Aprendizaje automático: encontrar patrones en ejemplos — Informática, 11–13 años
En el aprendizaje automático, las personas dan muchos ejemplos al ordenador en vez de escribir cada regla a mano. El ordenador encuentra patrones en esos ejemplos y los usa para hacer una predicción útil.
Aprender de ejemplos
Un sistema de aprendizaje automático estudia ejemplos proporcionados por personas, como imágenes marcadas «gato» o «no es gato». Ajusta su patrón interno hasta poder hacer una predicción sobre una imagen nueva. No aprende como una persona: encuentra regularidades en los datos.
¿Por qué aprender de ejemplos?
Algunas tareas son demasiado complicadas para describirlas con una lista breve de reglas. Reconocer voz, caras o mensajes basura depende de muchas pistas pequeñas y difíciles de escribir. Los ejemplos permiten al ordenador usarlas sin detallar cada cosa.
Clasificar mensajes
Un filtro ve 100 mensajes: 60 marcados como «normales» y 40 como «basura». Paso 1: mide pistas como anuncios repetidos o enlaces extraños. Paso 2: compara un mensaje nuevo con los patrones. Paso 3: predice «basura», pero puede equivocarse.
Una predicción no es una certeza
Es fácil pensar que un sistema que aprendió con ejemplos siempre tiene que saber la respuesta. Es comprensible, porque sus resultados seguros pueden parecer inteligentes. Pero puede encontrar un caso nuevo, un ejemplo malo o un patrón injusto, así que hay que comprobarlo.
Recomendaciones y accesibilidad
El aprendizaje automático puede recomendar una canción, convertir palabras habladas en subtítulos o ayudar a una cámara a identificar objetos. Puede ser útil, pero depende de ejemplos anteriores y puede fallar con personas o situaciones diferentes. El criterio humano sigue siendo importante.
Sigue explorando
Otros idiomas
Cargando MyLeoNes™…