Inteligencia Artificial

En la publicación anterior, hablábamos acerca de los parámetros en la IA y de su importancia.

Uno de los detalles que quedaban en el aire, era el porqué del tamaño fijo en un embedding. Así que hoy te cuento todo sobre este detalle tan importante.

Cuando le preguntamos algo a una IA, como siempre decimos, no «lee» letras. Cada palabra, cada concepto, se transforma en una lista de 4.096 números. Esto se llama embedding, y es la clave para que la IA entienda el mundo.

🌐 Tu palabra, es un punto en un universo de 4.096 dimensiones.

Imagina que cada palabra que conoces (desde «Manzana» hasta «Ciberseguridad») no es más que un punto en un espacio abstracto. Pero este espacio no es 2D ni 3D 😁… tiene 4.096 dimensiones.

Cada uno de esos 4.096 números es una «coordenada» que define un matiz específico de esa palabra: su sabor, su emoción asociada, su contexto técnico o tecnológico (manzana=Apple), etc.
La IA «entiende» porque, si «Manzana» y «Pera» están cerca en este espacio de 4.096 dimensiones, sabe que están relacionadas.

Vamos ahora, tras reforzar lo anterior, con el meollo.

💡 ¿Por qué exactamente 4.096 y no otro número?

No es un número arbitrario, sino una decisión de ingeniería inteligente:
✅ Potencias de Dos: Los chips de computadora y el hardware en general están optimizados para trabajar con potencias de dos (2, 4, 8, 16…). Esto hace que los cálculos sean exponencialmente más rápidos y eficientes.
✅ El «Sweet Spot» de la Ingeniería: Después de muchas pruebas, los ingenieros de LLMs descubrieron que 4.096 (2 elevado a la 12 🤗) ofrece el equilibrio perfecto:
👉🏼 Capacidad: Permite que la IA capte matices complejos del lenguaje (ironía, sarcasmo, jerga técnica) que modelos con menos dimensiones no podrían diferenciar.
👉🏼Eficiencia: Ir más allá (ej. 8192 dimensiones) sería hoy día prohibitivamente caro, lento de entrenar y consumiría demasiados recursos computacionales y energéticos para la mejora marginal obtenida.

Como vemos seguimos sin mostrar magia, solo matemáticas increíblemente sofisticadas.

Es fascinante ver cómo las decisiones de hardware influyen directamente en la capacidad lingüística de los modelos de IA. ¿Verdad?

En esta guerra por estar en la cima del mercado de la Inteligencia Artificial, a menudo escuchamos cifras astronómicas: modelos con 70.000 millones, 175.000 millones, o incluso en el caso de Gemini 3 (al momento de este artículo), ya se hablaba públicamente de 1 billón de parámetros (aunque se comenta que en realidad eran unos 7 billones) y con GPT-4.5 se dice que ronda los 10 billones 😮.
Pero, ¿Qué significa esto? ¿Más parámetros son siempre un sinónimo de «más inteligente»? Pues como decimos muchas veces con los modelos: no es el tamaño, sino como se usa. Es geometría 🤔.

🔍 1. El concepto:
Voy a tomar un ejemplo que leí en su día y que creo que lo explica bien. Imaginemos que el cerebro de una IA es una red gigantesca de mandos o diales de volumen. Cada uno de esos diales es un parámetro. Durante el entrenamiento, la IA ajusta estos billones de diales para que, cuando tú le preguntes algo, la información fluya por los ajustes correctos y entregue la respuesta adecuada.

📋 2. De la palabra al número (Embeddings)
Para una IA, las palabras no existen; solo existen las coordenadas.

Cuando escribes «Manzana», la IA la traduce a una incrustación (embedding): una lista fija de 4.096 números (vectores).
👉🏼 Estos números sitúan a la palabra en un espacio multidimensional.
👉🏼 Si dos palabras tienen listas numéricas similares, la IA «sabe» que están relacionadas (como «Manzana» y «Pera») por su cercanía matemática.

⚙️ 3. ¿Qué hacen realmente los Parámetros?
Los parámetros son entonces, las reglas matemáticas que deciden cómo esos 4.096 números cambian a medida que la frase avanza. Son los que calculan la probabilidad de que, tras la palabra «Comer», la siguiente sea «Manzana» y no «Coche». Es la unidad básica de su «conocimiento».

⚠️ 4. El problema del Sesgo (Bias)
¿Lo recordáis de una publicación anterior? Los parámetros no se ajustan al azar; lo hacen según los datos de entrenamiento.
👉🏼 Sesgo por asociación: Si en los datos la palabra «Médico» aparece siempre cerca de «Hombre», los parámetros fortalecerán esa conexión matemática.
👉🏼 El sesgo no es un error de código, es un reflejo matemático de nuestros prejuicios capturados en esos billones de ajustes.

💡 Conclusión:
Al final, es Eficiencia vs. Fuerza Bruta 😅. Estamos viendo que modelos más pequeños (SLM), si están mejor entrenados, pueden superar a gigantes de 100B parámetros. Por ello, entiendo que el futuro de la IA no es solo crecer en tamaño (que seguirán creciendo), sino en densidad de inteligencia y en la corrección de esos sesgos heredados. Y más cuando se unan computación cuántica y modelos. Aunque eso (y porqué los 4096 que apuntaba antes 😛), será para otra publicación.

La IA, como vemos, no «entiende» conceptos. Al final, calcula distancias y probabilidades 😁.

El pasado viernes tuve el placer de asistir a la DevFest Ponferrada 2025, un evento crucial organizado por el GDG Ponferrada que, con este año, se consolida como un punto de encuentro fundamental para la comunidad tecnológica del norte de España.

¿Qué es una DevFest?

Para contextualizar, las DevFests (Developer Festival) son una serie de conferencias tecnológicas que se celebran de forma global, lideradas y organizadas por los Google Developer Groups (GDG). Estos eventos son la celebración anual de la tecnología y están diseñados por organizadores locales, como el GDG Ponferrada, para adaptarse a las necesidades e intereses de su comunidad. El objetivo es simple: conectar a desarrolladores y profesionales, facilitar el aprendizaje práctico y compartir las últimas novedades en tecnologías de Google (como Android, Flutter, Google Cloud, o Gemini) y otros temas relevantes para el ecosistema.

Los DevFests son conocidos por su enfoque práctico y la calidad de sus ponencias, y esta edición no fue la excepción. A lo largo del día, pude sumergirme en seis charlas que cubrían desde la evolución del desarrollo móvil hasta las aplicaciones más disruptivas de la Inteligencia Artificial y la Realidad Virtual.

A continuación, os comparto mis principales aprendizajes y reflexiones sobre las sesiones a las que asistí.

🧠 Foco en Inteligencia Artificial, Machine Learning y Desarrollo

La IA generativa y los grandes modelos de lenguaje (LLMs) dominaron una parte significativa de la agenda, mostrando su rápido avance y su integración directa en el desarrollo de productos.

ADK con Gemini: Desarrollando Agentes y Mejorando Servicios

Una de las ponencias más prácticas fue la dedicada al ADK (Application Development Kit) con Gemini. Pude observar cómo la plataforma de Google facilita la creación de agentes sencillos desde cero. Más allá de la teoría, fue especialmente revelador el potencial que ofrece para mejorar servicios existentes, como la demostración de convertir una simple imagen estática en un video dinámico, todo gracias a la capacidad multimodal de Gemini y siguiendo la documentación y workflows propuestos por Google.

Vision Language Models (VLM): Comprendiendo los Conceptos Clave

En un contexto más fundamental, la sesión sobre Vision Language Models ofreció una panorámica magnífica y necesaria. Se abordaron todos los conceptos generales que subyacen a estos modelos que fusionan la visión por computador y el procesamiento de lenguaje natural. Fue una excelente explicación para clarificar cómo la tecnología interpreta y relaciona el texto con el contenido visual en un solo modelo unificado.

Construyendo Experiencias Inclusivas con GenAI y el Lenguaje de Signos

Esta charla destacó por su enfoque en el impacto social. Se presentó un caso práctico sobre cómo utilizar la IA Generativa no solo como una herramienta de productividad, sino como un medio para crear experiencias verdaderamente inclusivas. La aplicación del machine learning al lenguaje de signos es un ejemplo poderoso de cómo la tecnología puede reducir barreras y promover la accesibilidad en productos y servicios digitales.

💻 Arquitectura y Evolución del Desarrollo

El evento también dedicó espacio a la evolución de las prácticas de ingeniería y la arquitectura de software, áreas fundamentales para la escalabilidad y el mantenimiento de sistemas complejos.

Layouts Adaptativos: El Salto en Desarrollo Android

La sesión sobre Layouts adaptativos en Android fue de gran interés para quienes trabajamos en el ecosistema móvil. Pude constatar la significativa evolución, desde las complejas configuraciones basadas en ficheros XML que predominaban hasta hace poco, hasta la tendencia actual de unificar el desarrollo de interfaces en las nuevas versiones del sistema. Un movimiento clave hacia la simplicidad y la consistencia entre diferentes factores de forma.

De DevSecOps a Platform Engineering: Cuándo «Elevar» a Plataforma

Un tema candente en la ingeniería moderna es la transición de DevSecOps hacia el enfoque de Platform Engineering. La ponencia aportó una claridad vital sobre la definición de este nuevo rol y, lo más importante, sobre los criterios y el momento adecuado para «elevar» un conjunto de herramientas y servicios internos a una Plataforma Interna de Desarrollo (Internal Developer Platform – IDP). Una guía crucial para la toma de decisiones arquitectónicas.

🔬 Innovación Tecnológica con Impacto

Finalmente, la DevFest nos recordó que la tecnología no solo optimiza procesos, sino que puede transformar campos enteros, como el de la salud.

Dose.VR() y el Uso de Iniciativas de Inmersión en Terapias

La charla Dose.VR() exploró la aplicación de la Realidad Virtual (VR) como iniciativa de inmersión en el ámbito terapéutico. Fue una demostración fascinante del potencial de las tecnologías inmersivas durante los tratamientos, el manejo del dolor o la rehabilitación. Una prueba tangible de que la tecnología va mucho más allá de las pantallas que usamos a diario.

Conclusión: El Espíritu del GDG Ponferrada

La DevFest Ponferrada 2025, para mí, fue un rotundo éxito. La calidad de los speakers y la variedad de temas cubiertos ofrecieron una visión de 360 grados sobre el panorama tecnológico actual.

Mi sincera enhorabuena al equipo organizador del Google Developer Group de Ponferrada. Este grupo sin ánimo de lucro, formado por desarrolladores y entusiastas, tiene la misión de aprender e intercambiar conocimientos sobre tecnologías de Google y otras áreas. Liderado por David Martínez, Jaime Riesco y TxeTxu A. Alvarez, el GDG Ponferrada demuestra cómo la pasión por la tecnología y la colaboración pueden crear eventos de referencia y un gran ambiente comunitario.

Eventos como este son esenciales para mantenernos al día y fomentar el networking dentro de nuestra comunidad. ¡Ya estoy esperando con ilusión la próxima edición!