Este artículo presenta un estudio exhaustivo sobre cómo aplicar modelos de lenguaje preentrenados a gran escala (modelos de base) al Internet de las Cosas (IoT). Para abordar los desafíos de los enfoques de aprendizaje automático existentes, que a menudo presentan insuficiencia de datos y sobreajuste a tareas específicas, nos centramos en las ventajas de los modelos de base, que pueden generalizarse a una amplia gama de tareas. A diferencia de estudios previos centrados en tareas específicas del IoT, este artículo categoriza y analiza sistemáticamente la investigación existente en torno a cuatro objetivos de rendimiento comunes: eficiencia, conocimiento de la situación, seguridad y privacidad. Para cada objetivo, revisamos estudios representativos y resumimos las técnicas y métricas de evaluación más utilizadas, lo que permite realizar comparaciones significativas entre dominios del IoT y proporciona información práctica para seleccionar y diseñar soluciones basadas en modelos de base para nuevas tareas del IoT. Finalmente, sugerimos futuras líneas de investigación y ofrecemos directrices para que profesionales e investigadores promuevan el uso de los modelos de base en aplicaciones del IoT.
