Workshop de IA para gente curiosa

02 ¿Qué NO es la IA?

• No es magia ni ciencia ficción. No hay una "mente" dentro de la máquina. Es software, ejecutándose en servidores, con electricidad y silicio.
• No es una mente consciente. No tiene deseos, emociones ni intenciones. No "quiere" nada. Procesa tokens y calcula probabilidades.
• No es un buscador glorificado. Un buscador recupera páginas o documentos. Un LLM (Large Language Model, modelo grande de lenguaje) genera texto a partir de patrones aprendidos y no consulta fuentes por defecto.
• No "piensa" como un humano. Puede producir pasos que parecen razonamiento, pero su mecanismo base es predecir tokens a partir de patrones aprendidos.
• No es infalible ni objetiva. Puede alucinar (generar información falsa con confianza), heredar sesgos de los datos de entrenamiento y carece de introspección fiable sobre sus errores.

03 ¿Qué SÍ es la IA?

Hitos clave de la IA moderna

04 ¿Qué es un sistema determinista y por qué la IA no lo es?

¿Por qué ocurre esto?

El modelo no devuelve "la respuesta correcta". Calcula una distribución de probabilidades sobre todos los tokens posibles y muestrea de ella. Los parámetros temperature, top-p y top-k controlan cuánta aleatoriedad se permite. Con temperature=0 se acerca al determinismo, pero no lo garantiza (hay variaciones por precisión numérica y batching).

Del prompt al token: flujo de generación

05 Principios de la IA

06 La neurona artificial

Todo empieza aquí. Una neurona artificial es una función matemática que recibe números, los multiplica por pesos, suma un sesgo y aplica una función de activación.

En código

Funciones de activación

07 Redes neuronales: capas y arquitectura

Una red neuronal es un grafo de neuronas organizadas en capas. Cada capa transforma los datos y los pasa a la siguiente.

Estructura de una red (MLP)

¿Qué aprende cada capa?

08 Cómo aprende una red: backpropagation

El entrenamiento es un bucle: predice, mide el error, ajusta los pesos, repite. Miles de millones de veces.

El bucle de entrenamiento

En pseudocódigo

09 Backpropagation: el error viaja hacia atrás

Backpropagation no es una caja negra: aplica la regla de la cadena para repartir la culpa del error entre activaciones, pesos y sesgos. Primero calcula una predicción; después pregunta cuánto cambió la pérdida por cada pieza de la red.

10 Backpropagation: qué significa cada símbolo

Vamos a mirar una neurona mínima, con una sola entrada. No es para entrenar un LLM, es para entender la mecánica: el modelo recibe un dato, lo mezcla con un peso y un sesgo, produce una salida y mide cuánto se ha equivocado.

11 Backpropagation: gradientes con un ejemplo

Una derivada aquí no es “matemática decorativa”: es una sensibilidad. ∂E/∂w se lee: si muevo un poco w, ¿cuánto cambia el error E? Backpropagation calcula esas sensibilidades de derecha a izquierda.

12 Funciones de pérdida y optimizadores

La función de pérdida mide cuánto se equivoca el modelo. El optimizador decide cómo ajustar los pesos para reducir ese error.

Funciones de pérdida principales

Optimizadores

Problemas comunes del entrenamiento

13 CNNs: redes convolucionales para visión

Las Convolutional Neural Networks revolucionaron la visión por computador. En vez de mirar cada píxel por separado, aplican filtros que detectan patrones locales.

Flujo de una CNN

Conceptos clave

14 RNNs y LSTMs: redes para secuencias

Antes de los Transformers, las Recurrent Neural Networks eran la forma de procesar secuencias (texto, audio, series temporales). Entenderlas explica por qué el Transformer fue revolucionario.

Cómo funciona una RNN

Procesa un token a la vez, manteniendo un "estado oculto" (hidden state) que resume todo lo que ha visto antes. El problema: al llegar al token 500, ya ha "olvidado" el token 1.

RNN vs LSTM vs Transformer

15 ¿Qué es un token?

Un token es la unidad discreta que procesa el modelo. Puede ser una palabra, parte de una palabra, un carácter o incluso bytes, según el tokenizador y el vocabulario.

Ejemplos de tokenización

Palabras frente a tokens

Como regla muy aproximada, 1 token suele rondar 3-4 caracteres en texto latino. Idioma, símbolos, código y tokenizador cambian mucho el resultado.

• En español a menudo se gastan más tokens que en inglés para decir lo mismo, aunque el porcentaje depende del tokenizador y del texto.
• El modelo no ve texto: ve secuencias de números (IDs de token). Cada token tiene un ID único en el vocabulario del modelo.
• Todo se mide en tokens: el context window, el precio de la API, el límite de respuesta. Es la "moneda" de la IA.
• Regla rápida: 1 token suele ser menos que una palabra; úsalo solo como estimación inicial.

16 ¿Qué es un embedding?

Un embedding es una representación numérica de una palabra, frase, imagen, código o documento. Convierte el contenido en un vector de cientos o miles de números para poder comparar cercanía semántica.

¿Qué es una dimensión?

Un vector de embedding tiene cientos o miles de componentes. Las dimensiones no suelen tener una etiqueta humana limpia; lo importante es la posición global del vector y sus distancias respecto a otros vectores.

17 Embeddings en la práctica

Aritmética de significado

Los embeddings pueden capturar relaciones semánticas que a veces aparecen como operaciones vectoriales aproximadas:

Similitud semántica

La clave: conceptos similares quedan cerca en el espacio vectorial. Esto permite buscar por significado, no por palabras exactas.

¿Para qué sirven?

• Búsqueda semántica: encontrar documentos por significado ("¿cómo despliego en producción?" encuentra docs sobre "deploy to prod")
• RAG (Retrieval-Augmented Generation): así se buscan los fragmentos relevantes para inyectar en el prompt del modelo
• Clasificación: agrupar textos similares automáticamente (tickets de soporte, emails...)
• Detección de duplicados: comparar si dos textos dicen lo mismo con palabras diferentes

Modelos de embedding (mayo 2026)

Los embeddings se almacenan en bases de datos vectoriales: Pinecone, Chroma, Weaviate, pgvector. La elección del modelo depende del idioma, tipo de contenido y presupuesto.

18 Entrenamiento vs inferencia

Fine-tuning

Reentrenar parcialmente un modelo existente con tus propios datos. Mucho más barato que entrenar desde cero. Cambia el comportamiento y estilo del modelo, pero no le "enseña" datos nuevos en tiempo real. Para acceder a datos propios cambiantes, es mejor usar RAG.

19 Programación clásica vs machine learning

En software clásico, el equipo escribe reglas explícitas. En machine learning, el equipo define datos, objetivo, métrica y entrenamiento; las reglas quedan codificadas como parámetros aprendidos.

20 Pipeline ML: de datos a producción

Un modelo útil no nace cuando termina el entrenamiento: nace cuando puedes repetir el proceso, comparar versiones, desplegar con control y saber cuándo se está degradando.

Artefactos que deberías versionar

21 Entrenar no es desplegar

Entrenar optimiza parámetros. Desplegar optimiza un sistema: latencia, memoria, coste, seguridad, observabilidad, versionado, rollback y experiencia de usuario.

22 Quantización: modelos que caben en tu portátil

Comprimir el modelo reduciendo la precisión numérica de cada peso. Un peso es un número aprendido durante el entrenamiento; al quantizar no cambias la arquitectura, cambias cómo se guarda ese número.

Esto es lo que hace posible LM Studio y Ollama: ejecutar modelos de 7B-70B parámetros en hardware de consumo usando formatos GGUF quantizados. A menor precisión, menor memoria; la pérdida depende del modelo, del método y de la tarea.

No todas las quantizaciones son iguales

23 ML clásico: el mapa antes de los LLMs

Antes de hablar de modelos gigantes conviene separar tareas: aprender una etiqueta, predecir un número, descubrir estructura o actuar para maximizar recompensa. Esa separación evita elegir una arquitectura por moda cuando todavía no está claro qué señal de aprendizaje existe.

24 Dataset, features, label y target

Un modelo no aprende “el mundo” directamente: aprende la representación que le damos en forma de filas, columnas, textos, imágenes o señales. Por eso la calidad de las features, la etiqueta y el split de datos suele importar más que cambiar de algoritmo.

25 Supervisado, no supervisado y refuerzo

Estas tres familias no se separan por usar árboles, redes neuronales o Transformers, sino por el tipo de feedback disponible durante el aprendizaje. La pregunta clave es: ¿quién corrige al modelo y cuándo?

26 Semi-supervisado y self-supervised

Entre “tengo etiquetas perfectas” y “no tengo ninguna verdad” hay dos ideas muy prácticas: aprovechar pocos labels con muchos datos sin etiquetar, y crear una tarea de aprendizaje a partir del propio dato.

27 Clasificación vs regresión

Ambas son aprendizaje supervisado: entrenas con ejemplos donde ya conoces la respuesta. La diferencia está en el tipo de variable que quieres predecir: una categoría discreta o una cantidad continua.

28 Complejidad en ML: leer Big-O sin dogma

La complejidad temporal sirve para responder una pregunta de ingeniería: ¿qué pasa si duplico muestras, dimensiones, clases o árboles? No predice el tiempo exacto de tu portátil, pero sí te avisa de qué variable puede romper el experimento cuando pasas de demo a producción.

29 Complejidad de algoritmos clásicos: entrenamiento vs inferencia

La misma familia de algoritmos puede tener costes muy distintos según cuándo pagas: durante entrenamiento, durante inferencia o al actualizar el modelo. Esa separación es clave para producción.

30 Validación: medir generalización

Generalizar significa acertar en casos nuevos, con ruido nuevo y usuarios nuevos. Un modelo que solo funciona en los ejemplos con los que lo has ajustado no ha aprendido una regla útil: ha memorizado una foto del pasado.

31 Overfitting y underfitting

El objetivo no es acertar el train set: es capturar una señal que siga funcionando fuera de los ejemplos vistos. La pregunta práctica no es “cuánto acierta entrenando”, sino “cuánto aguanta cuando cambia el caso”.

32 Matriz de confusión

Para clasificación, la matriz de confusión enseña qué aciertos y errores comete el modelo por clase. Es la forma más directa de pasar de “accuracy” a consecuencias reales.

33 Precision, recall y F1

Accuracy suele engañar cuando las clases están desbalanceadas. Si el 99% de emails no son spam, un modelo que diga “no spam” siempre tiene 99% de accuracy y aun así no sirve para detectar spam.

34 Clustering y k-means

Clustering agrupa datos sin etiqueta. k-means busca k centroides y asigna cada punto al centro más cercano. La parte peligrosa no es ejecutar el algoritmo, sino interpretar los grupos como si fueran categorías naturales.

35 Cuándo no confiar en clusters

Un cluster no es una verdad del mundo. Es una partición inducida por features, escala, métrica y algoritmo. Puede ser una hipótesis útil, pero también una forma elegante de amplificar sesgos o artefactos.

36 Lo que deberías saber: fundamentos

38 Búsqueda: resolver como espacio de estados

Muchos problemas de IA se pueden formular como navegar desde un estado inicial hasta un estado objetivo aplicando acciones con coste.

39 Árbol de búsqueda vs grafo de estados

El árbol representa caminos explorados; el grafo representa estados reales. Confundirlos produce loops y coste innecesario.

40 BFS: búsqueda en anchura

BFS explora primero todos los estados a distancia 1, luego distancia 2, etc. Si todos los costes son iguales, encuentra el camino más corto en número de pasos.

1. Mete el estado inicial en una cola FIFO.
2. Extrae el primer nodo de la cola.
3. Si es objetivo, devuelve el camino.
4. Genera sucesores no visitados y añádelos al final.
5. Repite hasta encontrar solución o agotar frontera.

41 DFS: búsqueda en profundidad

DFS baja por un camino hasta el fondo antes de probar alternativas. Es barata en memoria, pero puede perderse en ramas largas o infinitas.

function dfs(node, goal):
  if goal(node): return path(node)
  mark node as visited
  for child in successors(node):
    if child not visited:
      result = dfs(child, goal)
      if result: return result
  return failure

42 Coste uniforme: cuando no todos los pasos cuestan igual

Uniform Cost Search expande primero el camino de menor coste acumulado, no el camino con menos pasos.

43 Greedy best-first search

Greedy elige lo que parece más cerca del objetivo según una heurística h(n). Es rápido, pero miope.

44 A*: coste real + intuición

A* combina lo que ya cuesta el camino, g(n), con una estimación de lo que falta, h(n).

45 Heurísticas: buenas intuiciones, malos atajos

Una heurística es una estimación. No tiene que ser perfecta, pero sí debe estar alineada con el objetivo.

46 Búsqueda en agentes modernos

Un agente LLM también explora: decide pasos, prueba tools, observa resultados y corrige. La diferencia es que el espacio no siempre está formalizado.

47 Qué debe saber: búsqueda

No necesitas memorizar todos los algoritmos, pero sí reconocer cuándo un problema es de búsqueda y qué coste estás optimizando.

48 SAT y CSP: IA como restricciones

No todos los problemas se resuelven generando texto. Muchos consisten en encontrar una asignación que cumpla restricciones exactas: horarios, configuraciones, permisos, rutas, turnos, dependencias o planes válidos.

49 SAT: satisfacibilidad booleana

SAT pregunta si existe una asignación de verdadero/falso que hace verdadera una fórmula lógica. Parece abstracto, pero es una de las ideas más potentes de la informática: muchos problemas reales pueden traducirse a “estas condiciones se cumplen o no se cumplen”.

50 CSP: variables, dominios y restricciones

Un Constraint Satisfaction Problem se define por variables, dominios posibles y restricciones que deben cumplirse. Es una forma disciplinada de convertir “quiero una solución válida” en piezas comprobables por una máquina.

51 Ejemplos reales de CSP

Los CSP aparecen en problemas muy cotidianos: horarios, configuración, rutas con restricciones, asignación de recursos y validación de negocio.

52 Propagación de restricciones

Propagar significa reducir dominios usando restricciones antes de buscar a ciegas.

53 Backtracking: probar, fallar, volver

Backtracking asigna una variable, comprueba restricciones y vuelve atrás si la elección lleva a contradicción.

function backtrack(assign):
  if complete(assign): return assign
  var = choose_unassigned_variable()
  for value in ordered_domain(var):
    if consistent(var, value, assign):
      add(var, value)
      result = backtrack(assign)
      if result: return result
      remove(var)
  return failure

54 Heurísticas en CSP

La diferencia entre resolver rápido y explotar combinatoriamente suele estar en qué variable eliges primero, qué valor pruebas y cuánto propagas las consecuencias antes de seguir buscando.

55 Restricciones como guardrails

En apps con LLM, muchas garantías no deben vivir en el prompt. Deben vivir en schemas, validadores, permisos, políticas, límites de coste y reglas ejecutables que se comprueban fuera del modelo.

56 Cuándo usar CSP/SAT en vez de un LLM

Si la respuesta debe satisfacer restricciones exactas, el LLM puede ayudar a entender, explicar o proponer candidatos, pero la aceptación debería depender de una comprobación determinista.

57 Qué debe saber: restricciones

Las restricciones son una forma de precisión. Donde hay reglas duras, no todo debe quedarse en manos del modelo generativo: hay que separar lo que el modelo interpreta de lo que el sistema acepta.

58 Planificación automática: de objetivo a plan

Planificar es encontrar una secuencia de acciones que transforme el estado inicial en un estado objetivo. La diferencia con una lista de tareas es que cada acción solo es válida si sus precondiciones se cumplen y sus efectos actualizan el estado.

59 Vocabulario de planificación

La planificación clásica obliga a explicitar lo que muchos agentes modernos dejan implícito. Este vocabulario es útil aunque nunca escribas PDDL: te da una forma de revisar si una automatización sabe actuar o solo redacta pasos.

60 PDDL: lenguaje para describir planes

PDDL separa dominio y problema: una parte define acciones generales y otra define objetos, estado inicial y objetivo. Su valor pedagógico es enorme porque obliga a escribir exactamente qué necesita y qué cambia cada acción.

(:action pick-up
  :parameters (?robot ?object ?room)
  :precondition (and (at ?robot ?room) (at ?object ?room) (handempty ?robot))
  :effect (and (holding ?robot ?object) (not (at ?object ?room)) (not (handempty ?robot))))

61 Dominio vs problema

Separar dominio y problema permite reutilizar acciones en escenarios distintos. Es la misma idea que separar código de configuración: no cambias la lógica de “mover paquete” cada vez que cambia el paquete.

62 Planificación como búsqueda heurística

Un planner puede buscar en el espacio de estados, pero necesita heurísticas para no explotar combinatoriamente. En problemas reales, el número de planes posibles crece con cada acción disponible y cada paso del horizonte.

63 Planificación con SAT

También puedes convertir planning en satisfacibilidad: ¿existe un conjunto de acciones por tiempo que cumple transiciones y objetivo? En vez de caminar por estados, preguntas si hay una historia coherente de longitud k.

64 Planning y agentes LLM

Los agentes modernos planifican, pero muchas veces sin modelo formal del mundo. Eso da flexibilidad para tareas abiertas, y también errores cuando el modelo inventa recursos, salta dependencias o confunde observación con éxito.

65 Fallos típicos al planificar

Un plan puede sonar razonable y ser imposible. La diferencia entre demo y sistema fiable está en comprobar precondiciones, efectos, dependencias y criterio de recuperación.

66 Mini-ejemplo: enviar una factura

Modelar una tarea cotidiana como planificación fuerza a separar intención, datos y permisos. “Enviar una factura” parece una acción única, pero en producción es una secuencia con validaciones y efectos auditables.

67 Qué debe saber: planificación

Planificar no es “pensar mucho”: es convertir un objetivo en acciones ejecutables bajo restricciones, con estado observable y recuperación cuando el mundo no coincide con el plan.

68 Juegos: decisión con otros agentes

Los juegos enseñan decisión en entornos donde otro actor también elige. Eso introduce estrategia, adversario, incentivos e incertidumbre: justo lo que aparece en fraude, seguridad, mercados, negociación y agentes con herramientas.

69 Minimax: elegir contra un rival óptimo

Minimax asume dos jugadores: MAX intenta maximizar utilidad y MIN intenta minimizarla. No busca la jugada que parece mejor si nadie responde: busca la mejor jugada después de considerar la mejor respuesta del rival.

70 Poda alfa-beta

Alfa-beta no cambia la decisión de minimax. Solo evita explorar ramas que ya no pueden mejorar el resultado. Es una lección importante: optimizar no siempre significa cambiar la respuesta; a veces significa llegar a la misma respuesta gastando muchísimo menos.

71 Funciones de evaluación

Cuando no puedes llegar al final del árbol, evalúas estados intermedios con una función heurística. La calidad de esa función determina qué ramas parecen prometedoras y qué errores se vuelven sistemáticos.

72 Monte Carlo: decidir simulando

Monte Carlo estima resultados probando muchas simulaciones. No necesita evaluar todo el árbol exactamente: acepta incertidumbre medible a cambio de explorar un espacio enorme con presupuesto finito.

73 MCTS: exploración vs explotación

Monte Carlo Tree Search balancea probar ramas prometedoras y explorar opciones menos visitadas. Su valor está en asignar presupuesto de simulación de forma adaptativa: más donde aprende, algo donde todavía no sabe.

74 Simulación y LLMs

Un LLM puede simular escenarios, pero sus simulaciones no son garantías estadísticas si no controlas datos, aleatoriedad y evaluación. El modelo genera plausibilidad textual, no muestras independientes de un proceso real.

75 Decisión adversarial en producto

La lógica de juegos aparece cuando usuarios, atacantes o competidores reaccionan a tu sistema. La seguridad de agentes y LLMs exige pensar en incentivos: quién gana si tu sistema se equivoca.

76 Puente hacia aprendizaje por refuerzo

Juegos, MCTS y RL comparten una pregunta: qué acción conviene ahora para mejorar retorno futuro. La dificultad es que una acción buena a corto plazo puede destruir valor después.

77 Qué debe saber: juegos y simulación

Los juegos no son un capítulo anecdótico: enseñan búsqueda con adversario, simulación, evaluación de decisiones y diseño de incentivos. Son una vacuna contra sistemas que solo funcionan cuando nadie reacciona.

78 Conocimiento simbólico: hechos, reglas y significado

Antes de embeddings, mucha IA representaba conocimiento de forma explícita: entidades, relaciones, clases, reglas e inferencia. Esa tradición sigue siendo clave cuando necesitas trazabilidad, permisos, cumplimiento o respuestas que dependan de relaciones exactas.

79 RDF: sujeto, predicado, objeto

RDF representa conocimiento como tripletas. Es simple, pero permite construir grafos grandes y consultables porque todo se reduce a afirmaciones pequeñas con identidad: sujeto, predicado y objeto.

80 RDFS y OWL: vocabulario y restricciones

RDFS añade clases y propiedades básicas; OWL permite expresar restricciones y axiomas más ricos. La diferencia con un grafo plano es que ahora el sistema puede inferir y validar parte del significado.

81 SPARQL: consultar conocimiento estructurado

SPARQL permite preguntar al grafo con patrones de tripletas, no con similitud aproximada. Si la pregunta depende de una relación exacta, SPARQL da una respuesta trazable: cumple el patrón o no lo cumple.

SELECT ?medicamento ?sintoma WHERE {
  ?medicamento :alivia ?sintoma .
  ?sintoma rdf:type :Sintoma .
}

82 Ontología: modelo compartido del dominio

Una ontología define conceptos, relaciones y restricciones de un dominio para que personas y máquinas compartan vocabulario. Es especialmente útil cuando distintos equipos usan las mismas palabras con significados diferentes.

83 Linked Data: datos enlazados

Linked Data usa URIs y estándares web para que datos de distintas fuentes se puedan enlazar y reutilizar. La idea importante no es “publicar datos”, sino poder referirse a la misma entidad de forma estable entre sistemas.

84 Sistemas expertos

Un sistema experto intenta resolver problemas de un dominio con una base de conocimiento y un motor de inferencia. Su límite histórico fue capturar y mantener reglas; su lección moderna es que las reglas siguen siendo útiles cuando necesitas explicación y control.

85 Simbólico vs neuronal

No es una guerra. Son herramientas distintas: una aporta estructura explícita; la otra, generalización estadística. Los sistemas útiles suelen combinar ambas porque el lenguaje real es ambiguo y las reglas de negocio no deberían serlo.

86 Knowledge graph vs vector store

Un vector store recupera fragmentos parecidos. Un knowledge graph representa entidades y relaciones consultables. Confundirlos lleva a vender “memoria semántica” como si fuera conocimiento formal.

87 Qué debe saber: conocimiento simbólico

RAG moderno se entiende mejor cuando sabes qué intentaba resolver la web semántica: significado explícito, relaciones e inferencia. No para sustituir embeddings, sino para saber cuándo un embedding se queda corto.

88 Lo que deberías saber: IA clásica aplicada

La IA clásica no compite con los LLMs: te da vocabulario para construir sistemas menos mágicos y más verificables. Si entiendes estado, coste, restricción, plan, adversario y regla, puedes diseñar mejores agentes, RAG y workflows.

90 ¿Qué es un modelo LLM?

Large Language Model: un modelo de lenguaje a gran escala. Entrenado con cantidades masivas de texto (internet, libros, código...) para predecir el siguiente token dada una secuencia.

Modelos principales (mayo 2026)

Dimensiones de un modelo: qué significan

91 Arquitecturas

Evolución de las arquitecturas

La historia no acaba en Transformer. En 2026 la base dominante sigue siendo la familia Transformer, pero los modelos punteros combinan bloques: decoder-only, MoE, atención eficiente, memoria larga, SSM (State Space Model) / Mamba e incluso procesamiento por bytes o latentes.

Qué problema intenta resolver cada familia

Mapa actualizado de arquitecturas