Machine Learning (ML)
Aprendizaje automático
En una frase
ML: una rama de la IA en la que las computadoras aprenden patrones a partir de datos en lugar de seguir reglas programadas a mano.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
En la programación tradicional, una persona escribe las reglas: «si el correo contiene X, márcalo como spam». En Machine Learning le das a la computadora miles de ejemplos —correos marcados como spam y como no spam— y ella descubre por sí misma qué patrones los distinguen.
El resultado de ese aprendizaje es un modelo: una función que, ante un ejemplo nuevo, produce una predicción.
Nivel técnico
Profundizando
Formalmente, ML busca una función f que aproxime la relación entre entradas x y salidas y a partir de un Dataset. El proceso de entrenamiento ajusta los parámetros de f para minimizar una función de pérdida mediante un método de optimización como Gradient Descent.
Se divide en paradigmas según el tipo de señal disponible: supervisado (ejemplos etiquetados), no supervisado (sin etiquetas), autosupervisado (las etiquetas salen de los propios datos) y por refuerzo (recompensas). El objetivo real no es memorizar los datos, sino generalizar a casos nuevos.
Comparación
Programación tradicional vs. Machine Learning
| Aspecto | Programación tradicional | Machine Learning |
|---|---|---|
| Entrada | Reglas + datos | Datos + respuestas esperadas |
| Salida | Respuestas | Un modelo (las «reglas» aprendidas) |
| Quién define la lógica | El programador | El algoritmo de entrenamiento |
| Funciona mejor cuando | Las reglas son claras y estables | Las reglas son difíciles de escribir (ver, leer, predecir) |
¿Por qué importa?
Es el motor de casi toda la IA actual. Cuando un producto «aprende», predice o recomienda, casi siempre hay un modelo de machine learning detrás.
¿Dónde se utiliza?
- Filtros de spam
- Recomendaciones
- Predicción de demanda
- Detección de fraude
- Diagnóstico médico asistido
Antes de aprender esto
Si alguno te resulta nuevo, empieza por ahí.
- Inteligencia ArtificialEl campo que construye sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones.
- DatosLa información —texto, imágenes, números, audio— de la que un modelo aprende y sobre la que hace predicciones.
Continúa aprendiendo
- Supervised LearningAprender a partir de ejemplos que incluyen la respuesta correcta, para luego predecirla en casos nuevos.
- Neural NetworkUn modelo formado por capas de unidades simples conectadas entre sí, que aprende ajustando la fuerza de esas conexiones.
- Deep LearningUn tipo de machine learning que usa redes neuronales con muchas capas para aprender representaciones cada vez más abstractas de los datos.
Conceptos relacionados
Aparece en la ruta Cómo funciona ChatGPT.