Lección 2
Cómo aprende la Inteligencia Artificial
Entrenamiento y predicción
Entrenamiento y predicción
Hemos dicho antes que los sistemas de aprendizaje automático supervisado tienen tres componentes principales: los datos, las características y el algoritmo. Al proceso mediante el cual el algoritmo procesa las características extraídas de los datos y aprende de ellos se llama entrenamiento.
Este no es exactamente el aspecto que tiene una IA entrenando.
El resultado de ese entrenamiento es lo que se conoce como modelo. Este modelo es el que tiene en su interior todo el conocimiento aprendido. ¿Qué aspecto tiene ese modelo? Depende del algoritmo, pero al final lo que el modelo tiene por dentro son un montón de números o reglas aprendidas.
Lo importante es que una vez tenemos el modelo entrenado, podemos usar ese modelo para hacer predicciones, es decir, aplicar el conocimiento aprendido durante el entrenamiento sobre ejemplos que el sistema no ha visto nunca.
Por ejemplo, si hemos entrenado el modelo con fotos de perros y gatos para que aprenda a reconocer a estos animales, cuando le damos una nueva imagen de un animal él nos dirá lo que es.
Sería muy fácil para el modelo acertar el tipo de animal que es si le damos una foto de las que usamos durante el entrenamiento. ¡Sería como darle las respuestas del examen antes de hacerlo, porque ya le dijimos durante el entrenamiento qué tipo de animal era! La verdadera utilidad del modelo es ser capaz de predecir lo que es para una foto que no ha visto nunca. Ahí es donde se demuestra la capacidad de generalización del modelo.