# LLM

> Una red neuronal entrenada con muchísimo texto para predecir la próxima palabra.

- Nivel: Básico
- Temas: IA
- URL: https://tidbit.legios.com.ar/es/llm/
- En inglés: [LLM](https://tidbit.legios.com.ar/llm/)

Un **LLM** (Large Language Model, modelo de lenguaje grande) es una red neuronal entrenada con una cantidad enorme de texto: libros, sitios web, código, conversaciones. Su único trabajo durante el entrenamiento es adivinar el próximo token de una secuencia. Hacelo lo suficientemente bien sobre billones de palabras y el modelo termina absorbiendo gramática, hechos, estilos de escritura y una cantidad sorprendente de razonamiento.

Cuando escribís una pregunta en Claude o en ChatGPT, el modelo no busca nada en ningún lado. Lee tu prompt, lo convierte en tokens y produce la respuesta de a un token por vez, eligiendo cada vez una continuación probable. El texto que ves es esa cadena de predicciones, pegada.

'Grande' se refiere a la cantidad de pesos (parámetros), miles de millones, y a la escala de datos y de horas de GPU que llevó entrenarlo. Los modelos más grandes suelen generalizar mejor, pero también son más lentos y más caros de correr; por eso las empresas ofrecen varios tamaños del mismo modelo.

Los LLMs importan porque convirtieron el lenguaje en una interfaz: describís lo que querés en palabras comunes y recibís un borrador, un resumen, una traducción o código que funciona. También inventan cosas con total seguridad (alucinación), así que funcionan mejor con una persona revisando el resultado.

## Una analogía

El autocompletado del celular, pero entrenado con casi todo lo escrito en internet y tan bueno adivinando la próxima palabra que puede sostener una conversación.

## Para quedarse

- Un LLM genera texto de a un token por vez, prediciendo el más probable.
- Su conocimiento queda congelado en los pesos al momento de entrenarlo; no navega salvo que le den herramientas.
- Claude, GPT, Gemini y Llama son todos LLMs; difieren en tamaño, datos y decisiones de entrenamiento.
- Que suene bien no significa que sea cierto: verificá los datos.

## Para seguir leyendo

- [3Blue1Brown: ¿Qué es un GPT? (subtítulos en español)](https://www.3blue1brown.com/lessons/gpt)
- [Modelo de lenguaje grande en Wikipedia (en inglés)](https://en.wikipedia.org/wiki/Large_language_model)

## Términos relacionados

- [Red neuronal](https://tidbit.legios.com.ar/es/neural-network/): Una pila de unidades matemáticas chiquitas que aprende patrones a partir de ejemplos.
- [Entrenamiento e inferencia](https://tidbit.legios.com.ar/es/training-and-inference/): Entrenar construye el modelo una vez; inferir es usarlo, millones de veces por día.
- [Token](https://tidbit.legios.com.ar/es/token/): El pedacito de texto que un modelo de lenguaje realmente lee.
- [Claude](https://tidbit.legios.com.ar/es/claude/): La familia de modelos de IA de Anthropic, y el asistente construido sobre ellos.
- [ChatGPT](https://tidbit.legios.com.ar/es/chatgpt/): El asistente de chat de OpenAI, la app que llevó los chatbots de IA al público.
- [Prompt](https://tidbit.legios.com.ar/es/prompt/): Todo lo que le mandás a un modelo de IA: la pregunta, las instrucciones, el contexto.
- [GPU](https://tidbit.legios.com.ar/es/gpu/): El chip que hace miles de cálculos simples al mismo tiempo.
- [Alucinación](https://tidbit.legios.com.ar/es/hallucination/): Cuando un modelo de IA afirma algo falso con total seguridad.