Aprendizaje No Supervisado

El aprendizaje no supervisado es la rama del aprendizaje automático que busca estructura en datos sin etiquetas: no se le dice al modelo cuál es la respuesta correcta, sino que debe descubrir por sí mismo regularidades, grupos y patrones. Se distingue así del aprendizaje supervisado, que aprende de ejemplos ya etiquetados (esta imagen es un gato), y del aprendizaje por refuerzo, que aprende de recompensas obtenidas al actuar en un entorno. Donde el supervisado imita y el refuerzo ensaya, el no supervisado explora.

En el lenguaje de la documentación de scikit-learn y de los manuales clásicos (Bishop; Goodfellow, Bengio y Courville), su materia prima es el dato crudo, sin anotar, y su objetivo es modelar cómo se distribuyen u organizan los datos.

Las tareas

Cuatro familias resumen casi todo. El agrupamiento (clustering) reúne ejemplos parecidos en grupos: k-means, DBSCAN, métodos jerárquicos. La reducción de dimensionalidad comprime muchas variables en pocas conservando lo esencial, con técnicas como PCA o t-SNE, útil tanto para visualizar como para alimentar modelos posteriores. La estimación de densidad modela la probabilidad de los datos y sostiene la detección de anomalías: lo raro es sencillamente lo poco probable. Y el aprendizaje de representaciones busca codificaciones compactas y ricas —los autoencoders— que capturen el significado latente. IA360 dedica entradas propias a clustering y a reducción de dimensionalidad; aquí basta con verlas como piezas de un mismo mapa.

El autosupervisado y los modelos fundacionales

El giro de la última década tiene nombre: aprendizaje autosupervisado (self-supervised). En su charla invitada de NeurIPS de 2016, Yann LeCun presentó el aprendizaje a partir de datos crudos como el gran reto pendiente; su conocida «analogía del pastel» reservaba el grueso al aprendizaje no supervisado, el glaseado al supervisado y la guinda al refuerzo. LeCun e Ishan Misra precisaron después que el término autosupervisado es más exacto: el sistema obtiene las señales de supervisión de la propia estructura del dato. La idea es fabricar el objetivo a partir del dato. BERT oculta tokens y entrena al modelo para reconstruirlos; el primer GPT maximiza la probabilidad del siguiente token dado el contexto anterior. Así, el texto sin anotar produce muchos ejercicios cuya respuesta ya está en el propio texto. Ese preentrenamiento es hoy el motor de los modelos fundacionales: el informe de Stanford que acuñó el término (Bommasani et al., 2021) los define como modelos entrenados con autosupervisión a gran escala sobre datos amplios, adaptables luego a muchas tareas. Documentación: capítulo de aprendizaje de representaciones; artículo original de BERT; informe original sobre modelos fundacionales.

Usos y límites

Sirve para segmentar clientes, detectar fraude y anomalías, comprimir información y aprender representaciones reutilizables. Su límite honesto: sin etiquetas es difícil evaluar. La documentación de evaluación de clustering distingue métricas que necesitan clases de referencia de otras internas que solo observan los datos y la partición. Una medida como la silueta cuantifica cohesión y separación, pero no decide si los grupos responden a la pregunta útil. Por eso la calidad de un agrupamiento se juzga con varias métricas y validación de dominio, mientras una representación suele probarse por lo que permite hacer después. Comparar dos soluciones sin verdad de referencia exige declarar el criterio; no existe una única puntuación que certifique significado y utilidad a la vez.