Aprendizaje supervisado
Tipo de aprendizaje automático en el que el modelo aprende a partir de ejemplos que ya incluyen la respuesta correcta (la etiqueta).
Explicado fácil
Se le dan al modelo pares “pregunta y respuesta correcta”: una foto y la palabra “gato”, un correo y la etiqueta “spam”. El modelo ajusta sus parámetros para acertar esas respuestas y luego, con suerte, acierta también con ejemplos nuevos.
Una analogía
Es estudiar con un cuaderno de ejercicios que trae las soluciones al final. Intentas resolver, miras la solución, corriges y vuelves a intentar.
Un ejemplo
Predecir el precio de una vivienda a partir de sus metros, barrio y año de construcción, entrenando con miles de ventas pasadas cuyo precio real se conoce.
Cómo funciona (nivel técnico)
Hay dos grandes familias de problemas: clasificación (la salida es una categoría: spam o no spam) y regresión (la salida es un número: el precio). Se minimiza una función de pérdida que compara la predicción con la etiqueta (entropía cruzada para clasificar, error cuadrático para regresión). Su gran limitación es el coste de conseguir etiquetas fiables, normalmente producidas por personas.
Errores comunes
- Pensar que las etiquetas son siempre correctas. Contienen errores y subjetividad.
- Creer que los grandes modelos de lenguaje son supervisados. Se preentrenan con una técnica llamada autosupervisión: las etiquetas salen del propio texto (la siguiente palabra).