¿Cómo aprenden las máquinas a partir de ejemplos?
El aprendizaje automático consiste en enseñar a un ordenador muchos ejemplos etiquetados, como fotos marcadas «gato» o «perro». Al entrenar, ajusta un modelo hasta que sus suposiciones coinciden con las etiquetas, y luego se prueba con ejemplos nuevos. Cuanto más variados sean los datos de entrenamiento, mejor funciona en situaciones reales que no vio.
▶ Pruébalo
Por qué importa
Un modelo solo sabe lo que le mostraron sus ejemplos. Elegir datos de entrenamiento variados y bien etiquetados importa más que acumular más de lo mismo.
En 6 minutos sabrás
- Aprendizaje automático = ejemplos etiquetados + entrenamiento + prueba con datos nuevos.
- Unos datos de entrenamiento variados ayudan más que muchos del mismo tipo.
- Las etiquetas erróneas y los ejemplos que faltan se convierten en respuestas erróneas.
Lo que vas a practicar
La receta
Todos los modelos de aprendizaje automático se hacen igual.
- 🗂️ Datos de entrenamiento
- Una colección de ejemplos, como miles de fotos de mascotas. Es todo lo que el modelo llegará a saber.
- 🏷️ Etiquetas
- La respuesta correcta de cada ejemplo: «gato» o «perro». Suelen ponerlas personas, así que sus errores se vuelven errores del modelo.
- ⚙️ Entrenamiento
- El modelo adivina, se compara con la etiqueta y se ajusta, una y otra vez, hasta que casi siempre acierta.
- 🧪 Prueba
- Al final se prueba con ejemplos nuevos que nunca vio. Así se ve si aprendió el patrón o solo memorizó las fotos.
Entrena un mini modelo
Elige hasta 5 fotos de entrenamiento y pulsa Entrenar. El modelo se probará con 5 fotos nuevas.
Gato · Perro
Ejemplos de entrenamiento
- Gato atigrado naranja en un sofá → Gato
- Otro gato atigrado naranja, dormido → Gato
- Gato negro en una habitación oscura → Gato
- Gatito diminuto de ojos grandes → Gato
- Gato gris visto de espaldas → Gato
- Perro grande y dorado en el césped → Perro
- Otro perro grande y dorado, corriendo → Perro
- Perro pequeño y peludo en un regazo → Perro
- Cachorro mordiendo un zapato → Perro
- Perro de pie en la nieve → Perro
Casos de prueba
- Un gato negro de noche → Gato
No había ningún gato oscuro en el entrenamiento, así que el modelo nunca aprendió que un gato puede verse así. - Un gatito en una cesta → Gato
Los gatitos no se parecen a los gatos adultos. Sin un ejemplo de gatito, el modelo no tenía en qué basarse. - Un perro grande en un parque → Perro
El modelo nunca vio un perro grande, así que no relacionó esta forma con «perro». - Un perro diminuto en un bolso → Perro
Es fácil confundir un perro pequeño con un gato si el modelo solo vio perros grandes. - Un husky en la nieve profunda → Perro
El fondo nevado era nuevo para el modelo. Importan los lugares variados, no solo los animales variados.
¿Qué has aprendido?
Noor puede añadir 1.000 fotos más. ¿Qué conjunto ayudará más al modelo?
- 1.000 fotos variadas: tamaños, colores, edades y lugares (Respuesta)
- 1.000 fotos más de gatos atigrados naranjas
El modelo acierta el 100 % de sus fotos de entrenamiento, pero falla con las nuevas. ¿Qué ha pasado?
- Memorizó los ejemplos en vez de aprender el patrón (Respuesta)
- Las fotos nuevas estarán mal etiquetadas
Un ayudante etiquetó por error algunos perros como «gato». ¿Qué provoca?
- El modelo también aprende esos errores (Respuesta)
- Nada, el modelo detectará los fallos
Recuerda
Un modelo vale lo que valen sus ejemplos. La variedad gana a la cantidad.
Datos clave
- En un artículo de 1959, el informático Arthur Samuel describió un programa de damas que aprendió a jugar mejor que la persona que lo escribió, un hito temprano del aprendizaje automático. · Fuente: A. L. Samuel, Some Studies in Machine Learning Using the Game of Checkers, IBM Journal of Research and Development, 1959
- El proyecto ImageNet, cuyas fotos etiquetadas ayudaron a impulsar el auge actual del aprendizaje profundo, describía en su primer artículo 3,2 millones de imágenes etiquetadas por trabajadores en línea. · Fuente: Deng et al., ImageNet: A Large-Scale Hierarchical Image Database, CVPR 2009
- MNIST, un conjunto clásico de números escritos a mano, separa 60.000 imágenes para entrenar y 10.000 para probar, así que los modelos se evalúan con dígitos que nunca han visto. · Fuente: LeCun, Bottou, Bengio & Haffner, Gradient-Based Learning Applied to Document Recognition, Proceedings of the IEEE, 1998
- Probar un modelo con ejemplos que no vio durante el entrenamiento es la forma habitual de comprobar que aprendió un patrón general y no memorizó sus datos.
Actualizado:
Preguntas frecuentes
¿Qué son los datos de entrenamiento?
Los datos de entrenamiento son los ejemplos de los que aprende un modelo de aprendizaje automático, como fotos, textos o grabaciones etiquetados. El modelo solo puede aprender patrones que aparecen en esos datos.
¿Qué diferencia hay entre aprendizaje supervisado y no supervisado?
En el aprendizaje supervisado cada ejemplo trae la respuesta correcta, una etiqueta, como «gato». En el no supervisado no hay etiquetas y el modelo busca por sí mismo grupos o estructuras en los datos.
¿Cuántos datos necesita el aprendizaje automático?
Depende de la tarea. Las tareas sencillas pueden funcionar con cientos de ejemplos, y los modelos grandes usan miles de millones. La variedad y unas etiquetas correctas importan a menudo tanto como la cantidad.
¿Qué es el sobreajuste?
El sobreajuste (overfitting) ocurre cuando un modelo memoriza sus ejemplos de entrenamiento en vez de aprender el patrón general. Parece perfecto al entrenar, pero falla con datos nuevos.
Términos relacionados