Machine learning explicado
¿Cómo aprende una máquina?
Un recorrido con el scroll, sin fórmulas: de un montón de datos desordenados a un sistema que predice y que sabe cuándo desconfiar de sí mismo.
Desliza para empezar
Los datos
Todo empieza con un montón de ejemplos: fotos, precios, mensajes, medidas. Cada punto de esta nube es un caso real, todavía sin ningún orden.
La limpieza
Antes de aprender algo hay que ordenar la casa: quitar los ejemplos duplicados o rotos (en rojo) y separar una parte para entrenar y otra para comprobar después si el sistema funciona de verdad.
El modelo intenta
El sistema empieza adivinando: traza una frontera sencilla entre los dos grupos. Al principio se equivoca con muchos casos — son los puntos que parpadean, mal clasificados.
El aprendizaje
Cada error empuja un poco los parámetros internos en la dirección que lo reduce. El sistema repite esto miles de veces por segundo, y la frontera se va curvando hasta ajustarse a los datos.
La predicción
Llega un caso nuevo, sin color, que el sistema nunca ha visto. Aprender no es memorizar los ejemplos de antes: es acertar con lo que viene después, con una probabilidad asociada a cada respuesta.
La vigilancia
El mundo cambia y los datos con él. Un buen sistema se vigila a sí mismo y enciende una alarma cuando lo que recibe ya no se parece a aquello con lo que aprendió.
Esto ha sido una versión simplificada, pero el proceso de fondo es este: datos, error, ajuste, predicción y vigilancia.