Aprendizaje automático a partir de ejemplos — Tecnología, 14–17 años
Descubre cómo un sistema aprende patrones a partir de datos y por qué sus respuestas dependen de los ejemplos que recibe.
Aprender un patrón a partir de datos
En el aprendizaje automático, las personas dan al ordenador muchos ejemplos y una forma de medir los errores. El ordenador ajusta un modelo hasta encontrar patrones útiles para casos nuevos. No memoriza simplemente una regla escrita por un programador; ajusta una regla a los datos, que pueden estar incompletos o sesgados.
Por qué se necesitó el aprendizaje automático
Algunas tareas son fáciles de explicar, pero difíciles de convertir en instrucciones fijas, como reconocer una cara o predecir si un correo no deseado. El software tradicional necesitaba que las personas describieran cada característica y excepción. El aprendizaje automático surgió para usar muchos ejemplos cuando el patrón es demasiado complejo o cambia demasiado para reglas escritas a mano.
Una pequeña predicción
Imagina un modelo que predice si una planta necesita agua usando la humedad del suelo: los ejemplos secos son 10, 20 y 30, y los húmedos son 60, 70 y 80. Una lectura nueva de 25 está más cerca del grupo seco, así que el modelo predice “necesita agua”. Puede equivocarse si cambian la planta, el sensor o los ejemplos.
La trampa: confianza no significa acierto
Un sistema de aprendizaje automático puede dar una respuesta clara con una confianza alta y aun así equivocarse. Es natural confiar en quien habla con seguridad porque, en una conversación, la certeza puede indicar conocimiento. Pero esa puntuación describe la comparación interna del modelo con sus ejemplos, no una garantía sobre el mundo real, especialmente ante un caso poco habitual.
Predicciones en la tecnología diaria
Los sistemas de recomendación sugieren canciones, películas o productos al encontrar patrones en lo que la gente ha visto y elegido. Los teclados predicen la siguiente palabra y las aplicaciones de fotos agrupan caras o escenas parecidas. Estas herramientas ahorran tiempo, pero sus sugerencias reflejan los datos y objetivos de sus diseñadores, no una visión neutral de lo mejor.
Sigue explorando
Otros idiomas
Cargando MyLeoNes™…