Què és un LLM i per què es diu així
LLM són les sigles de Large Language Model, o model de llenguatge gran. És un tipus d'intel·ligència artificial entrenat per treballar amb llenguatge humà: entén una petició escrita i genera una resposta també escrita, paraula a paraula.
El "gran" no és màrqueting. Es refereix a dues coses: l'enorme quantitat de text amb què s'ha entrenat (llibres, webs, articles) i el nombre de paràmetres, els valors interns que el model ajusta durant l'entrenament i que solen comptar-se per milers de milions.
ChatGPT, Gemini o Claude són productes construïts sobre un LLM. Segons IBM, un LLM és un model entrenat amb quantitats immenses de dades capaç de comprendre i generar llenguatge natural per a tasques molt diferents: resumir, traduir, redactar o respondre preguntes.
Com funciona per dins: tokens i predicció
La idea central és més senzilla del que sembla: un LLM prediu quina és la paraula següent més probable a partir de tot el que ha llegit abans. Repeteix aquesta jugada un cop i un altre fins a completar la resposta.
Primer de tot, el text es parteix en tokens: trossos de paraula. "Estudiant" es pot convertir en "estudi" + "ant". El model treballa sempre amb tokens, no amb lletres soltes.
Vegem un exemple. Si escrius "La capital de França és", el model calcula quin token té més probabilitat de venir després. Ha vist aquesta frase milers de vegades en el seu entrenament seguida de "París", i per això és el token que tria. No busca en un mapa: reprodueix el patró que va aprendre.
Per decidir a quines paraules del text ha de prestar atenció, els LLM fan servir una arquitectura anomenada transformer, amb un mecanisme d'atenció que pesa quines parts de la frase importen més per predir la següent. És el que li permet mantenir el fil en un paràgraf llarg.
D'on treu aquest coneixement? De dues fases. Primer un entrenament amb quantitats gegantines de text, on aprèn a completar paraules que se li amaguen; després un ajust amb exemples de conversa perquè respongui de manera útil i educada. I tot el que pot tenir en compte alhora cap a la seva finestra de context: si la conversa s'allarga massa, el model comença a oblidar el que vas dir al principi.
Què fa bé i on falla
Entendre els seus límits és el que evita relliscades. Un LLM no té una base de dades de fets: té un model estadístic del llenguatge. Per això de vegades al·lucina: genera una resposta que sona perfecta però és falsa, perquè el seu objectiu és que la frase sigui probable, no que sigui veritat.
| Tasca | Rendiment | Per què |
|---|---|---|
| Resumir un text que li dones | Molt bo | Treballa sobre informació present |
| Reescriure o millorar la teva redacció | Molt bo | És el seu terreny: reformular llenguatge |
| Donar dates, xifres o cites exactes | Poc fiable | Les pot inventar si no les té |
| Càlculs llargs o raonament encadenat | Irregular | Prediu text, no executa operacions |
L'error típic de l'estudiant és tractar-lo com un cercador infal·lible. Li pregunta "en quin any va passar X?" i es refia de la resposta sense contrastar-la. Un altre error habitual: demanar-li la solució d'un problema de física i copiar-la, quan el model pot haver-se equivocat en un signe a mig camí.
Com fer servir un LLM per estudiar sense que et jugui en contra
Ben utilitzat, un LLM és un company d'estudi potent. La regla d'or: fes-lo servir per entendre, no perquè pensi per tu. Aquestes rutines funcionen:
- Demana-li explicacions, no respostes. "Explica'm per què el resultat és aquest" ensenya més que "dona'm el resultat".
- Que et faci preguntes. Demana-li que t'examini d'un tema; posar-te a prova fixa el que has après millor que rellegir.
- Contrasta cada dada concreta. Dates, fórmules i xifres, verifica-les als teus apunts o en una font fiable abans de donar-les per bones.
- Dona-li context. Enganxa el teu enunciat o els teus apunts: sobre informació que li dones, al·lucina molt menys.
Un pla realista: reserva 20 min al final de cada sessió perquè el model et faci preguntes sobre el que acabes d'estudiar. Si repasses així durant 3 setmanes, notaràs la diferència el dia de l'examen. El que mai no hauries de fer és entregar com a teu un text generat sencer: a més de ser trampa, molts centres ja fan servir detectors.
Quan val la pena un professor particular
Una IA et resol dubtes puntuals, però no detecta que arrossegues una llacuna de fa dos temes ni t'obliga a mantenir el ritme. I al Batxillerat el temari s'acumula sol: el que avui és un dubte petit, al juny és un forat. Per això, si vols assegurar el curs, el que de veritat marca la diferència és la continuïtat: un mateix professor que et segueix de setembre a juny, coneix els teus punts febles i ajusta el ritme. El pla anual d'Eurekademy va justament d'això, sense permanència, a terminis sense interessos i amb descompte per pagament avançat.
Si prefereixes provar abans de decidir el curs sencer, pots començar amb una primera classe amb 50% de descompte i veure si encaixa, sense compromís. Fes un cop d'ull a les nostres classes particulars de reforç per a Batxillerat i decideix amb calma. Molts alumnes recuperen 2 hores d'angoixa setmanal només per tenir algú que els ordena l'estudi.
Preguntes freqüents
Un LLM pensa o entén de veritat?
No en el sentit humà. Un LLM no té consciència ni comprèn significats: modela relacions estadístiques entre paraules a partir del text amb què es va entrenar. Dona respostes coherents perquè ha après patrons del llenguatge, no perquè sàpiga de què parla.
Per què de vegades s'inventa les respostes?
Se'n diu al·lucinació. El model sempre busca la continuació més probable d'una frase, i quan no té la informació correcta genera igualment alguna cosa que sona versemblant. Per això cal contrastar sempre les dades concretes, sobretot dates, xifres i cites.
Fer servir la IA per estudiar és fer trampa?
Depèn de com. Demanar-li que t'expliqui un concepte o que t'examini és una manera legítima i molt eficaç d'aprendre. Entregar com a propi un treball generat del tot sí que és trampa i cada cop es detecta més. La frontera és si l'esforç d'aprendre el fas tu.