Glosario de IA · Fundamentos
Machine learning
En una frase
El machine learning o aprendizaje automático es la rama de la IA en la que un sistema aprende a hacer una tarea a partir de ejemplos, en lugar de seguir reglas escritas a mano, y mejora su resultado a medida que ve más datos.
También se llama: aprendizaje automático · ML · aprendizaje de máquinas · aprendizaje automatizado
¿Qué es el machine learning?
En la programación clásica, una persona escribe las reglas y el ordenador las aplica. En el machine learning se invierte el orden: le das al sistema muchos ejemplos con su resultado y él descubre las reglas. No las escribe nadie; salen de los datos.
Llévalo a tu empresa
Agentes de IA para atender a tus clientes
Desde 49 €/mes + IVA
Voz, WhatsApp y email con la línea incluida: agente, números y CRM en la misma cuota.
Ver planes y preciosEsto permite abordar problemas en los que escribir reglas es imposible. ¿Qué regla exacta distingue un correo de queja de uno de consulta? Hay demasiados matices. Con suficientes ejemplos etiquetados, un modelo aprende a distinguirlos con un acierto alto, aunque nunca perfecto.
Es la base de casi toda la inteligencia artificial actual, incluido el deep learning que hay detrás de los modelos de lenguaje.
Relacionado con este término
Agentes UTIO
- Atienden 24/7 en 26 idiomas
- Montarlo tú cuesta 0 €: se crea leyendo tu web
- Prueba de 14 días sin tarjeta
Desde 49 €/mes + IVA
Ver planes y preciosCómo funciona
- Datos. Se prepara un dataset: ejemplos representativos del problema, limpios y, en el aprendizaje supervisado, con su respuesta correcta.
- Entrenamiento. Un algoritmo ajusta un modelo para que sus predicciones se parezcan a las respuestas correctas. Ver entrenamiento de un modelo.
- Evaluación. Se prueba el modelo con ejemplos que no vio al entrenar. Si solo acierta con los que ya conocía, ha memorizado en lugar de aprender: es el sobreajuste.
- Uso y seguimiento. El modelo se pone a trabajar con datos reales. Como el mundo cambia, conviene vigilar si su acierto baja con el tiempo.
Ejemplo
Un taller mecánico de Valladolid recibe cada semana cientos de mensajes por web y WhatsApp. Quiere saber de un vistazo cuáles son citas, cuáles presupuestos y cuáles reclamaciones.
Con un modelo de clasificación, cada mensaje llega etiquetado. El modelo aprendió de miles de mensajes de ejemplo ya clasificados y ahora etiqueta los nuevos. Cuando se equivoca, una persona corrige la etiqueta; esas correcciones sirven para mejorar el modelo en la siguiente versión.
Cómo te afecta en tu empresa
No hace falta montar un equipo de datos para aprovechar el machine learning. Lo usas cada vez que un sistema transcribe una llamada, entiende un mensaje o detecta de qué trata un correo: todo eso son modelos aprendidos.
Los agentes de UTIO se apoyan en modelos ya entrenados; tú no entrenas nada. Lo que aportas es tu información de negocio, como en la vertical de soporte, donde el agente responde desde tu documentación y abre un ticket cuando no encuentra la respuesta. Si eres desarrollador, el API de IA incluye texto para respuestas, resúmenes y clasificación, con el nivel de modelo a tu elección.
Preguntas frecuentes
¿Qué tipos de machine learning hay?
Tres principales. Supervisado: aprende de ejemplos con la respuesta correcta (correos marcados como spam o no). No supervisado: busca grupos o patrones en datos sin etiquetar (segmentar clientes). Por refuerzo: aprende probando y recibiendo premios o castigos, como en los juegos o la robótica.
¿Qué diferencia hay entre machine learning y deep learning?
El deep learning es un tipo de machine learning que usa redes neuronales con muchas capas. Funciona especialmente bien con datos complejos como texto, voz o imágenes, pero necesita más datos y más cálculo que otros métodos.
¿Necesito muchos datos para usar machine learning en mi empresa?
Para entrenar un modelo propio, normalmente sí, y bien organizados. Pero muchas pymes no entrenan nada: usan modelos ya entrenados por un proveedor y los aplican a sus datos, lo que requiere mucha menos información.
Términos relacionados
- Inteligencia artificial
La inteligencia artificial (IA) es la rama de la informática que crea sistemas capaces de hacer tareas que asociamos a la inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones, a partir de patrones aprendidos de datos.
- Deep learning
El deep learning o aprendizaje profundo es un tipo de machine learning que usa redes neuronales con muchas capas. Cada capa extrae rasgos más abstractos de los datos, lo que permite trabajar con texto, voz e imágenes sin reglas escritas a mano.
- Dataset
Un dataset (conjunto de datos) es una colección organizada de ejemplos, como textos, audios, imágenes o registros, que se usa para entrenar, ajustar o evaluar un modelo de IA. Su calidad condiciona directamente lo que el modelo aprende.
- Entrenamiento de un modelo
El entrenamiento de un modelo es el proceso en el que un modelo de IA aprende a partir de un dataset: se le muestran ejemplos, se mide cuánto se equivoca y se ajustan sus parámetros, una y otra vez, hasta que sus respuestas son buenas.
- Algoritmo
Un algoritmo es una secuencia finita de pasos bien definidos para resolver un problema o hacer una tarea. En IA, el algoritmo es el método que aprende de los datos; el modelo es lo que ese método produce.
Actualizado el