Tu teléfono agrupa las fotos por persona. Tu bandeja de entrada esconde los avisos de "ganaste un premio". Un banco bloquea un pago con tu tarjeta a las 3 de la mañana desde otro continente. Intenta escribir a mano las reglas de cualquiera de estas tareas y chocas con un muro en una hora: ¿qué hace, exactamente, que una cara sea una cara o un mensaje sea spam?
El aprendizaje automático (también llamado aprendizaje de máquina, o machine learning) renuncia a escribir las reglas. En lugar de eso, le muestras al programa miles de ejemplos etiquetados y dejas que se ajuste solo hasta acertar. Es potente, y cambia sin ruido las preguntas que hay que hacer. Lo difícil ya no es "¿cuál es la regla?", sino "¿cómo sé que la regla que encontró va a funcionar mañana, con gente que nunca ha visto?"
Esa pregunta, y un puñado de herramientas sencillas para responderla, es lo que se queda para siempre quien cursa una materia de aprendizaje automático.
Quién la cursa: estudiantes de Ciencias de la Computación, normalmente en el año 4; también de estadística, ciencia de datos e ingeniería. Quien viene de Psicología la encuentra aquí como el lado computacional de la pregunta "¿cómo se aprende de la experiencia?".
Para qué sirve: construir programas que aprenden su comportamiento de los datos, y juzgar con honestidad si funcionan.
Viene después de: Álgebra lineal (34/34), Probabilidad y estadística (34/19), Cálculo multivariable (34/33) y Algoritmos (en inglés, 34/24).
Lleva a: ninguna materia posterior de esta serie la pide como requisito; alimenta la investigación y las carreras en inteligencia artificial, y toca Seguridad informática (en inglés, 34/33), donde los sistemas que aprenden son herramientas y también blancos de ataque, y Bases de datos (en inglés, 34/28), donde viven los datos de entrenamiento. Dentro de Psicología conecta con Aprendizaje y conducta (34/18) y con Métodos de investigación en psicología (34/20): separar datos de entrenamiento y de prueba es la misma disciplina que replicar un estudio.
Una línea honesta: después de esta pieza no vas a entrenar un modelo de lenguaje moderno; sí vas a entender el ciclo de entrenamiento que todos comparten. Para la historia de la IA y un recorrido por los modelos de lenguaje, lee primero Inteligencia artificial (en inglés, 29/01) y Cómo funcionan realmente los grandes modelos de lenguaje (en inglés, 29/02); esta pieza va por debajo de ellos.
Toma un problema de juguete. A cada correo se le asigna un puntaje de "palabras sospechosas", y tienes que decidir si es spam o no. Podrías escribir una regla a mano: es spam si el puntaje pasa de 3. ¿Pero por qué 3? Mejor: prueba todos los umbrales sobre un conjunto de ejemplos etiquetados y quédate con el que acierta más. Eso, en miniatura, es el entrenamiento: una regla con una perilla ajustable, una manera de calificar la regla con datos, y una búsqueda del mejor ajuste de la perilla.
Aquí está la trampa. El ajuste que mejor encaja con los ejemplos que usaste casi siempre se verá mejor con ellos que con ejemplos nuevos, porque lo afinaste para ellos. Por eso quienes practican este oficio dividen los datos en tres partes:
Muchos problemas consisten en predecir un número. El modelo más simple es una recta: predicción = w × entrada + b. Las dos perillas son la pendiente w y la ordenada al origen b. Para calificar una recta, mide cuánto falla en cada punto, eleva las fallas al cuadrado para que cuenten igual las que se pasan y las que se quedan cortas, y promédialas: es el error cuadrático medio (ECM, o MSE en inglés). El método de mínimos cuadrados lo publicó por primera vez Adrien-Marie Legendre en 1805; Carl Friedrich Gauss dijo haberlo usado antes, y de ahí salió una disputa de prioridad.
Para una recta existe una fórmula del mejor w y el mejor b. Para los modelos enormes no existe, y se usa la idea que sostiene a todo el campo: el descenso del gradiente. Párate sobre la superficie del error, siente hacia dónde baja más empinado (el gradiente, de Cálculo multivariable, 34/33) y da un paso pequeño en esa dirección. Repite. Augustin-Louis Cauchy propuso el método en 1847.
La tasa de aprendizaje es un equilibrio real: si es muy pequeña, avanzas a paso de tortuga; si es muy grande, te pasas del valle y rebotas fuera de él. Pruébalo. Los 12 puntos de abajo están inventados alrededor de una recta; la respuesta de mínimos cuadrados es w = 2.465, b = 8.289, con ECM 2.58.
Una recta es un modelo rígido. Uno más flexible, por ejemplo un polinomio con más curvas, puede seguir los datos más de cerca. La flexibilidad es una perilla, y fallar es posible en los dos extremos:
Por eso existe el conjunto de validación. El error de entrenamiento solo baja a medida que añades flexibilidad. El error de validación baja, y luego vuelve a subir, y el fondo de esa U es donde te detienes.
La clasificación predice una etiqueta en lugar de un número: spam o no, qué dígito, qué animal. Un clasificador simple calcula una suma ponderada de las entradas y la comprime en una probabilidad entre 0 y 1; su frontera de decisión es una recta (o un plano). Eso basta cuando las clases se pueden separar con una recta.
Algunos problemas no se dejan. El ejemplo clásico es la XOR ("o exclusivo"): la respuesta es 1 cuando exactamente una de las dos entradas es 1. Ninguna recta separa bien los cuatro casos. A fines de los años sesenta, el libro Perceptrons de Marvin Minsky y Seymour Papert analizó justo ese tipo de límite en las redes de una sola capa, y a menudo se le atribuye haber ayudado a enfriar durante años el interés en las redes neuronales (los historiadores discuten cuánto).
La salida es apilar modelos. Una red neuronal es una cadena de funciones simples: cada capa toma una suma ponderada de sus entradas, le aplica una curvatura (una función no lineal como la tangente hiperbólica) y le pasa el resultado a la capa siguiente. Una capa traza una recta; una capa construida sobre rectas puede recortar regiones que ninguna recta sola alcanza. Entrenar una red es encontrar buenos pesos, y la herramienta es la retropropagación (backpropagation), que en palabras va así:
La idea se dedujo varias veces; el artículo de 1986 en Nature de David Rumelhart, Geoffrey Hinton y Ronald Williams es el que la popularizó. El descenso del gradiente con retropropagación, ejecutado a gran escala, sigue siendo la forma de entrenar redes neuronales, incluidos los grandes modelos de lenguaje de 29/02 (en inglés).
"El modelo tiene 99% de exactitud" puede no significar nada. Imagina una enfermedad rara que afecta al 1% de 10,000 personas. Un modelo que siempre dice "sano" acierta el 99% y no encuentra a nadie. Mejor cuenta los resultados: verdaderos positivos (VP), falsos positivos (FP), verdaderos negativos (VN) y falsos negativos (FN).
Las dos tiran en direcciones opuestas. Un modelo que marca solo cuando está seguro tiene alta precisión y baja sensibilidad; uno que marca ante el menor indicio tiene alta sensibilidad y te inunda de falsas alarmas. Dónde poner el umbral depende de lo que cueste cada error: no es lo mismo no detectar un cáncer que mandar un buen correo a la carpeta de spam. Y cuando la condición real es rara, hasta una prueba decente produce sobre todo falsas alarmas.
Un modelo no tiene opinión sobre la justicia. Encuentra el patrón que mejor encaja con los ejemplos que vio, incluidos los patrones sobre quién aparece en esos ejemplos. Si un grupo es una parte pequeña de los datos de entrenamiento, la regla única del modelo se afina para la mayoría y le va peor al resto.
No es hipotético. En el estudio de 2018 Gender Shades, Joy Buolamwini y Timnit Gebru encontraron que los dos conjuntos de datos de referencia que examinaron tenían 79.6% (IJB-A) y 86.2% (Adience) de personas de piel clara, y que tres sistemas comerciales de clasificación de género clasificaban mal a las mujeres de piel oscura con tasas de error de hasta 34.7%, frente a un máximo de 0.8% para los hombres de piel clara.
Más datos de la misma fuente no lo arreglan; datos distintos, o un modelo revisado grupo por grupo, sí. El sesgo también puede venir de las etiquetas (decisiones humanas pasadas que el modelo copia) y de cómo se usa el sistema. Revisar el desempeño para cada grupo, y no solo el promedio, es el hábito que hay que conservar.
La misma disciplina vale para los sistemas más nuevos. El informe AI Index 2026 de Stanford HAI describe una "frontera irregular": un modelo obtuvo medalla de oro en la Olimpiada Internacional de Matemáticas, y el mejor modelo que se probó leyó bien relojes analógicos solo el 50.1% de las veces. Un puntaje promedio, o un resultado de titular, dice poco sobre cómo le irá a un modelo en el caso que tienes delante; eso hay que medirlo.
El aprendizaje automático reemplaza las reglas escritas a mano por perillas afinadas con ejemplos, y usa el descenso del gradiente para encontrar el ajuste. Todo lo demás es cuestión de confianza: reserva datos para medir con honestidad, busca el punto medio entre lo demasiado simple y lo demasiado flexible, apila funciones cuando una recta no alcanza, pregunta qué errores importan y revisa quién está en los datos.
Prueba esto: la próxima vez que leas "una IA con 95% de exactitud", hazte cuatro preguntas. ¿Exacta con qué datos? ¿Qué tan raro es lo que busca? ¿Cuánto cuesta cada tipo de error? ¿Y alguien la ha revisado para el grupo al que perteneces?