Las capacidades y limitaciones de la IA generativa representan aproximadamente el 20% del examen AIF-C01. Temas clave: alucinación, no determinismo, ventana de contexto, límite de conocimiento y criterios de selección de modelos.
---
Alucinación — Cuando la IA inventa información
La alucinación ocurre cuando una IA genera información factualmente incorrecta con total confianza.
El mejor método para mitigar la alucinación es RAG, que fundamenta las respuestas en documentos reales.
Métodos de mitigación
| Método | Efecto | |--------|--------| | RAG | Más efectivo — fundamenta respuestas en documentos reales | | Temperatura baja | Respuestas más conservadoras y consistentes | | Revisión humana | Persona confirma decisiones críticas |
---
No determinismo y Temperature
El mismo modelo puede dar respuestas diferentes a la misma pregunta. Temperature controla esto:
Temperature baja (0.0–0.2): Respuestas predecibles — ideal para resúmenes legales, Q&A factual Temperature alta (0.8–1.0): Respuestas creativas — ideal para lluvia de ideas, escritura creativa
---
Límite de conocimiento y ventana de contexto
Límite de conocimiento: El modelo desconoce eventos posteriores a su fecha de entrenamiento. Solución: usar RAG Ventana de contexto: Número máximo de tokens que el modelo puede procesar en una solicitud
---
Puntos clave para el examen
"IA genera información falsa con confianza" — Alucinación "Mejor solución para la alucinación" — RAG "Temperature baja" — Respuestas predecibles y consistentes "Temperature alta" — Respuestas creativas y variadas "Modelo desconoce eventos posteriores al entrenamiento" — Límite de conocimiento "Máximo de tokens en una solicitud" — Ventana de contexto