noun
La deriva del modelo de IA (o model drift) ocurre cuando un modelo de IA deja de funcionar bien porque los datos reales difieren de los datos con los que se entrenó. Esto pasa porque los comportamientos, las tendencias lingüísticas o los contextos evolucionan, haciendo que las suposiciones del modelo queden obsoletas.
Por ejemplo, un modelo de lenguaje entrenado en 2020 puede no entender el argot o las referencias culturales de 2024. Un generador de imágenes podría producir estilos anticuados si sus datos de entrenamiento no se actualizan. La deriva obliga a los desarrolladores a retrainear o ajustar los modelos periódicamente para mantener su rendimiento.
En la práctica, esto significa que las empresas deben monitorear continuamente sus sistemas de IA. Si no se corrige, la deriva puede llevar a errores costosos. Por ejemplo, un asistente virtual podría dar información errónea sobre productos recientes. Retrainear un modelo cuesta tiempo y recursos, pero ignorar la deriva cuesta aún más a largo plazo.
Un chatbot entrenado en 2021 empieza a dar respuestas obsoletas sobre modelos de smartphones en 2024.
En otros idiomas
Véase también: model fine-tuning