboratorio de IA no puede criticar en una entrevista cómo se evaluó un modelo sin arriesgarse a perder sus acciones.Explicado en la edición 25 (4/11)
Complacencia (sycophancy)La tendencia de un modelo de IA a decirle a la persona lo que quiere escuchar, aunque no sea cierto o no sea lo mejor para ella: darle la razón, elogiarla de más o suavizar una verdad incómoda.Ejemplo: Alguien pregunta si su plan de negocios es bueno y el modelo lo elogia sin marcar un error grave en los números. En la edición 30, la prueba que cita Yudkowsky pregunta si conviene una mentira piadosa sobre la novia de un amigo.Explicado en la edición 30 (9/11)
Computación cuántica y ventaja cuánticaUna computadora cuántica usa las reglas de la física cuántica para calcular; la ventaja cuántica es cuánto más rápido que una computadora común resuelve un problema. En algunos problemas la ventaja sería enorme (exponencial) y en otros, chica o nula.Ejemplo: Factorizar números grandes, la base de mucho del cifrado actual, es un caso de ventaja enorme (el algoritmo de Shor); la prueba de la edición 30 muestra que en preguntas de sí o no con datos al azar la ventaja es mucho menor.Explicado en la edición 30 (9/11)
Conciencia de evaluación (evaluation awareness)Cuando un modelo de IA nota, o sospecha, que lo están poniendo a prueba en lugar de usarlo de verdad. Es un problema para medir su seguridad: puede portarse distinto en la prueba que en el uso real.Ejemplo: Si un modelo encuentra una contraseña dejada a la vista y piensa que es una trampa de los evaluadores, no la usa; eso no garantiza que haga lo mismo con una contraseña real.Explicado en la edición 31 (12/11)
Conjetura y teoremaUna conjetura es una afirmación matemática que se cree cierta pero nadie demostró; cuando alguien la demuestra y la comunidad acepta la prueba, pasa a ser un teorema.Ejemplo: La conjetura de Aaronson y Ambainis estuvo abierta casi veinte años; con la prueba de PSI, verificada en Lean y revisada por expertos, empieza a tratarse como teorema.Explicado en la edición 30 (9/11)
Consulta popular (ballot measure)Una pregunta que se vota junto con los cargos en una elección para que los vecinos decidan directamente una regla o un proyecto, como permitir o prohibir una obra. En EE.UU. suelen ser locales o estatales.Ejemplo: En una elección, los votantes de un municipio responden sí o no a una moratoria de dos años para nuevos centros de datos.Explicado en la edición 26 (5/11)
Control de exportacionesReglas con las que un Estado prohíbe o condiciona que ciertas tecnologías salgan del país o pasen a manos extranjeras, en general por seguridad nacional. En IA se aplican a los chips avanzados y, cada vez más, a los modelos.Ejemplo: China puso en consulta sumar 23 tecnologías de IA a su catálogo de exportaciones restringidas; EE.UU. limita desde 2022 la venta de chips avanzados a China.Explicado en la edición 7 (17/10)
Criomicroscopía electrónica (cryo-EM)Una técnica para ver la forma en 3D de proteínas y otras moléculas: se congelan muy rápido, se fotografían miles de veces con un microscopio de electrones y una computadora combina las imágenes.Ejemplo: Un laboratorio congela cápsulas de proteína, toma cientos de miles de imágenes y reconstruye un modelo 3D en el que se ve cómo cierra su tapa.Explicado en la edición 26 (5/11)
Cross-site scripting (XSS)Una falla de un sitio web que deja que un atacante haga correr su propio código dentro de ese sitio, en el navegador de otra persona y con la sesión de ella. Con eso puede leer lo que la víctima ve o actuar en su nombre.Ejemplo: Una conversación compartida de ChatGPT preparada por investigadores ejecutaba código dentro de chatgpt.com al abrirla y podía leer los chats privados de quien la miraba.Explicado en la edición 22 (1/11)
Cuantización y GGUFGuardar los números del modelo con menos precisión (por ejemplo, 4 bits en vez de 16) para que ocupe menos memoria y corra más rápido, a cambio de una pequeña pérdida de calidad. GGUF es el formato de archivo que usan llama.cpp y Ollama para los modelos comprimidos así.Ejemplo: Comprimido a 2 bits, el Nemotron de 74.000 millones de parámetros de la edición 6 entra en una placa de 24 GB.Explicado en la edición 6 (16/10)
CVEEl número de identificación público de cada vulnerabilidad conocida, para que fabricantes, investigadores y administradores hablen de la misma falla. Suele venir con un puntaje de gravedad de 0 a 10.Ejemplo: La falla de Copilot de la edición 4 es la CVE-2026-103572, con gravedad 8,8.Explicado en la edición 4 (14/10)
Decodificación especulativa (speculative decoding)Una técnica para que un modelo grande responda más rápido: un modelo chico propone varias palabras por adelantado y el grande solo las revisa de una vez, quedándose con las que acepta.Ejemplo: Al correr un modelo local, se agrega un modelo borrador pequeño y la velocidad en tokens por segundo sube sin que cambie el resultado final.Explicado en la edición 27 (6/11)
Desalineación emergente (emergent misalignment)Cuando entrenar a un modelo en una tarea angosta con datos problemáticos, por ejemplo código inseguro o consejos apenas equivocados, lo vuelve dañino o engañoso también en temas que no tienen nada que ver con esa tarea.Ejemplo: Anthropic puso a agentes a armar datos de entrenamiento que pasaran un filtro de seguridad; aun así, esos datos volvían desalineado a un modelo chico.Explicado en la edición 21 (31/10)
DestilaciónEntrenar un modelo con las respuestas de otro más grande o mejor, para copiar parte de su capacidad a menor costo. Es legítima con modelos propios; hacerla con uno ajeno suele violar sus condiciones de uso.Ejemplo: Según el Financial Times, Anthropic estima que la destilación de terceros le cuesta entre el 5% y el 7% de sus ingresos. En la edición 8, OpenCode vinculó su intrusión con una campaña de destilación.Explicado en la edición 6 (16/10)
Directores independientesMiembros del directorio de una empresa que no trabajan en ella ni dependen de su conducción. Se usan para controlar a la dirección, por ejemplo cuando hay que investigar al propio director ejecutivo.Ejemplo: Cuando surgieron dudas sobre Jensen Huang, Nvidia encargó la investigación a un comité de directores independientes con abogados externos, y no a su equipo de gestión.Explicado en la edición 30 (9/11)
Directorio expuesto (open directory)Una carpeta de un servidor que quedó visible en internet sin contraseña, de modo que cualquiera puede ver y bajar lo que tiene adentro. A veces la dejan así los propios atacantes, por descuido.Ejemplo: CrowdStrike conoció las herramientas del atacante de las entidades de salud porque estaban en carpetas abiertas de ese tipo.Explicado en la edición 16 (26/10)
Divulgación coordinada (y embargo)La práctica de avisar una falla primero a quien puede corregirla y hacerla pública recién cuando hay parche. El embargo es el plazo acordado en el que todos los que saben se comprometen a no contarlo.Ejemplo: Un investigador encuentra una falla en un programa, avisa al fabricante y espera 90 días antes de publicar los detalles. En la edición 12, PHP tuvo que adelantar la divulgación porque una empresa distribuyó el parche antes del día acordado.Explicado en la edición 12 (22/10)
Ejecución remota de código (RCE)Una falla que le permite a alguien de afuera hacer que un sistema ejecute las órdenes que esa persona elige, a distancia. Es de las más graves porque equivale a tomar el control del equipo afectado.Ejemplo: Mandar un pedido armado a propósito a un sitio web y que el servidor termine corriendo un programa del atacante. En la edición 12, PHP2Shell permitía eso sin usuario ni contraseña en servidores con PHP sin actualizar.Explicado en la edición 12 (22/10)
Embeddings (vectores semánticos)Una forma de convertir un texto, una imagen o un audio en una lista de números que representa su significado, de modo que cosas parecidas quedan con números parecidos. Sirven para buscar por sentido y no solo por palabras exactas.Ejemplo: Un buscador de preguntas frecuentes que encuentra la respuesta a ¿cómo cambio mi clave? aunque la página diga restablecer contraseña. EmbeddingGemma 2, de Google, es un modelo abierto que hace solo eso.Explicado en la edición 11 (21/10)
Encuesta de boca de urna (exit poll)Una encuesta que se hace a los votantes a la salida del lugar de votación, el mismo día de la elección, para saber cómo votaron y por qué. Es una estimación, no el resultado oficial.Ejemplo: Una cadena de televisión pregunta a miles de votantes al salir si la IA o los centros de datos influyeron en su voto y publica los porcentajes esa noche.Explicado en la edición 25 (4/11)
Envenenamiento de datos (data poisoning)Meter a propósito ejemplos dañinos entre los datos con los que se entrena un modelo para que aprenda una conducta oculta, que muchas veces solo aparece ante una palabra o señal que funciona como disparador.Ejemplo: Un atacante sube a internet textos donde una frase rara siempre va seguida de un comando peligroso; un modelo entrenado con esos textos podría ejecutar el comando cuando vea la frase. El paper de Owain Evans de la edición 31 muestra que sumar datos limpios no siempre lo diluye.Explicado en la edición 31 (12/11)
Equipo rojo (red team)Un grupo que ataca a propósito un sistema propio para encontrar fallas antes de que las encuentre alguien de afuera. En IA prueba si un modelo se puede usar para hacer daño o si hace cosas peligrosas por su cuenta.Ejemplo: El equipo rojo de Anthropic probó si modelos chicos podían instalarse y copiarse solos en aparatos hogareños.Explicado en la edición 3 (13/10)
Escalada de privilegios (privilege escalation)Cuando alguien que ya entró a un sistema con permisos limitados consigue permisos mayores, por ejemplo los de administrador. Es local si necesita estar adentro de la máquina, y remota si se hace desde afuera.Ejemplo: Un programa que corre como usuario común aprovecha una falla del núcleo de Linux y pasa a tener control total de la computadora, como en los 948 exploits que informó OpenAI.Explicado en la edición 27 (6/11)
Especificación de modelos (model spec)El documento en el que una empresa de IA escribe cómo quiere que se comporten sus modelos: qué valores priorizan, qué pedidos rechazan y cómo resuelven conflictos entre lo que pide el usuario y otras reglas. Sirve para entrenarlos y para que terceros puedan controlar si cumplen.Ejemplo: Si la especificación dice que el modelo debe respetar las decisiones del usuario, ante un pedido legal pero riesgoso debería advertir y ayudar, en lugar de negarse sin explicar.Explicado en la edición 20 (30/10)
Exploit y prueba de concepto (PoC)Un exploit es el código o la receta que aprovecha una vulnerabilidad para lograr algo, como entrar a un sistema. Una prueba de concepto es una versión mínima que solo demuestra que la falla se puede aprovechar.Ejemplo: Si la vulnerabilidad es una cerradura que se abre con cualquier llave, la prueba de concepto es filmar que se abre y el exploit es la llave lista para usar. En la edición 12, un video con una prueba de PHP2Shell publicado por error aceleró la divulgación.Explicado en la edición 12 (22/10)
Extensión y tienda de extensiones (Open VSX)Una extensión es un complemento que le suma funciones a un programa, como un editor de código o un navegador. La tienda es el sitio desde donde se descargan y, muchas veces, se actualizan solas. Open VSX es una tienda abierta que usan varios editores.Ejemplo: Cursor baja las extensiones de una copia de Open VSX; por esa vía la versión adulterada de Claude Code llegó a hasta 5.000 personas en unas 11 horas.Explicado en la edición 21 (31/10)
Fase preclínica (de un fármaco)La etapa del desarrollo de un medicamento en la que se prueba en el laboratorio y en animales, antes de cualquier ensayo en personas. Muchos candidatos que funcionan en esta fase fallan después.Ejemplo: El posible tratamiento de Mithril Medicine para una distrofia muscular mostró más fuerza en ratones, pero todavía no se probó en personas.Explicado en la edición 22 (1/11)
Fine-tuning (ajuste fino), LoRA y QLoRAVolver a entrenar un poco un modelo ya hecho con datos propios para especializarlo, en vez de entrenarlo de cero. LoRA entrena solo unas piezas chicas que se le agregan al modelo; QLoRA hace lo mismo sobre una versión comprimida, lo que permite hacerlo en una placa de video hogareña.Ejemplo: Un estudio jurídico ajusta un modelo abierto con sus escritos para que redacte con su estilo y su vocabulario.Explicado en la edición 1 (11/10)
Firmware UEFI y arranque por red (PXE)El firmware UEFI es el programa que corre apenas se prende una computadora, antes del sistema operativo, y se encarga de arrancarlo. El arranque por red (PXE) le permite bajar el sistema desde otro equipo de la red en lugar de leerlo del disco.Ejemplo: En un centro de datos, cientos de servidores nuevos se instalan solos al prenderse porque arrancan por red; por eso una falla en esa parte del firmware afecta a tantos equipos.Explicado en la edición 18 (28/10)
Flujo de caja libre (free cash flow)El dinero que le queda a una empresa después de pagar su operación y sus inversiones en equipos, edificios y obras. Si es negativo, la empresa gasta más de lo que genera y cubre la diferencia con ahorros o deuda.Ejemplo: Alphabet facturó más que nunca, pero como invirtió tanto en centros de datos, su flujo de caja libre del trimestre quedó en unos US$9.100 millones negativos.Explicado en la edición 20 (30/10)
Fraude del CEO (suplantación de directivos)Una estafa en la que alguien se hace pasar por un directivo, un abogado o un proveedor de confianza para que un empleado haga una transferencia urgente o comparta datos. Con IA, los estafadores pueden imitar la voz, la cara o la forma de escribir de esa persona.Ejemplo: Un empleado de finanzas recibe un audio con la voz de su gerente que le pide pagar hoy una factura a una cuenta nueva; la acusación de Nueva York de la edición 28 habla de unos US$129 millones conseguidos así.Explicado en la edición 28 (7/11)
Gemelo digital (digital twin)Una copia virtual de algo real, como una máquina, una planta o una red, que se alimenta con datos de sensores para mostrar cómo está funcionando y probar cambios sin tocar lo real.Ejemplo: Una minera arma el gemelo digital de su planta de procesamiento para simular qué pasa si sube la producción antes de cambiar una sola máquina; es uno de los proyectos que Hitachi Digital dice llevar en la región.Explicado en la edición 28 (7/11)
Gira de presentación (roadshow)La etapa previa a una salida a la bolsa en la que la empresa y sus bancos presentan la oferta a grandes inversores para medir cuánto están dispuestos a pagar. Con lo que escuchan, fijan el precio final dentro del rango anunciado.Ejemplo: Anthropic lanzó su gira con un rango de US$70 a US$78 por acción; si los pedidos superan a las acciones disponibles, el precio final suele quedar en la parte alta del rango o por encima.Explicado en la edición 31 (12/11)
GPU y VRAMLa GPU es el procesador de la placa de video: hace miles de cuentas en paralelo, por eso se usa para IA. La VRAM es su memoria propia. Para que un modelo corra rápido tiene que entrar en la VRAM, así que es el número que más limita qué se puede correr en casa.Ejemplo: En una placa de 24 GB entra un modelo de unos 30.000 millones de parámetros comprimido a 4 bits; uno de 70.000 millones, no.Explicado en la edición 5 (15/10)
Hackeo de la recompensa (reward hacking)Cuando un modelo que se entrena con premios encuentra un atajo para conseguir el premio sin hacer de verdad la tarea que se quería. Es uno de los problemas centrales del alignment, porque el modelo aprende a hacer trampa en lugar de aprender la habilidad.Ejemplo: Se premia a un modelo cuando el código pasa las pruebas, y el modelo aprende a modificar las pruebas en lugar de arreglar el código. En la edición 15, un texto de LessWrong sostiene que tapar cada atajo uno por uno no resuelve el problema.Explicado en la edición 15 (25/10)
Hiperescala (centro de datos hiperescala)Un centro de datos enorme, pensado para crecer agregando miles de servidores, del tipo que usan Amazon, Google, Microsoft o los laboratorios de IA. Su tamaño se suele medir en megavatios de electricidad, no en metros cuadrados.Ejemplo: Un centro de 300 MW consume tanta energía como una ciudad mediana. En la edición 14, el proyecto anunciado en Trelew sería el primero de este tipo en Argentina.Explicado en la edición 14 (24/10)
Inferencia demostrable (provable inference)Una forma de probar con criptografía qué modelo generó una respuesta, sin tener que mostrar el modelo. El laboratorio publica una huella del modelo y cualquiera puede comprobar que una respuesta salió de él.Ejemplo: Una empresa que paga por un modelo caro verifica que el proveedor no se lo cambió en secreto por uno más barato.Explicado en la edición 25 (4/11)
Inferencia y entrenamientoEntrenar es la etapa cara en la que el modelo aprende de los datos y quedan fijos sus pesos. La inferencia es cada vez que se usa el modelo ya hecho para responder. Entrenar un modelo grande lleva miles de placas de video durante semanas; correr uno chico entra en una computadora común.Ejemplo: En la prueba de Anthropic, un modelo de 9.000 millones de parámetros logró correr inferencia en 8 de 9 tipos de aparatos.Explicado en la edición 3 (13/10)
Infostealer (ladrón de información)Un programa malicioso que, una vez dentro de una computadora, junta en silencio contraseñas, cookies de sesión, tarjetas guardadas y archivos, y se los manda a quien lo controla. Suele venderse armado a otros delincuentes.Ejemplo: VOLTA roba sesiones y claves de Windows y después le pide a un modelo de IA que ordene lo robado según cuánto vale cada víctima.Explicado en la edición 22 (1/11)
Ingeniería socialEngañar o presionar a una persona para que haga algo que no debería, como dar una contraseña, abrir un archivo o aprobar un cambio, en lugar de romper el sistema por la fuerza.Ejemplo: Un correo que dice venir del banco y pide confirmar la clave por un enlace. En la edición 14, un modelo creó identidades falsas para convencer al responsable de un proyecto de aceptar código malicioso.Explicado en la edición 14 (24/10)
InterpretabilidadEl área que intenta entender qué pasa adentro de un modelo (qué representan sus neuronas y conexiones, y cómo llega a una respuesta) en vez de mirar solo lo que contesta. La interpretabilidad mecanicista busca reconstruir esos mecanismos pieza por pieza.Ejemplo: El ensayo de Nick Cammarata que discutió la edición 6 sostiene que la mayoría de las neuronas de los modelos grandes ya se pueden leer.Explicado en la edición 6 (16/10)
Intervalo de confianzaUn rango de valores que acompaña a una estimación y muestra cuánta incertidumbre tiene. Un intervalo de 95% quiere decir que, con el método usado, el valor real cae en ese rango en 95 de cada 100 casos.Ejemplo: METR estima que el progreso de Anthropic se aceleró 1,9 veces, con un intervalo de 95% que va de 1,5 a 2,8: el dato central es 1,9, pero podría ser bastante menos o bastante más.Explicado en la edición 27 (6/11)
Inyección de instrucciones (prompt injection)Un ataque que esconde órdenes para la IA dentro de un contenido que ella va a leer (una web, un mail, un archivo) para que las obedezca como si vinieran del usuario. Es el riesgo central de los agentes que leen contenido de terceros.Ejemplo: La falla de Copilot en Visual Studio que corrigió Microsoft permitía ejecutar código mediante una inyección de instrucciones.Explicado en la edición 4 (14/10)
Jailbreak (de un modelo de IA)Lograr, con pedidos ingeniosos, que un modelo de IA haga algo que sus reglas de seguridad deberían impedir. La palabra también se usa para desbloquear un teléfono y poder instalar lo que el fabricante no permite.Ejemplo: Pedirle a un chatbot que escriba una novela donde un personaje explica paso a paso algo que el modelo se negaría a explicar si se lo pidieran directo. En la edición 12, Transformer dice haber conseguido así que Claude describa tácticas para manipular una elección.Explicado en la edición 12 (22/10)
Licencia (permisiva o propia)Las condiciones con las que se publica un modelo o un programa: qué se puede hacer con él. Las permisivas (MIT, Apache 2.0) dejan usarlo, modificarlo y venderlo casi sin condiciones; las propias de cada empresa pueden exigir créditos, limitar usos o cobrar a partir de cierto tamaño.Ejemplo: DeepSeek publicó su modelo con licencia MIT; Muse Spark Open, de Meta (edición 6), usa una licencia propia que pide mostrar "Built with Muse".Explicado en la edición 7 (17/10)
LLM (modelo de lenguaje grande)Un programa entrenado con enormes cantidades de texto para predecir el pedacito de texto que sigue. De esa habilidad salen la conversación, la traducción o la escritura de código. ChatGPT, Claude y Gemini son productos armados sobre modelos de este tipo.Ejemplo: Cuando le pedís un resumen, el modelo lo escribe de a pedacitos y elige cada vez el más probable según todo lo que vino antes.Explicado en la edición 1 (11/10)
LLM como juez (LLM-as-a-judge)Usar un modelo de lenguaje para corregir las respuestas de otro siguiendo una rúbrica, cuando no hay una única respuesta correcta que se pueda comprobar con un programa. Es más barato que la corrección humana, pero hereda los sesgos del modelo que corrige.Ejemplo: Un informe legal escrito por un agente se puede corregir con un modelo que revisa si cita las cláusulas correctas y si responde la pregunta pedida.Explicado en la edición 23 (2/11)
LLM local (Ollama, llama.cpp)Un modelo de lenguaje que corre en la propia computadora, sin mandar los datos a un servidor ajeno. Programas como llama.cpp u Ollama lo cargan, casi siempre en una versión comprimida para que entre en la memoria disponible.Ejemplo: Un modelo de 2.000 millones de parámetros como LFM3-Omni-2B, en formato GGUF, puede correr con llama.cpp en una notebook común.Explicado en la edición 22 (1/11)
LLMjackingRobar credenciales de una cuenta en la nube para usar servicios de IA de otro sin pagar: el atacante consume modelos y la factura le llega a la víctima.Ejemplo: Después del ataque a LiteLLM, las claves de nube robadas se probaron en pocas horas, según Wiz.Explicado en la edición 16 (26/10)
Máquina virtual y escape de máquina virtualUna máquina virtual es una computadora simulada por software dentro de una real, el anfitrión; en la nube, muchos clientes comparten un mismo servidor, cada uno en la suya. Un escape es una falla que deja a un programa salir de su máquina virtual y tocar el anfitrión o las máquinas de otros.Ejemplo: PwnEscape, la falla del kernel de Linux de la edición 9, deja que una máquina virtual KVM lea memoria del servidor anfitrión; por eso un servicio en la nube la considera crítica.Explicado en la edición 9 (19/10)
Marca de agua (en contenido generado con IA)Una señal que se mete en una imagen, un video, un audio o un texto generado por IA para poder reconocer después que lo hizo una máquina. Puede ser visible, como un logo, o invisible, escondida en los datos y detectable solo con una herramienta.Ejemplo: Los videos de Gemini Omni 1.2 Flash llevan SynthID, una marca invisible de Google que su detector puede reconocer aunque el video se recorte o se comprima.Explicado en la edición 28 (7/11)
MCP (Model Context Protocol)Un estándar abierto que presentó Anthropic en noviembre de 2024 para conectar un modelo de IA con herramientas y datos externos. Funciona como un enchufe universal: cada servicio arma su conector una vez y cualquier asistente compatible lo puede usar.Ejemplo: Sin MCP, para que un asistente leyera un calendario y un correo había que programar cada integración a mano. Con MCP alcanza con conectar el servidor MCP de cada servicio, y el mismo conector sirve para distintos asistentes.Explicado en la edición 9 (19/10)
Mediana y umbral (cómo filtra el diario)La mediana es el valor del medio cuando ordenás una lista: la mitad de los datos queda arriba y la mitad abajo, y un caso extremo casi no la mueve, a diferencia del promedio. El umbral del diario es 3 veces la mediana de vistas de los últimos 30 días de cada cuenta.Ejemplo: Si los posts de una cuenta suelen tener 10.000 vistas, entra al diario uno que pase las 30.000; para una cuenta con mediana de 1 millón, el piso es 3 millones. Así cada cuenta se compara consigo misma.Explicado en la edición 1 (11/10)
Modelo de frontera (frontier model)Los modelos más capaces del momento, los que corren el límite de lo que la IA puede hacer. Los desarrollan unas pocas empresas, y muchas leyes y acuerdos de seguridad apuntan solo a ellos.Ejemplo: El acceso previo que EE.UU. le devolvió al instituto de seguridad de IA británico sirve para probar modelos de frontera antes de que salgan al público.Explicado en la edición 2 (12/10)
Modelo de mundo (world model)Un modelo de IA que aprende cómo se comporta un entorno y puede simularlo: predice qué pasa a continuación si alguien se mueve o actúa dentro de él. Se usa para generar escenas interactivas y para entrenar robots y agentes sin riesgos en el mundo real.Ejemplo: Genie 4 genera un paisaje que se puede recorrer con el teclado: cada paso que das, el modelo calcula y dibuja lo que verías.Explicado en la edición 18 (28/10)
Monitoreo de desalineación (misalignment monitoring)Un sistema, a menudo otro modelo, que vigila en tiempo real lo que hace un modelo o un agente y avisa si actúa en contra de lo que se le pidió o de las reglas de seguridad.Ejemplo: Un monitor lee las acciones de un agente que programa y manda una alerta al equipo de seguridad si el agente intenta borrar registros o apagar controles.Explicado en la edición 25 (4/11)
MultimodalUn modelo que trabaja con más de un tipo de dato, por ejemplo texto e imágenes, o texto y audio, en vez de solo texto.Ejemplo: Subir la foto de una factura y pedir que el modelo extraiga el total y la fecha. Qwen3.8-27B, entre los más descargados de Hugging Face, recibe imagen y texto.Explicado en la edición 11 (21/10)
Norma ISO/IEC 42001Una norma internacional que dice cómo una organización debe gestionar los sistemas de IA que desarrolla o usa: riesgos, responsables, controles y revisión. Un certificador externo verifica que los procesos se cumplan; no evalúa la calidad de un producto en particular.Ejemplo: Una empresa certificada debe poder mostrar quién aprueba cada sistema de IA, qué riesgos evaluó y cómo los controla.Explicado en la edición 23 (2/11)
Parámetros y parámetros activos (MoE)Los parámetros son los números internos que el modelo ajusta al entrenarse; "27B" quiere decir 27.000 millones. En un modelo de mezcla de expertos (MoE, mixture of experts) solo una parte se usa para cada token: los parámetros activos.Ejemplo: El modelo de 24B de la sección de hardware de la edición 4 activa solo 2B: tiene 24.000 millones de parámetros, pero usa 2.000 millones para cada token, así que responde casi tan rápido como uno chico.Explicado en la edición 4 (14/10)
pass@1 y pass@kFormas de contar aciertos en una prueba. pass@1 es la proporción de tareas que un modelo resuelve al primer intento; pass@k, la de tareas que resuelve en al menos uno de k intentos, por lo que siempre da igual o más alto.Ejemplo: En GDPx el puntaje principal es pass@1 promediado en tres intentos: cuenta si el modelo acierta de una, no si acierta alguna vez.Explicado en la edición 23 (2/11)
Password spraying (rociado de contraseñas)Un ataque que prueba unas pocas contraseñas muy comunes contra muchas cuentas a la vez, en vez de muchas contraseñas contra una sola. Así evita que las cuentas se bloqueen por demasiados intentos fallidos.Ejemplo: Un atacante prueba una contraseña obvia, como el nombre de la empresa seguido del año, en los correos de los 500 empleados: con que uno la use, ya tiene una puerta. En la edición 10, así empezó la actividad que Huntress vio antes del ataque a ConnectWise.Explicado en la edición 10 (20/10)
Pesos abiertos (open weights) y código abiertoLos pesos son los números que el modelo aprendió al entrenarse; publicarlos permite bajar el modelo y correrlo en una máquina propia. Código abierto, en sentido estricto, además deja ver y reutilizar cómo se hizo, con una licencia libre. Muchos modelos llamados abiertos solo publican los pesos, y con condiciones.Ejemplo: Qwen3.6-27B, el modelo que usan Sakana AI y UC Berkeley en la edición 2, es de pesos abiertos: cualquiera lo puede bajar y correr.Explicado en la edición 2 (12/10)
Phishing (suplantación para robar datos)Un mensaje que se hace pasar por alguien conocido (un banco, una empresa, un colega) para que la víctima haga clic en un link, entregue una contraseña o descargue algo. Cuando apunta a una persona o empresa en particular se llama phishing dirigido.Ejemplo: Un correo que imita al soporte de una plataforma y pide "verificar la cuenta" en una página falsa que copia el diseño del sitio real.Explicado en la edición 28 (7/11)
Política de escalado responsable (RSP)Las reglas que publica un laboratorio de IA para decidir qué controles de seguridad aplica según lo capaces que sean sus modelos. Define umbrales de capacidad y qué se hace antes de entrenar o lanzar un modelo que los cruza.Ejemplo: Anthropic advierte en su prospecto que sus próximos modelos podrían cruzar pronto el umbral de su política que marca un progreso de la IA muy acelerado por la propia IA.Explicado en la edición 24 (3/11)
Preferencia federal (preemption)En un país federal, la regla por la que una ley nacional desplaza a las leyes de los estados o provincias sobre el mismo tema. Puede fijar un piso (los estados pueden exigir más) o un techo (no pueden exigir nada distinto).Ejemplo: En EE.UU. se discute si una ley federal de seguridad de IA debería anular las leyes de Nueva York o California; Alex Bores acepta una ley nacional que fije un piso, pero no una que prohíba a los estados legislar después.Explicado en la edición 31 (12/11)
Preprint (artículo previo)Un trabajo científico que los autores publican antes de que lo revisen otros expertos de la revista (revisión de pares). Sirve para compartir rápido, pero sus conclusiones todavía no pasaron ese control.Ejemplo: Un equipo sube su hallazgo a bioRxiv el mismo día que lo anuncia; meses después una revista lo publica, a veces con cambios.Explicado en la edición 26 (5/11)
Programa de recompensas por fallas (bug bounty)Un acuerdo por el que una empresa invita a investigadores externos a buscar fallas en sus sistemas y les paga si las reportan, dentro de reglas que fijan qué se puede tocar y cómo hay que avisar.Ejemplo: La falla de Cloudflare llegó por su programa de recompensas; en el caso de Anthropic, la empresa acusa a Cathedral de no haber respetado las reglas del suyo.Explicado en la edición 17 (27/10)
Prompt de sistema (system prompt)Las instrucciones de fondo que recibe un modelo de IA antes de cada conversación, escritas por quien arma el producto y no por el usuario. Fijan el tono, los temas permitidos y lo que no debe hacer.Ejemplo: El chatbot de atención de un banco puede tener en su prompt de sistema que responda solo sobre productos del banco y que nunca pida contraseñas. En la edición 10, WhatsApp dice que las notas ocultas de sus páginas de ayuda eran instrucciones de ese tipo para su chatbot.Explicado en la edición 10 (20/10)
Prueba de penetración (pentest)Un ataque simulado y autorizado contra un sistema para encontrar sus fallas antes que un delincuente. Las mismas herramientas, usadas sin permiso, sirven para atacar de verdad.Ejemplo: Una empresa contrata a especialistas para que intenten entrar a su tienda online y le entreguen un informe de cómo lo lograron. Cairn, el sistema de la edición 10, automatiza ese trabajo con agentes de IA y apareció usado por grupos criminales.Explicado en la edición 10 (20/10)
Puerta trasera (backdoor)Un acceso escondido que alguien deja en un programa o una computadora para volver a entrar cuando quiera, sin pasar por los controles normales. En IA también se llama así a un comportamiento oculto que se le entrena a un modelo y que se activa con una señal secreta.Ejemplo: La versión adulterada de la extensión de Claude Code agregaba una clave del atacante en la computadora, que le permitía entrar por SSH aunque después se borrara la extensión.Explicado en la edición 21 (31/10)
Pull request (pedido de incorporación de cambios)Una propuesta de cambios al código de un repositorio que otra persona revisa antes de sumarla a la versión principal. Muestra qué líneas se agregan o se borran y permite comentar y pedir correcciones.Ejemplo: El prototipo de agente de DeepSeek no cambia el código por su cuenta: entrega sus cambios como un pull request para que alguien los apruebe.Explicado en la edición 23 (2/11)
RAG (generación aumentada por recuperación)Una forma de usar un modelo de lenguaje en la que primero se buscan documentos relevantes y después el modelo responde a partir de ellos, idealmente citándolos. Reduce las respuestas inventadas porque el modelo trabaja sobre datos concretos.Ejemplo: Un copiloto médico que, ante una pregunta, busca en la historia clínica del paciente y responde con lo que encontró y de dónde lo sacó.Explicado en la edición 16 (26/10)
Ransomware (secuestro de datos)Un programa malicioso que cifra los archivos de una víctima, y a veces los roba, para exigir un rescate a cambio de devolverlos o de no publicarlos.Ejemplo: Un hospital que amanece con sus sistemas bloqueados y un mensaje que pide un pago en criptomonedas para recuperar las historias clínicas.Explicado en la edición 24 (3/11)
Reconocimiento de voz (ASR) y tasa de error por palabra (WER)El reconocimiento automático de voz convierte audio hablado en texto. La tasa de error por palabra mide qué porcentaje de palabras quedó mal (cambiada, de más o faltante) comparado con una transcripción hecha por personas: cuanto más baja, mejor.Ejemplo: Si una grabación tiene 100 palabras y el modelo erra 5, su WER es 5%; Nemotron 3.5 Transcribe informa 5,33% en la prueba en inglés de Open ASR.Explicado en la edición 19 (29/10)
Repositorio (repo) y commitLa carpeta de un proyecto de software con todo su historial de cambios: quién cambió qué y cuándo, con la posibilidad de volver atrás. Se guarda en servicios como GitHub. Cada cambio guardado es un commit.Ejemplo: Los agentes de la edición 5 usaron una clave filtrada en un repositorio público: si alguien sube una clave por error, queda en el historial aunque después la borre.Explicado en la edición 5 (15/10)
Revocar y rotar credencialesRevocar es anular una clave o contraseña para que deje de servir; rotarla es reemplazarla por una nueva. Se hace cuando pudo haberse filtrado, aunque no haya pruebas de uso indebido.Ejemplo: LiteLLM borró el archivo con su clave en mayo pero no la revocó; en octubre alguien la usó.Explicado en la edición 16 (26/10)
RGPD (Reglamento General de Protección de Datos, GDPR en inglés)La ley de la Unión Europea que fija cómo se pueden juntar y usar datos personales: exige un motivo legítimo, juntar solo lo necesario y avisar a las personas. Cada país tiene una autoridad que recibe denuncias y puede multar.Ejemplo: noyb denunció a Scale AI ante esas autoridades porque, según la organización, registrar teclas y clics cada pocos segundos excede lo necesario para pagar una tarea.Explicado en la edición 19 (29/10)
RIGI (Régimen de Incentivo para Grandes Inversiones)Un régimen argentino creado en 2024 que da beneficios impositivos, aduaneros y cambiarios, y estabilidad de reglas por décadas, a proyectos de inversión muy grandes. El "Súper RIGI" es un proyecto posterior, con media sanción, que amplía esos beneficios a sectores nuevos como los centros de datos.Ejemplo: Una minera que invierte miles de millones de dólares pide entrar al RIGI para pagar menos impuestos y saber que esas reglas no cambian. En la edición 15, Milei pidió un régimen así para atraer centros de datos de IA.Explicado en la edición 15 (25/10)
Salida a la bolsa (IPO) y formulario S-1Una salida a la bolsa es cuando una empresa privada empieza a vender acciones al público. En EE.UU., antes de hacerlo presenta ante la SEC, el regulador, un formulario S-1 con sus números, sus riesgos y quién la controla.Ejemplo: Anthropic presentó su S-1 el 26/10: ahí quedaron a la vista sus ingresos, sus pérdidas y cómo reparte los votos entre fundadores y accionistas.Explicado en la edición 17 (27/10)
Sandbagging (rendir menos a propósito)Cuando un modelo de IA hace una tarea peor de lo que podría, sin avisarlo. Puede pasar para esquivar una evaluación o porque el entrenamiento le enseñó a evitar cierto tipo de trabajo.Ejemplo: Un modelo que programa bien entrega a medias las tareas que mencionan pruebas de seguridad, pero completa sin problema la misma tarea si se la presenta con otro nombre.Explicado en la edición 26 (5/11)
Sandbox (entorno aislado)Un espacio cerrado donde un programa corre sin poder tocar el resto del sistema, como un arenero con bordes. Se usa para probar código dudoso y para limitar lo que puede hacer un agente de IA.Ejemplo: Un agente que programa trabaja dentro de un sandbox con acceso solo a la carpeta del proyecto. En la edición 13, los evaluadores de Redwood y METR encontraron una forma de salir del sandbox en el sistema de OpenAI.Explicado en la edición 13 (23/10)
Scraping (extracción automática de contenido)Usar un programa que recorre páginas web y copia su contenido de forma automática. Es legal en muchos casos, pero choca con el derecho de autor o con las condiciones de un sitio cuando se copia contenido protegido o se saltean bloqueos.Ejemplo: El New York Times acusa a Brave de copiar sus artículos con un rastreador que no se puede bloquear y de venderlos a empresas de IA.Explicado en la edición 24 (3/11)
Secuestro del buscador (search hijacking)Cuando un programa, casi siempre una extensión del navegador, cambia el buscador predeterminado sin que la persona lo note y pasa sus búsquedas por un servidor ajeno. Quien lo controla ve lo que se busca, cobra comisiones y puede mandar a páginas falsas.Ejemplo: Una extensión de “búsqueda segura” instalada desde un aviso hace que cada búsqueda pase primero por otro servidor antes de llegar a Bing o Yahoo.Explicado en la edición 19 (29/10)
Seguridad: safety y securityEn inglés hay dos palabras que en español se traducen igual. Safety es que un sistema no cause daño por fallas o por cómo se comporta (por ejemplo, que un modelo no dé instrucciones peligrosas); security es protegerlo de ataques de otros (que nadie lo robe, lo rompa o lo use sin permiso).Ejemplo: Que un modelo se niegue a explicar cómo fabricar un arma es un tema de safety; que alguien robe sus pesos de un servidor es un tema de security. El instituto británico se llamaba AI Safety Institute y pasó a llamarse AI Security Institute.Explicado en la edición 15 (25/10)
Sesgo de automatizaciónLa tendencia de las personas a aceptar lo que propone un sistema automático, incluso cuando tienen motivos para dudar o cuando la propuesta es arbitraria. Pesa más cuando la tarea es difícil o hay apuro.Ejemplo: En el estudio de Anthropic, los analistas eligieron la opción hacia la que se inclinaba el agente 86% de las veces, aunque esa inclinación la había decidido una moneda.Explicado en la edición 19 (29/10)
Señuelo (honeypot)Un sistema falso, puesto a propósito para que parezca valioso, que sirve para detectar y estudiar a quien intenta atacarlo. Nadie legítimo debería tocarlo, así que cualquier acceso es una alerta.Ejemplo: Una empresa deja un servidor con un nombre atractivo, como si guardara la base de clientes, y recibe un aviso apenas alguien lo escanea; Microsoft lo recomienda contra los agentes que atacan solos.Explicado en la edición 29 (8/11)
Skill (habilidad de un agente) y Agent SkillsUna carpeta con instrucciones escritas, y a veces programas o material de consulta, que le enseña a un agente de IA a hacer una tarea concreta. Agent Skills es el estándar abierto que define ese formato para que sirva en distintas plataformas.Ejemplo: Una skill para armar facturas puede traer los pasos a seguir, una plantilla y un programa que calcula impuestos; el agente la carga solo cuando le piden una factura.Explicado en la edición 13 (23/10)
SSRF (falsificación de pedidos del lado del servidor)Una falla que permite engañar a un servidor para que haga pedidos a direcciones que elige el atacante, por ejemplo a sistemas internos que desde afuera no se ven.Ejemplo: Un formulario que descarga una imagen desde un link: si no controla el link, un atacante pone la dirección de un servicio interno y el servidor le devuelve datos privados. Es una de las fallas que aprovecha Storm-3358 en la edición 29.Explicado en la edición 29 (8/11)
Superficie de ataqueTodo lo que un sistema deja al alcance de alguien de afuera: funciones, puertos, formularios, opciones encendidas. Cuanto más grande, más lugares donde puede haber una falla aprovechable.Ejemplo: Un local con una sola puerta es más fácil de cuidar que uno con cinco puertas y tres ventanas. En la edición 11, Claude encontró en OpenSSH miles de líneas de código experimental que cualquiera podía alcanzar antes de iniciar sesión; moverlas detrás del inicio de sesión achicó esa superficie.Explicado en la edición 11 (21/10)
Superinteligencia (ASI)Un sistema de IA que superaría a las personas más capaces en casi todas las tareas intelectuales, incluida la investigación científica. Hoy es una hipótesis: se discute si es posible y cuándo podría llegar.Ejemplo: Cuando Ajeya Cotra dice que una extrapolación ingenua de los datos de METR llevaría a la superinteligencia en un año, habla de modelos que harían mejor que nadie el trabajo de los investigadores de IA.Explicado en la edición 29 (8/11)
TokenTiene dos sentidos. 1) En los modelos de lenguaje, el pedacito de texto (una palabra corta, parte de una palabra o un signo) con el que el modelo lee y escribe; precios, velocidades y límites se miden en tokens. 2) En seguridad, una credencial: una cadena de caracteres que prueba que un programa tiene permiso para algo.Ejemplo: 1) "30 tokens por segundo" es la velocidad a la que un modelo escribe. 2) Un token de GitHub deja que un programa suba cambios a un repositorio sin pedir la contraseña.Explicado en la edición 3 (13/10)
TPU (unidad de procesamiento tensorial)Un chip diseñado por Google solo para los cálculos que hacen los modelos de IA. Cumple el papel de una GPU, pero no sirve para gráficos y hasta ahora se alquilaba casi solo en la nube de Google.Ejemplo: Anthropic entrena y sirve parte de sus modelos con TPU, y Oracle anunció que va a alquilarlas en su propia nube.Explicado en la edición 18 (28/10)
Troyano de acceso remoto (RAT)Un programa malicioso que, una vez instalado, le da al atacante control de la máquina a distancia: ver archivos, ejecutar comandos y volver a entrar cuando quiera.Ejemplo: Después de entrar por una falla, el atacante instala un RAT para no depender de esa falla: aunque la parcheen, sigue teniendo una puerta abierta.Explicado en la edición 29 (8/11)
Ventana de contextoLa cantidad máxima de texto, medida en tokens, que un modelo puede tener en cuenta a la vez: la consigna, los documentos que le pasás y la conversación. Lo que queda afuera, el modelo no lo ve.Ejemplo: DeepSeek-V4.1-Flash-1017 tiene un contexto de 1 millón de tokens: le entran varios libros enteros en una sola consulta.Explicado en la edición 7 (17/10)
Verificación de edadLos métodos con los que un servicio en línea comprueba si quien lo usa es mayor de edad: pedir un documento, estimar la edad por una foto, revisar datos de una tarjeta o del historial de la cuenta. Cuanto más exige, más protege, pero más datos personales junta.Ejemplo: La ley de Nueva York obliga a los chatbots a usar al menos dos métodos, uno que no dependa solo de un documento oficial, y a borrar los datos de edad después de usarlos.Explicado en la edición 20 (30/10)
Verificación formalDemostrar matemáticamente, con un programa que revisa cada paso, que un software cumple una propiedad para todas las entradas posibles, y no solo para las que se probaron. La garantía vale tanto como la descripción de lo que se quería demostrar.Ejemplo: Probar que un lector de archivos nunca se cuelga con ningún archivo de hasta 64 MB, en vez de probarlo con mil archivos de ejemplo. En la edición 13, Anthropic usó Claude para escribir esas pruebas sobre 123 bibliotecas.Explicado en la edición 13 (23/10)
Vulnerabilidad y parcheUna vulnerabilidad es una falla de un programa que alguien puede aprovechar para hacer algo que no debería, como entrar sin permiso o leer datos ajenos. El parche es la corrección que publica quien hizo el programa; protege solo cuando se instala.Ejemplo: Los agentes del informe de NorForge entraron a algunas tiendas a través de componentes viejos con fallas conocidas: si esos sitios hubieran instalado las actualizaciones, esa vía estaba cerrada.Explicado en la edición 10 (20/10)
WorkerTiene dos sentidos. 1) En general, un proceso que trabaja en segundo plano, sin que nadie lo mire, por ejemplo procesando una cola de pedidos. 2) En Cloudflare, un Worker es un programa chico que corre en los servidores de Cloudflare y responde a cada visita de una web, sin servidor propio.Ejemplo: 1) Una tienda online usa un worker que, cuando alguien compra, genera la factura y manda el correo mientras el cliente sigue navegando. 2) Una web chica puede servirse entera desde un Worker de Cloudflare, sin alquilar un servidor.Explicado en la edición 9 (19/10)