Beginner’s Guide to Generative AI

Publicada por Springer en la serie Synthesis Lectures on Computer Science (2026), esta obra ofrece una ruta de entrada estructurada y pedagógica a la inteligencia artificial generativa moderna. El libro está concebido para estudiantes universitarios, programadores principiantes y profesionales técnicos que no cuentan con formación previa en inteligencia artificial o matemáticas avanzadas, pero desean entender tanto los fundamentos conceptuales como el funcionamiento práctico de las arquitecturas generativas contemporáneas (modelos de difusión, Transformers y grandes modelos de lenguaje como ChatGPT y Google Bard).

El contenido desglosa la transición desde las redes neuronales artificiales clásicas y el aprendizaje profundo hasta los modelos generativos de texto e imagen. Cubre la arquitectura de autoencoders variacionales (VAEs), los modelos de difusión (utilizados en la síntesis de imágenes) y la mecánica de autoatención de los Transformers. En el plano práctico, el libro guía la configuración de entornos en Python e introduce la biblioteca Transformers de Hugging Face y las APIs de modelos de lenguaje para interactuar programáticamente con LLMs. Asimismo, analiza casos de aplicación en sectores reales como el análisis empresarial, la sanidad y la tecnología jurídica (legal tech), junto con los desafíos éticos del sesgo algorítmico y la privacidad.

El enfoque del libro es mixto: intercala explicaciones conceptuales y matemáticas accesibles con tutoriales de código paso a paso y demostraciones prácticas en Python para cargar modelos preentrenados y ejecutar tareas de inferencia de texto e imagen. Su principal fortaleza es que democratiza temas habitualmente complejos —como las ecuaciones matemáticas de los modelos de difusión y la atención multicabezal— sin perder rigor académico. No aborda la arquitectura de sistemas en producción a gran escala ni el entrenamiento distribuido desde cero, pero sienta una base conceptual y práctica sólida. Conviene tener conocimientos básicos de sintaxis en Python para aprovecharlo plenamente.