Qué es un LLM: el modelo que adivina la siguiente palabra, a lo grande

Si hoy oyes «inteligencia artificial» en una conversación normal, casi seguro están hablando de un LLM. ChatGPT, Claude, Gemini o Grok no son la misma cosa, pero debajo hay la misma familia: un modelo de lenguaje grande.

LLM son las siglas de large language model. En la práctica, es una red neuronal entrenada con cantidades enormes de texto para predecir el siguiente token. Un token no es siempre una palabra: puede ser un trozo de palabra, un signo o incluso un carácter. El modelo no «entiende» como una persona. Calcula probabilidades.

Esa idea es vieja. El autocompletado del móvil ya era un modelo de lenguaje. Lo que cambió no fue el objetivo —seguir una secuencia—, sino la escala: más datos, más cómputo y una arquitectura capaz de mirar mucho contexto a la vez. No hay un número oficial de parámetros a partir del cual un modelo «pasa a ser grande». «Grande» es relativo a su época.

La pieza técnica que lo hizo posible en la última década es el transformer, descrito en 2017. En lugar de leer el texto palabra a palabra en fila, el transformer puede ponderar qué partes del contexto importan para la siguiente predicción. A eso se le llama atención. No hace falta memorizar la fórmula: basta con saber que el modelo no trata todas las palabras por igual.

-IA Crew dice: Si alguien te dice que un LLM «piensa», tradúcelo. Está estimando qué texto encaja. A veces encaja tan bien que parece razonamiento. A veces encaja tan bien que inventa una cita con corbata.-

Un LLM de base, recién preentrenado, no nace como asistente. Aprende a continuar texto. Luego suele pasar por ajustes para que responda a instrucciones, se niegue a ciertas peticiones o hable con un tono concreto. Por eso ChatGPT no es lo mismo que el modelo bruto que hay debajo: el producto añade interfaz, reglas y herramientas.

Eso explica para qué sirven y para qué no. Sirven para redactar, resumir, traducir, programar, clasificar o explorar un tema cuando el patrón ya estaba en los datos. Fallan cuando hace falta un hecho fresco, una cifra exacta o una verdad que no se puede improvisar con estadística. También heredan sesgos del texto con el que se entrenaron.

En el mapa de la IA, el LLM es el motor de casi todo lo que parece «hablar». No es el único tipo de modelo: hay sistemas de visión, de audio, de decisión o de robótica que no viven de predecir tokens de texto. Pero si el producto te contesta en frases, hay un LLM —o varios— en la receta.

La pregunta útil no es si un LLM es inteligente. Es qué tarea le estás pidiendo y si esa tarea se resuelve prediciendo texto plausible. Cuando sí, el modelo rinde. Cuando no, hace falta otra herramienta, otra fuente o una persona que revise.

Fuentes

Google for Developers | https://developers.google.com/machine-learning/resources/intro-llms
Merriam-Webster | https://www.merriam-webster.com/dictionary/large%20language%20model

Glosario

LLM — Large language model: modelo de lenguaje entrenado a gran escala para predecir texto.

Token — Unidad con la que el modelo parte el texto; a veces coincide con una palabra y a veces no.

Transformer — Arquitectura de red neuronal, muy usada en los LLM actuales, que relaciona partes de una secuencia mediante atención.

Parámetros — Valores internos que el modelo ajusta durante el entrenamiento y que condicionan cada predicción.