¿Qué significa aprender?

Una persona escribe las reglas

Antes aprendimos que un programa
sigue órdenes que una persona escribió.
Para que haga algo, había que escribir reglas.
Piensa en filtrar correo basura.
Si tiene la palabra oferta, tíralo.
Si tiene demasiados enlaces, tíralo.
Escribe reglas así una por una
y parece que debería filtrar bien, ¿no?

Activa y desactiva reglas para filtrar el correo. Verás que las reglas solas siguen dejando pasar spam nuevo.

Activar más reglas ayudó un poco.
Pero el spam sigue cambiando de aspecto.
En vez de oferta escribe regalo gratis,
y esconde enlaces dentro de imágenes.
Cada vez debes escribir una regla nueva,
así que las reglas solo crecen sin fin.
Una persona escribiendo cada una a mano
no alcanza los caprichos del mundo.
Parece que hace falta otro camino.

Halla la regla con ejemplos

Ahora demos vuelta el camino.
En vez de escribir las reglas,
le mostramos montones de ejemplos con respuesta.
Este es spam, este está bien.
Otra vez, este es spam, este está bien.
Ve muchos ejemplos etiquetados así
y la máquina halla el hilo común sola.
En qué se parecen los de spam,
ese patrón es la regla que la máquina hizo.

Muestra los ejemplos etiquetados uno a uno. Al acumularse, el patrón común que la máquina saca se aclara.

Al acumularse los ejemplos, el patrón se aclaró.
Una persona no escribió la regla;
la máquina la halló dentro de los ejemplos.
Lo llamativo es que hasta una diferencia
que apenas podemos señalar con palabras
se atrapa si hay suficientes ejemplos.
Aun así, el primer patrón que halla es tosco.
Clasificará algunos mal.
Entonces, ¿cómo pulimos este patrón?

Se corrige poco a poco

Aprender no se acaba de una sola vez.
La máquina ve un ejemplo, prueba una respuesta,
y si falla, revisa dónde se equivocó.
Luego ajusta el patrón apenas un poco.
Si falla en el siguiente, corrige otra vez.
Repite esto incontables veces
y la cantidad de fallos sigue bajando.
Cuantos más ejemplos des,
más se pule el patrón hacia ajustar bien.

Dale un lote más de ejemplos cada vez. Con cada toque la máquina corrige su patrón y la precisión sube un escalón.

Más ejemplos, más precisión.
Corrige tanto como falla, una y otra vez.
El patrón que al principio era torpe
se ha vuelto bastante fiable ya.
Claro que no se vuelve perfecto para siempre.
Pasado cierto punto mejora despacio.
Aun así, con mucho menos esfuerzo que
escribir reglas a mano, hemos llegado lejos.
Entonces, ¿qué hacemos con este patrón pulido?

También predice entradas nuevas

La verdadera recompensa de aprender está aquí.
Los ejemplos de entrenamiento ya tienen respuesta.
Pero el uso real llega
cuando encuentra una entrada nunca antes vista.
La máquina la coteja con el patrón que pulió
y juzga, esto es spam o está bien.
Como halló un patrón en vez de memorizar,
da una respuesta incluso a un correo visto por primera vez.
Adivinar por adelantado así se llama predicción.

Toca un correo nuevo que no se usó en el entrenamiento. La máquina predice spam o bien con el patrón que aprendió.

Clasificó hasta el correo no visto con soltura.
No sacó una respuesta memorizada.
Aplicó a la entrada nueva el patrón hallado en los ejemplos.
Así, aunque la forma sea algo distinta,
puede juzgar por lo que se parece.
Claro que a veces se equivoca.
El patrón no es perfecto.
Aun así, mucho más flexible que una persona escribiendo cada regla,
sigue el ritmo de los cambios del mundo.

Resumamos

Reunido en una línea, es esto.
Un programa común funciona con reglas que escribió una persona.
Pero el mundo tiene demasiadas reglas.
Por eso el aprendizaje automático da vuelta el camino.
Muéstrale montones de ejemplos con respuesta
y la máquina halla el patrón común, la regla.
Si falla, corrige poco a poco y mejora,
y con ese patrón hasta predice entradas nuevas.
Aprender de ejemplos en vez de escribir reglas, eso es lo esencial.

Toca los puntos clave en orden para repasar. (la persona escribe reglas -> halla reglas con ejemplos -> corrige al fallar -> predice entradas nuevas)

Ahora conoces el verdadero significado
de que una máquina aprenda.
En vez de que una persona enseñe cada parte,
mira ejemplos y halla la regla sola.
Esta sola idea sencilla
es el punto de partida de las máquinas listas de hoy
que reconocen fotos y entienden el habla.
La próxima, sigamos viendo cómo este aprendizaje
funciona de verdad por dentro.