Son dos formas de entrenar un modelo de machine learning. En el aprendizaje supervisado, cada ejemplo trae la respuesta correcta, la etiqueta: una foto y la palabra «gato». En el no supervisado, los ejemplos no traen etiqueta y el modelo busca grupos o patrones por su cuenta, como clientes que compran parecido.
Una pregunta de la app. Elige una respuesta.
Entrenas un modelo con miles de fotos marcadas «gato» o «perro». ¿Qué aprendizaje es?
Cada ejemplo trae la respuesta correcta, la etiqueta. El modelo aprende a dar esa respuesta con fotos que nunca vio.
Ahí los ejemplos no traen etiqueta: el modelo busca patrones por su cuenta, como agrupar fotos parecidas sin saber qué son.
Ese aprende probando acciones y recibiendo premios o castigos, como un juego. Acá no actúa: mira fotos con su respuesta.
Le das miles de correos marcados «spam» o «no spam», y el modelo aprende a marcar correos nuevos. O le das casas con su precio de venta, y aprende a estimar el precio de una casa que nunca vio. En el primer caso elige una categoría (un clasificador); en el segundo, calcula un número.
Lo caro son las etiquetas: muchas veces las pone una persona, ejemplo por ejemplo. Y si las etiquetas están mal, el modelo aprende el error.
Una tienda le pasa a un modelo las compras de sus clientes sin decirle qué buscar. El modelo junta a quienes compran parecido: unos llevan pañales cada semana, otros sólo vienen en ofertas. Qué significa cada grupo y qué hacer con él lo decide una persona después.
También sirve para encontrar lo raro: un pago con tarjeta que no se parece a ninguno de los habituales puede ser fraude, aunque nadie haya etiquetado antes ese tipo de fraude.
Por refuerzo: el modelo prueba acciones y recibe premios o castigos, como quien aprende un videojuego. Autosupervisado: las etiquetas salen de los mismos datos. Así se preentrenan los LLM que generan texto: el modelo intenta predecir el token que sigue a partir de los anteriores, y la respuesta ya está en el texto, sin que nadie etiquete nada a mano.
Un mismo modelo puede pasar por varias: un chat como ChatGPT primero se preentrena así, y después se ajusta con respuestas escritas por personas (supervisado) y con sus valoraciones (por refuerzo). Todo eso es entrenamiento; cuando lo usas, lo que le dices le sirve mientras siga en el contexto, pero no queda grabado en sus pesos.
«Sin etiquetas no se puede aprender.» Se puede: el no supervisado aprende patrones y parecidos sin que nadie marque antes la respuesta correcta. «Supervisado quiere decir que una persona lo vigila mientras aprende.» Quiere decir que los ejemplos traen la respuesta. «Todo es supervisado o no supervisado.» También hay por refuerzo y autosupervisado, y se combinan.