Aprendizaje automático

El aprendizaje automático (AA; del inglés machine learning, ML), también denominado aprendizaje de máquinas, es una rama de la inteligencia artificial y un campo de las ciencias de la computación dedicado al estudio de algoritmos y modelos que mejoran su desempeño en determinadas tareas a partir de datos y experiencia. En lugar de establecer manualmente todas las reglas necesarias para resolver un problema, estos métodos permiten estimar patrones, relaciones o estrategias mediante un proceso de aprendizaje.^[1]^[2]

En una formulación clásica, un programa aprende a partir de la experiencia $E$ respecto de una tarea $T$ y una medida de rendimiento $P$ si su rendimiento en $T$ , medido mediante $P$ , mejora con $E$ .^[1] Entre sus aplicaciones se encuentran la clasificación, la regresión, la agrupación de datos, la detección de anomalías, el reconocimiento del habla, la visión artificial, los sistemas de recomendación y el procesamiento de lenguaje natural.

En muchas ocasiones el campo de actuación del aprendizaje automático se solapa con el de la estadística inferencial, ya que las dos disciplinas se basan en el análisis de datos. Sin embargo, el aprendizaje automático incorpora las preocupaciones de la complejidad computacional de los problemas. El aprendizaje automático también está estrechamente relacionado con el reconocimiento de patrones.^[3] El aprendizaje automático no se limita a los métodos estadísticos: también comprende técnicas de optimización, representación del conocimiento y toma de decisiones secuenciales.

Historia

Los antecedentes del aprendizaje automático se encuentran en la estadística, el reconocimiento de patrones y las primeras investigaciones sobre inteligencia artificial. Durante la década de 1950 se desarrollaron programas capaces de modificar su comportamiento a partir de la experiencia y modelos inspirados en el funcionamiento de las neuronas. En 1958, Frank Rosenblatt presentó el perceptrón, un modelo temprano de aprendizaje neuronal.^[4]

La expresión inglesa machine learning se popularizó a partir de los trabajos de Arthur Samuel, quien publicó en 1959 un estudio sobre un programa de damas que mejoraba su juego mediante la experiencia acumulada.^[5]

En las décadas siguientes avanzaron distintos enfoques, entre ellos los sistemas de aprendizaje de reglas, los árboles de decisión, los modelos probabilísticos y las redes neuronales artificiales. La difusión de la retropropagación durante la década de 1980 favoreció el entrenamiento de redes con capas intermedias; más adelante adquirieron importancia las máquinas de vectores de soporte y los métodos de combinación de modelos, como los bosques aleatorios.^[6]^[7]

A partir de la década de 2010, la disponibilidad de conjuntos de datos extensos, los avances algorítmicos y el empleo de procesadores gráficos favorecieron la expansión del aprendizaje profundo, particularmente en el reconocimiento de imágenes, voz y lenguaje.^[8] En 2017 se presentó la arquitectura de transformadores, basada en mecanismos de atención, que tuvo una influencia destacada en el desarrollo de modelos de lenguaje y otros sistemas generativos.^[9]

Fundamentos

Datos, características y modelos

El aprendizaje automático suele partir de un conjunto de observaciones o ejemplos. Cada observación puede describirse mediante un vector de características o variables de entrada $𝐱$ . En el aprendizaje supervisado se dispone además de una salida objetivo $y$ , que puede ser una categoría o un valor numérico.

El resultado del entrenamiento es un modelo, es decir, una representación matemática o computacional que permite relacionar las entradas con determinadas salidas, identificar estructuras en los datos o seleccionar acciones. En los modelos predictivos puede escribirse, de manera general:

$\hat{y} = f_{𝜽} (𝐱)$

donde $𝜽$ representa los parámetros aprendidos a partir de los datos. En otros paradigmas, el modelo puede representar una distribución de probabilidad, una agrupación de observaciones, una representación interna de los datos o una política de actuación.^[3]^[2]

El aprendizaje automático tiene como resultado un modelo para resolver una tarea dada. Entre los modelos se distinguen^[10] los enfoques geométricos, probabilísticos y lógicos, aunque no constituyen categorías excluyentes.

Ejemplo introductorio

Un ejemplo de aprendizaje supervisado es un filtro de correo no deseado. Para entrenarlo se recopilan mensajes previamente etiquetados como deseados o no deseados. El algoritmo identifica relaciones entre ciertas características de los mensajes y las etiquetas conocidas, y ajusta un modelo para estimar la categoría de correos nuevos.

A diferencia de una lista fija de reglas elaboradas manualmente, el filtro puede obtener parte de sus criterios a partir de las observaciones. Sin embargo, su funcionamiento depende de la calidad y representatividad de los ejemplos: si los mensajes cambian con el tiempo, el modelo puede necesitar una nueva evaluación o entrenamiento. Otros paradigmas persiguen objetivos distintos, como descubrir grupos sin etiquetas o aprender una estrategia mediante recompensas.^[1]^[2]

Entrenamiento e inferencia

Durante el entrenamiento, el algoritmo ajusta el modelo mediante datos y un criterio de aprendizaje. Por ejemplo, un clasificador puede modificar sus parámetros para reducir los errores cometidos sobre ejemplos cuya clase se conoce. Una vez entrenado, el modelo se utiliza durante la fase de inferencia para analizar entradas nuevas y generar predicciones u otras salidas.

Esta distinción es importante: entrenar un modelo no equivale a ejecutar un conjunto fijo de instrucciones sobre nuevos datos. La calidad de un sistema depende tanto del procedimiento de aprendizaje como de la representatividad de las observaciones y de su comportamiento fuera del conjunto utilizado para entrenarlo.^[1]^[11]

Paradigmas de aprendizaje

Los métodos de aprendizaje automático pueden clasificarse según la información disponible durante el entrenamiento y la forma en que se obtiene la señal de aprendizaje. Las categorías habituales no son necesariamente excluyentes y pueden combinarse dentro de un mismo sistema.^[2]^[10]

Paradigma	Información utilizada	Ejemplo de tarea
Supervisado	Ejemplos con entradas y salidas conocidas	Clasificar correos como deseados o no deseados
No supervisado	Observaciones sin etiquetas objetivo	Encontrar grupos de clientes con comportamientos similares
Semisupervisado	Ejemplos etiquetados y no etiquetados	Clasificar imágenes con pocas etiquetas manuales
Autosupervisado	Señales de aprendizaje obtenidas de los propios datos	Predecir palabras ocultas en un texto
Por refuerzo	Acciones, estados y recompensas al interactuar con un entorno	Aprender una estrategia de control

Aprendizaje supervisado

Artículo principal: Aprendizaje supervisado

El algoritmo produce una función que establece una correspondencia entre las entradas y las salidas deseadas del sistema. Un ejemplo de este tipo de algoritmo es el problema de clasificación, donde el sistema de aprendizaje trata de etiquetar (clasificar) una serie de vectores utilizando una entre varias categorías (clases). La base de conocimiento del sistema está formada por ejemplos de etiquetados anteriores.

Además de la clasificación, comprende problemas de regresión, en los que la salida es una magnitud continua, como una temperatura o una demanda eléctrica prevista. Este tipo de aprendizaje puede llegar a ser muy útil en problemas de investigación biológica, biología computacional y bioinformática.

Aprendizaje no supervisado

Artículo principal: Aprendizaje no supervisado

Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan solo por entradas al sistema. No se tiene información sobre las categorías de esos ejemplos. En consecuencia, el objetivo puede ser descubrir regularidades, identificar grupos o construir representaciones más compactas, sin que necesariamente exista una etiqueta que deba predecirse.

El agrupamiento de datos y ciertas técnicas de reducción de dimensionalidad, como el análisis de componentes principales, son ejemplos habituales de aprendizaje no supervisado.^[3]

Aprendizaje semisupervisado

El aprendizaje semisupervisado combina observaciones etiquetadas y no etiquetadas para aprender una tarea predictiva. Es especialmente útil cuando obtener etiquetas fiables resulta costoso, aunque su eficacia depende de las relaciones entre ambos conjuntos de datos.^[10]

Aprendizaje autosupervisado

Artículo principal: Aprendizaje autosupervisado

El aprendizaje autosupervisado obtiene señales de entrenamiento a partir de los propios datos, sin exigir que cada ejemplo cuente con una etiqueta externa elaborada manualmente. Algunas estrategias consisten en ocultar partes de una entrada y entrenar el modelo para reconstruirlas, o en predecir relaciones entre diferentes representaciones de una misma observación.

Este enfoque se utiliza en la adquisición de representaciones para imágenes, audio y texto. Puede combinarse después con aprendizaje supervisado para adaptar el modelo a tareas concretas y es importante en el preentrenamiento de diversos modelos de lenguaje.^[8]^[9]

Aprendizaje por refuerzo

Artículo principal: Aprendizaje por refuerzo

En el aprendizaje por refuerzo, un agente interactúa con un entorno, recibe información sobre su estado, selecciona acciones y obtiene recompensas como retroalimentación sobre sus consecuencias. Su objetivo es aprender una política que maximice una medida de recompensa acumulada, teniendo en cuenta que las consecuencias de una acción pueden manifestarse más adelante.^[12]

Una parte importante de la teoría del aprendizaje por refuerzo utiliza procesos de decisión de Markov, las ecuaciones de Bellman y las funciones de valor. Entre sus familias se encuentran la programación dinámica, los métodos de Montecarlo y el aprendizaje por diferencias temporales.^[12]

Tareas, modelos y técnicas

Clasificación y regresión

La clasificación consiste en asignar una observación a una o varias categorías, mientras que la regresión busca estimar un valor numérico. Ambas son tareas características del aprendizaje supervisado, aunque una misma familia de modelos puede utilizarse para las dos.

Los modelos geométricos, construidos en el espacio de instancias, pueden tener una, dos o múltiples dimensiones. Si existe una frontera de decisión lineal entre las clases, se dice que los datos son linealmente separables. Un límite de decisión lineal se define como $𝐰 \cdot 𝐱 = t$ , donde $𝐰$ es un vector perpendicular al límite de decisión, $𝐱$ es un punto arbitrario situado en dicho límite y $t$ es el umbral de decisión.^[10]

Árboles de decisión

Artículo principal: Árbol de decisión

Este tipo de aprendizaje usa un árbol de decisiones como modelo predictivo. Se mapean observaciones sobre un objeto con conclusiones sobre el valor final de dicho objeto.

Los árboles se construyen seleccionando sucesivamente las características y condiciones que mejor separan los ejemplos según la variable objetivo. Entre los criterios de selección se encuentran la ganancia de información basada en la entropía, utilizada en los algoritmos ID3 y C4.5 de Ross Quinlan, y el índice de Gini, empleado por el algoritmo CART.^[10]

En términos generales, el entrenamiento consiste en seleccionar sucesivamente condiciones sobre las características que permitan dividir las observaciones en subconjuntos cada vez más homogéneos respecto de la variable que se desea predecir.

Modelos probabilísticos y redes bayesianas

Artículo principal: Red bayesiana

Los modelos probabilísticos intentan describir mediante probabilidades la relación entre las características y las variables de interés. Un enfoque importante es la estadística bayesiana, que permite actualizar probabilidades cuando se dispone de nueva información.^[3]

Una red bayesiana, red de creencia o modelo acíclico dirigido es un modelo probabilístico que representa una serie de variables de azar y sus independencias condicionales a través de un grafo acíclico dirigido. Una red bayesiana puede representar, por ejemplo, las relaciones probabilísticas entre enfermedades y síntomas. Dados ciertos síntomas, la red puede usarse para calcular las probabilidades de que ciertas enfermedades estén presentes en un organismo. Existen algoritmos para realizar inferencia probabilística y aprender sus parámetros o su estructura, con distintos costes computacionales según el problema.

También pertenecen a esta familia modelos como el clasificador bayesiano ingenuo, las mezclas de distribuciones y determinados modelos gráficos probabilísticos.

Máquinas de vectores de soporte

Artículo principal: Máquinas de vectores de soporte

Las MVS son una serie de métodos de aprendizaje supervisado usados para clasificación y regresión. Los algoritmos de MVS usan un conjunto de ejemplos de formación clasificada en dos categorías para construir un modelo que prediga si un nuevo ejemplo pertenece a una u otra de dichas categorías.

Su formulación clásica busca un hiperplano que separe dos clases maximizando el margen entre ellas; las funciones núcleo permiten construir fronteras de decisión no lineales en el espacio original de características.^[3]

Métodos basados en instancias y conjuntos

Los métodos basados en instancias, como el algoritmo de los k vecinos más próximos, realizan predicciones a partir de la proximidad entre ejemplos según una medida de distancia. En contraste, otros procedimientos ajustan explícitamente los parámetros de una función predictiva.

Los métodos de conjunto combinan varios modelos para mejorar la precisión o la robustez de las predicciones. Entre los más conocidos se encuentran los bosques aleatorios, que agregan numerosos árboles de decisión, y los métodos de potenciación o boosting, que construyen secuencialmente modelos orientados a corregir errores anteriores.^[7]^[10]

Redes neuronales artificiales

Artículo principal: Red neuronal artificial

Las redes de neuronas artificiales (RNA) son modelos de aprendizaje automático formados por unidades de cálculo conectadas entre sí, inspirados de forma general en ciertos aspectos de los sistemas neuronales biológicos. Las conexiones tienen pesos numéricos que se adaptan según la experiencia. Durante el entrenamiento, el ajuste de esos pesos permite aproximar relaciones entre variables de entrada y de salida.

En términos matemáticos, una red neuronal compone transformaciones parametrizadas y funciones de activación. Las redes con múltiples capas pueden aprender representaciones intermedias de los datos, lo que constituye uno de los fundamentos del aprendizaje profundo.^[8]

Agrupamiento y reglas de asociación

Artículos principales: Agrupamiento de datos y Reglas de asociación.

El análisis por agrupamiento (clustering en inglés) es la clasificación de observaciones en subgrupos —clusters— para que las observaciones en cada grupo se asemejen entre sí según ciertos criterios.

Las técnicas de agrupamiento hacen inferencias diferentes sobre la estructura de los datos; se guían usualmente por una medida de similitud específica y por un nivel de compactamiento interno (similitud entre los miembros de un grupo) y la separación entre los diferentes grupos.

El agrupamiento es un método de aprendizaje no supervisado y es una técnica muy popular de análisis estadístico de datos.

Los algoritmos de reglas de asociación procuran descubrir relaciones interesantes entre variables. Entre los métodos más conocidos se hallan el algoritmo a priori, el algoritmo Eclat y el algoritmo de patrón frecuente.

Las reglas de asociación buscan patrones de coaparición de elementos y no son, por sí mismas, un método de clasificación supervisada.

Reducción de dimensionalidad

Artículo principal: Reducción de dimensionalidad

Las técnicas de reducción de dimensionalidad buscan representar un conjunto de observaciones con un número menor de variables. Entre ellas se encuentran el análisis de componentes principales (PCA), basado en proyecciones lineales, y diferentes técnicas no lineales para estudiar la estructura de los datos.

Su utilización puede facilitar la visualización, la compresión de información y la construcción de modelos predictivos, aunque la reducción también puede eliminar características relevantes. Estas técnicas están relacionadas con algunos efectos de la maldición de la dimensionalidad.^[3]

Otras técnicas

Los algoritmos genéticos son técnicas de búsqueda y optimización inspiradas en la evolución biológica. Utilizan operaciones como la selección, la mutación y el cruzamiento para generar y evaluar soluciones candidatas.

Aunque pueden emplearse para seleccionar características, optimizar parámetros o diseñar modelos, los algoritmos genéticos constituyen una familia de técnicas de búsqueda y optimización; no son necesariamente algoritmos de aprendizaje automático por sí mismos.

Otras estrategias incluyen el aprendizaje por transferencia, el aprendizaje multitarea y el aprendizaje en línea, que permiten aprovechar conocimientos adquiridos en otras tareas o actualizar modelos conforme se reciben observaciones nuevas.

Entrenamiento, validación y evaluación

Funciones de pérdida y optimización

Muchos métodos de aprendizaje supervisado pueden formularse como la búsqueda de parámetros que minimizan una función de pérdida. Dado un conjunto de entrenamiento de $n$ ejemplos, una formulación habitual es:

$\hat{𝜽} = \arg min_{𝜽} [\frac{1}{n} \sum_{i = 1}^{n} ℓ (f_{𝜽} (𝐱_{i}), y_{i}) + λ Ω (𝜽)]$

donde $ℓ$ cuantifica el error de cada predicción, $Ω$ es un término opcional de regularización y $λ$ controla su contribución. La función de pérdida puede adoptar formas diferentes según el problema, como el error cuadrático para regresión o la pérdida de entropía cruzada para clasificación probabilística.^[3]^[8]

Los parámetros pueden estimarse mediante procedimientos analíticos, métodos iterativos o algoritmos de optimización, como el descenso del gradiente y sus variantes. Sin embargo, no todos los métodos de aprendizaje automático se entrenan mediante una función diferenciable ni mediante descenso del gradiente.

División de los datos y validación cruzada

Para estimar la capacidad de un modelo de funcionar con observaciones que no ha visto, es habitual separar los datos en un conjunto de entrenamiento, uno de validación y otro de prueba. El primero se utiliza para ajustar los parámetros; el segundo, para seleccionar modelos e hiperparámetros; y el tercero, para obtener una evaluación final sobre ejemplos independientes del proceso de selección.

La validación cruzada reutiliza diferentes particiones de los datos para estimar la variabilidad del rendimiento y comparar configuraciones. La forma adecuada de dividir los datos depende de la aplicación: en series temporales, conjuntos con pacientes repetidos o ejemplos correlacionados, una partición aleatoria puede producir estimaciones engañosas.^[10]^[13]

Métricas de evaluación

El rendimiento se mide mediante criterios adecuados a cada tarea. En clasificación se utilizan, entre otros, la exactitud, la precisión, la sensibilidad, la puntuación F1 y medidas basadas en la curva ROC. Para regresión son habituales el error cuadrático medio y el error absoluto medio. En agrupamiento pueden utilizarse medidas de cohesión y separación, aunque no existe una única métrica válida para todos los casos.

La elección de la métrica depende de los objetivos y del coste relativo de los diferentes errores. En un problema con clases muy desequilibradas, por ejemplo, la exactitud global puede ocultar un comportamiento deficiente sobre la clase minoritaria.^[10]

Generalización, sobreajuste y filtración de datos

Un objetivo central del aprendizaje automático es la generalización: que el modelo funcione adecuadamente con ejemplos no empleados durante el entrenamiento. El sobreajuste aparece cuando se adapta excesivamente a particularidades del conjunto de entrenamiento y pierde capacidad predictiva sobre datos nuevos. El subajuste ocurre cuando el modelo no tiene la capacidad necesaria, o no ha sido entrenado adecuadamente, para representar las regularidades pertinentes.^[11]

Para mitigar el sobreajuste se emplean, entre otras medidas, la regularización, la selección de características, la simplificación del modelo, la ampliación o mejora de los datos y la detención temprana del entrenamiento. La relación entre complejidad del modelo y error de generalización se estudia, entre otros marcos, mediante el dilema sesgo-varianza.

La filtración de datos (data leakage) se produce cuando información que no estaría disponible en el momento de realizar una predicción influye indebidamente en el entrenamiento o la evaluación, dando lugar a resultados artificialmente optimistas. Para evitarla, las transformaciones que aprenden parámetros de los datos deben ajustarse utilizando únicamente la información permitida dentro de cada partición de entrenamiento.^[13]

Aprendizaje profundo y modelos generativos

Artículos principales: Aprendizaje profundo e Inteligencia artificial generativa.

El aprendizaje profundo utiliza redes neuronales con múltiples capas de procesamiento que permiten aprender representaciones de los datos con distintos niveles de abstracción. Entre sus arquitecturas se encuentran las redes convolucionales, las redes recurrentes y los transformadores. Sus aplicaciones incluyen el reconocimiento de imágenes, audio y texto, así como numerosas tareas de predicción y generación de contenido.^[8]

Los modelos generativos buscan aprender características de la distribución de los datos para producir nuevas observaciones, como imágenes, sonido o texto. Entre las familias utilizadas figuran los autocodificadores variacionales, las redes generativas antagónicas, los modelos de difusión y los modelos autorregresivos. No todos los modelos generativos son profundos, ni todas las redes profundas son generativas.^[14]^[9]

Algunos modelos se entrenan previamente con grandes conjuntos de datos mediante objetivos autosupervisados y después se adaptan a tareas concretas. Esta estrategia ha permitido desarrollar sistemas capaces de realizar múltiples tareas sin entrenar desde cero un modelo especializado para cada una; sus resultados, sin embargo, siguen dependiendo de la información y los objetivos empleados durante el entrenamiento.

Aplicaciones

El aprendizaje automático tiene una amplia gama de aplicaciones, incluyendo motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis de mercado para los diferentes sectores de actividad, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica.

Entre las áreas de aplicación se encuentran:

Salud y biomedicina: análisis de imágenes médicas, investigación genómica y apoyo a determinadas tareas de diagnóstico, sometidos a requisitos de validación clínica.
Lenguaje y comunicación: traducción automática, reconocimiento del habla, búsqueda de información y procesamiento de documentos.
Visión artificial: detección de objetos, inspección industrial y análisis de imágenes y vídeo.
Industria y energía: mantenimiento predictivo, detección de anomalías, previsión de demanda y optimización de procesos.
Finanzas y comercio: detección de fraude, análisis de riesgo y sistemas de recomendación.
Ciencia e ingeniería: análisis de datos experimentales, construcción de modelos sustitutos y aceleración de determinadas simulaciones numéricas.
Robótica y control: percepción del entorno, planificación y aprendizaje de políticas de actuación.

Las aplicaciones requieren evaluar sus condiciones de uso y la calidad de los datos. Un buen rendimiento en un conjunto de pruebas no garantiza por sí mismo resultados fiables en todos los entornos.^[11]

Infraestructura y herramientas

Hardware

El entrenamiento y la ejecución de modelos pueden realizarse en CPU, GPU y aceleradores especializados, según el tamaño del modelo y el tipo de operación. Las cargas de aprendizaje profundo suelen aprovechar el paralelismo de las operaciones matriciales, aunque numerosos algoritmos clásicos pueden entrenarse eficazmente en equipos convencionales.^[8]

La necesidad de recursos computacionales varía considerablemente: desde modelos lineales pequeños hasta sistemas con numerosos parámetros que requieren infraestructura distribuida. El coste de entrenamiento debe distinguirse del coste de inferencia y de la energía consumida durante su uso.^[15]

Software

Muchos lenguajes de programación se pueden utilizar para implementar algoritmos de aprendizaje automático. Entre los más utilizados en investigación y desarrollo se encuentran Python y R, junto con bibliotecas y herramientas para tareas específicas.

Entre los proyectos de software libre y de código abierto utilizados en este ámbito se encuentran scikit-learn, PyTorch, TensorFlow, Weka, Apache Spark (mediante MLlib) y OpenCV. También existen plataformas comerciales que ofrecen herramientas de entrenamiento, evaluación y despliegue. Las listas de programas concretos evolucionan con rapidez y no constituyen una clasificación científica de los métodos.

Limitaciones y aspectos sociales

Sesgos y equidad

Los algoritmos de aprendizaje automático a menudo pueden verse afectados por el sesgo que puedan tener los datos (Ver sesgo algorítmico). De hecho, cuando la formación se realiza con datos clasificados por el ser humano el aprendizaje automático tiende a crear los mismos sesgos que hay en la sociedad.

Los resultados pueden verse afectados por la selección de la población representada en los datos, la definición de las etiquetas, la formulación del objetivo o las condiciones de aplicación. Por esta razón, la evaluación de la equidad y de posibles efectos discriminatorios no se limita a medir la precisión global de un modelo.^[16]

Interpretabilidad y explicabilidad

Algunos modelos, como los árboles de decisión pequeños, pueden resultar relativamente fáciles de interpretar. Otros, especialmente los modelos de gran complejidad, dificultan la identificación de las razones de una predicción. Se han desarrollado técnicas de inteligencia artificial explicable para analizar la importancia de características, estudiar decisiones individuales y examinar el comportamiento global de los modelos.^[17]

Privacidad, seguridad y cambios en los datos

Los sistemas de aprendizaje automático pueden presentar riesgos asociados al tratamiento de datos personales, a la exposición de información sensible y a ataques diseñados para alterar sus predicciones. En particular, los ejemplos adversarios son entradas modificadas deliberadamente para provocar errores de determinados modelos.^[18]

Otra dificultad es el cambio de distribución (distribution shift): un modelo puede perder precisión cuando los datos reales difieren de aquellos con los que fue entrenado. La supervisión del rendimiento, la actualización de modelos y la revisión de su validez forman parte del mantenimiento de los sistemas desplegados.

Recursos y sostenibilidad

La recopilación y conservación de grandes conjuntos de datos, el entrenamiento de modelos de gran tamaño y la ejecución reiterada de inferencias pueden requerir recursos materiales y energéticos significativos. Su magnitud depende de la arquitectura, el equipo utilizado, la fuente de energía y la escala de uso. La evaluación de estos costes constituye uno de los temas de investigación y debate asociados a los sistemas actuales.^[15]

Relación con otras disciplinas

El aprendizaje automático se encuentra en la intersección de la inteligencia artificial, la estadística, la optimización matemática y las ciencias de la computación. La teoría del aprendizaje estadístico estudia las condiciones bajo las cuales puede esperarse que un modelo generalice a nuevas observaciones; por su parte, la teoría computacional del aprendizaje analiza problemas de aprendizaje desde una perspectiva formal, incluyendo los recursos y ejemplos necesarios para aprender.

Aunque el aprendizaje profundo forma parte del aprendizaje automático, este último también abarca modelos lineales, árboles, métodos probabilísticos, algoritmos basados en vecinos y estrategias de aprendizaje por refuerzo. Del mismo modo, existen enfoques de inteligencia artificial que no dependen del aprendizaje a partir de datos, como determinados sistemas de razonamiento simbólico.

Véase también

Referencias

1 2 3 4 Mitchell, Tom M. (1997). Machine Learning (en inglés). McGraw-Hill. ISBN 9780070428072.
1 2 3 4 Russell, Stuart J.; Norvig, Peter (2021). Artificial Intelligence: A Modern Approach (en inglés) (4.ª edición). Pearson. ISBN 9780134610993.
1 2 3 4 5 6 7 Bishop, Christopher M. (2006). Pattern Recognition and Machine Learning (en inglés). Springer. ISBN 9780387310732.
↑ Rosenblatt, Frank (1958). «The perceptron: A probabilistic model for information storage and organization in the brain». Psychological Review (en inglés) 65 (6): 386-408. doi:10.1037/h0042519.
↑ Samuel, Arthur L. (1959). «Some Studies in Machine Learning Using the Game of Checkers». IBM Journal of Research and Development (en inglés) 3 (3): 210-229. doi:10.1147/rd.33.0210.
↑ Rumelhart, David E.; Hinton, Geoffrey E.; Williams, Ronald J. (1986). «Learning representations by back-propagating errors». Nature (en inglés) 323: 533-536. doi:10.1038/323533a0.
1 2 Breiman, Leo (2001). «Random Forests». Machine Learning (en inglés) 45: 5-32. doi:10.1023/A:1010933404324.
1 2 3 4 5 6 LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). «Deep learning». Nature (en inglés) 521: 436-444. doi:10.1038/nature14539.
1 2 3 Vaswani, Ashish; Shazeer, Noam; Parmar, Niki; Uszkoreit, Jakob; Jones, Llion; Gomez, Aidan N.; Kaiser, Łukasz; Polosukhin, Illia (2017). «Attention Is All You Need». Advances in Neural Information Processing Systems (en inglés) 30.
1 2 3 4 5 6 7 8 Flach, Peter (2012). Machine Learning: The Art and Science of Algorithms that Make Sense of Data (en inglés). Cambridge University Press. ISBN 9781107422223.
1 2 3 «Overfitting». Machine Learning Crash Course (en inglés). Google for Developers. Consultado el 3 de noviembre de 2026.
1 2 Sutton, Richard S.; Barto, Andrew G. (2018). Reinforcement Learning: An Introduction (en inglés) (2.ª edición). MIT Press.
1 2 «Common pitfalls and recommended practices». scikit-learn (en inglés). Consultado el 3 de noviembre de 2026.
↑ Goodfellow, Ian; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua (2014). «Generative Adversarial Nets». Advances in Neural Information Processing Systems (en inglés) 27.
1 2 Bender, Emily M.; Gebru, Timnit; McMillan-Major, Angelina; Shmitchell, Shmargaret (2021). «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?». Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (en inglés): 610-623. doi:10.1145/3442188.3445922.
↑ Suresh, Harini; Guttag, John V. (2021). «A Framework for Understanding Sources of Harm throughout the Machine Learning Life Cycle». Proceedings of the 1st ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization (en inglés). doi:10.1145/3465416.3483305.
↑ Ribeiro, Carlos; Singh; Guestrin (2016). «Why Should I Trust You?: Explaining the Predictions of Any Classifier». Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (en inglés): 1135-1144. doi:10.1145/2939672.2939778.
↑ Goodfellow, Christian; Shlens; Szegedy (2015). «Explaining and Harnessing Adversarial Examples». International Conference on Learning Representations (en inglés).

Bibliografía

Bishop, Christopher M. (2006). Pattern Recognition and Machine Learning. Springer. ISBN 978-0-387-31073-2.
Flach, Peter (2012). Machine Learning: The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press. ISBN 978-1-107-42222-3.
Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (2016). Deep Learning. MIT Press.
Mitchell, Tom M. (1997). Machine Learning. McGraw-Hill. ISBN 978-0-07-042807-2.
Russell, Stuart J.; Norvig, Peter (2021). Artificial Intelligence: A Modern Approach. 4.ª edición. Pearson. ISBN 978-0-13-461099-3.
Sutton, Richard S.; Barto, Andrew G. (2018). Reinforcement Learning: An Introduction. 2.ª edición. MIT Press.

Enlaces externos

Machine Learning, recursos del libro de Tom Mitchell publicados por la Universidad Carnegie Mellon (en inglés).
Curso introductorio de aprendizaje automático, Google for Developers (en inglés).
Guía de aprendizaje automático de scikit-learn (en inglés).

Datos: Q2539
Multimedia: Machine learning / Q2539

[Mitchell-1] 1 2 3 4 Mitchell, Tom M. (1997). Machine Learning (en inglés). McGraw-Hill. ISBN 9780070428072.

[Russell-2] 1 2 3 4 Russell, Stuart J.; Norvig, Peter (2021). Artificial Intelligence: A Modern Approach (en inglés) (4.ª edición). Pearson. ISBN 9780134610993.

[Bishop-3] 1 2 3 4 5 6 7 Bishop, Christopher M. (2006). Pattern Recognition and Machine Learning (en inglés). Springer. ISBN 9780387310732.

[Rosenblatt-4] Rosenblatt, Frank (1958). «The perceptron: A probabilistic model for information storage and organization in the brain». Psychological Review (en inglés) 65 (6): 386-408. doi:10.1037/h0042519.

[Samuel-5] Samuel, Arthur L. (1959). «Some Studies in Machine Learning Using the Game of Checkers». IBM Journal of Research and Development (en inglés) 3 (3): 210-229. doi:10.1147/rd.33.0210.

[Rumelhart-6] Rumelhart, David E.; Hinton, Geoffrey E.; Williams, Ronald J. (1986). «Learning representations by back-propagating errors». Nature (en inglés) 323: 533-536. doi:10.1038/323533a0.

[Breiman-7] 1 2 Breiman, Leo (2001). «Random Forests». Machine Learning (en inglés) 45: 5-32. doi:10.1023/A:1010933404324.

[Deep-8] 1 2 3 4 5 6 LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). «Deep learning». Nature (en inglés) 521: 436-444. doi:10.1038/nature14539.

[Transformer-9] 1 2 3 Vaswani, Ashish; Shazeer, Noam; Parmar, Niki; Uszkoreit, Jakob; Jones, Llion; Gomez, Aidan N.; Kaiser, Łukasz; Polosukhin, Illia (2017). «Attention Is All You Need». Advances in Neural Information Processing Systems (en inglés) 30.

[Flach-10] 1 2 3 4 5 6 7 8 Flach, Peter (2012). Machine Learning: The Art and Science of Algorithms that Make Sense of Data (en inglés). Cambridge University Press. ISBN 9781107422223.

[GoogleGeneral-11] 1 2 3 «Overfitting». Machine Learning Crash Course (en inglés). Google for Developers. Consultado el 3 de noviembre de 2026.

[Sutton-12] 1 2 Sutton, Richard S.; Barto, Andrew G. (2018). Reinforcement Learning: An Introduction (en inglés) (2.ª edición). MIT Press.

[Sklearn-13] 1 2 «Common pitfalls and recommended practices». scikit-learn (en inglés). Consultado el 3 de noviembre de 2026.

[Goodfellow-14] Goodfellow, Ian; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua (2014). «Generative Adversarial Nets». Advances in Neural Information Processing Systems (en inglés) 27.

[Bender-15] 1 2 Bender, Emily M.; Gebru, Timnit; McMillan-Major, Angelina; Shmitchell, Shmargaret (2021). «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?». Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (en inglés): 610-623. doi:10.1145/3442188.3445922.

[Suresh-16] Suresh, Harini; Guttag, John V. (2021). «A Framework for Understanding Sources of Harm throughout the Machine Learning Life Cycle». Proceedings of the 1st ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization (en inglés). doi:10.1145/3465416.3483305.

[Ribeiro-17] Ribeiro, Carlos; Singh; Guestrin (2016). «Why Should I Trust You?: Explaining the Predictions of Any Classifier». Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (en inglés): 1135-1144. doi:10.1145/2939672.2939778.

[Adversarial-18] Goodfellow, Christian; Shlens; Szegedy (2015). «Explaining and Harnessing Adversarial Examples». International Conference on Learning Representations (en inglés).

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]