La montaña del aprendizaje en inteligencia artificial

Los diferentes tipos de aprendizaje aprovechan los datos de manera diferente. El aprendizaje no supervisado intenta razonar sobre los datos con información mínima sobre ellos. Los datos aportan una retroalimentación mínima al proceso de entrenamiento. El aprendizaje por refuerzo empieza a introducir una cierta cantidad de feedback al entrenamiento. La retroalimentación se produce después de que un agente realiza un conjunto de acciones secuenciales. El aprendizaje supervisado va un paso más allá. Cada dato está etiquetado, y estas etiquetas se utilizan durante el entrenamiento. Sin embargo, estas etiquetas se asignan de manera manual antes de entrenar el modelo. Finalmente, el aprendizaje autosupervisado aprovecha mejor los datos. Cada dato tiene su propia etiqueta, pero ahora se pueden usar gran cantidad de datos de manera fácil. Esto se debe a que los datos no tienen que ser etiquetados manualmente.

• 180