Skip to main content

Mapa de conocimiento de IA

Nota: Este documento es una traducción automática del original en inglés.

Mapa de conocimiento de IA

Esta página es una guía de navegación de todos los explainers relacionados con IA en la wiki de DecAIHub. Está diseñada para recién llegados — ya sea que estés leyendo tu primera ficha de proyecto o intentando entender qué significa "AI/Agents" en una etiqueta de categoría. Úsala como tabla de contenidos, árbol de conceptos y conjunto de rutas de lectura recomendadas.

En resumen: esto es un mapa, no una enciclopedia. Cada encabezado a continuación enlaza a un artículo independiente. Empieza donde está tu pregunta, sigue los enlaces y vuelve aquí cuando necesites orientación.

Marca esta página si cambias con frecuencia entre temas de verificación (qué cuenta como prueba) y temas de tecnología (qué es un modelo o un agente). Las secciones a continuación están ordenadas para que puedas pasar de conceptos de alto nivel a páginas de clúster especializadas sin perder el hilo.

Empieza aquí

Si eres nuevo en DecAIHub y en la verificación de crypto IA, lee primero estos cuatro artículos:

  1. Qué es la inteligencia artificial — el punto de partida más amplio.
  2. Qué es un AI component — el concepto central en cada ficha de proyecto.
  3. Cómo leer una ficha de proyecto — qué significa cada campo y dónde mirar.
  4. Qué es DecAI Fit — la puntuación de 0-6 que resume la verificabilidad de un proyecto.

Árbol de conceptos

Los artículos de esta wiki forman una jerarquía. La indentación a continuación muestra relaciones padre-hijo.

Rutas de lectura

"Estoy leyendo mi primera ficha de proyecto"

  1. Qué es un AI component — entiende el campo central.
  2. AI component vs use case — aprende por qué están separados.
  3. Cómo funcionan las categorías compuestas de IA — descodifica la etiqueta de categoría.
  4. Cómo leer una ficha de proyecto — recorrido completo de cada campo.

"Quiero entender si la IA es real"

  1. Cómo saber si un proyecto realmente tiene IA — el framework de verificación.
  2. Qué cuenta como evidencia de IA — qué califica como prueba.
  3. Qué no cuenta como evidencia — falsos positivos comunes.
  4. AI washing, Onchain washing, Token washing — señales de alerta.

"Quiero saber qué significa una categoría de IA específica"

  1. Elige la categoría: AI/Agents | AI/Compute | AI/Inference | AI/Data | AI/Analytics | AI/Training.
  2. Lee el artículo de componente correspondiente: Agents | Compute | Inference | Data | Analytics | Training.
  3. Para matices específicos de agentes: Qué es un AI agent y Assistant, copilot, chatbot, agent.

"Quiero entender la propia tecnología de IA"

  1. Qué es la inteligencia artificial — visión general del campo.
  2. Qué es un AI model — el bloque de construcción central.
  3. Qué es el machine learning — cómo aprenden los modelos a partir de los datos.
  4. Qué es un large language model — el tipo de modelo más común en crypto IA.
  5. Qué es la inferencia — cómo un modelo entrenado produce salidas.
  6. Benchmarks y métricas de calidad — cómo se mide la calidad del modelo.

Preguntas frecuentes

¿Necesito leer todos los artículos enlazados?

No. Usa esta página para elegir una ruta; cada explainer es autónomo. Vuelve aquí cuando necesites un recordatorio de cómo se conectan los temas — por ejemplo, cómo se relacionan los niveles de evidencia con la redacción del AI component.

¿A dónde debo ir si un artículo usa un término que no conozco?

Abre el Árbol de conceptos de arriba y sigue el artículo padre (por ejemplo, de LLM hacia arriba hasta inteligencia artificial), o salta a Cómo leer una ficha de proyecto para ver las definiciones de los campos.

Referencias externas

No comments to display

Back to top