Tipos de aprendizaje automático: supervisado, no supervisado, semisupervisado y más

Aprendizaje supervisado, no supervisado, semisupervisado, autosupervisado y por refuerzo, con definiciones precisas, explicaciones sencillas y animaciones de algoritmos reales.

15 minutos Matěj Žalmánek 2026-10-15

Serie Fundamentos de IA Parte 42 de 52

1. Mapa de la inteligencia artificial: qué es cada cosa y cómo encaja todo
2. Breve historia de la inteligencia artificial: de Turing a los modelos de lenguaje
3. Datos, modelo, entrenamiento, inferencia: los conceptos básicos en un solo ejemplo
4. Cómo leer la notación matemática: símbolos, subíndices, sumatorios y cuantificadores
5. Conjuntos y relaciones: las piezas con las que se construyen las definiciones en IA
6. Funciones y aplicaciones: por qué todo modelo de IA es una función
7. Lógica y demostraciones: las reglas con las que se razona en IA
8. Grafos y árboles: la estructura sobre la que se apoyan la búsqueda y las redes neuronales
9. Álgebra lineal para aprendizaje automático: vectores, matrices y por qué la IA sobre todo multiplica
10. Derivadas, gradiente y regla de la cadena: cómo sabe un modelo en qué dirección aprender
11. Descenso de gradiente: cómo aprende un modelo
12. Qué es la probabilidad: del lanzamiento de un dado a los axiomas de Kolmogórov
13. Probabilidad condicionada y teorema de Bayes: cómo cambiar una estimación cuando te enteras de algo nuevo
14. Variable aleatoria y función de distribución: una sola función que lo dice todo sobre la distribución
15. Función de densidad y función de probabilidad: por qué una variable continua tiene probabilidad cero en cada punto
16. Esperanza, varianza y covarianza: dónde está una distribución, qué anchura tiene y qué se relaciona con qué
17. Resumen de las distribuciones de probabilidad: Bernoulli, binomial, Poisson, uniforme, normal y exponencial
18. Ley de los grandes números y teorema central del límite: por qué las medias se comportan de forma tan predecible
19. Estadística y estimación de parámetros: máxima verosimilitud, MAP e intervalos de confianza
20. Teoría de la información: entropía, entropía cruzada y divergencia KL, el origen de las funciones de pérdida
21. Búsqueda en el espacio de estados: BFS, DFS, UCS y A* con animaciones
22. Juegos y adversarios: minimax, poda alfa-beta y Monte Carlo tree search
23. Satisfacción de restricciones: backtracking, propagación de restricciones y AC-3 con un sudoku y un mapa de regiones checas
24. Lógica y sistemas basados en conocimiento: encadenamiento hacia delante y hacia atrás, resolución y sistemas expertos
25. Planificación: STRIPS, el mundo de bloques, heurísticas a partir de la relajación y la planificación en los agentes de IA
26. Búsqueda local y recocido simulado: un viajante por las capitales regionales checas
27. Algoritmos genéticos: población, cruce, mutación y selección en una mochila para la excursión
28. Estrategias evolutivas y programación genética: de la regla de un quinto a la ley de Kepler
29. Optimización por colonia de hormigas: cómo un rastro de feromona encuentra un camino corto
30. Optimización por enjambre de partículas: inercia, experiencia propia y experiencia del enjambre
31. Neuroevolución: evolución de los pesos y la forma de las redes neuronales, y el algoritmo NEAT
32. Conjuntos difusos y funciones de pertenencia: cómo escribir «algo cálido»
33. Lógica difusa y probabilidad: por qué «algo cálido» no significa «probablemente cálido»
34. Lógica difusa: t-normas, implicaciones y reglas SI–ENTONCES
35. Control difuso: Mamdani y Sugeno, del ventilador al péndulo invertido sobre un carro
36. Agrupamiento difuso: el algoritmo fuzzy c-means y los puntos entre clusters
37. Sistemas neuro-difusos (ANFIS): reglas difusas que aprenden de los datos
38. Cadenas de Markov: matriz de transición, distribución estacionaria y PageRank
39. Modelos ocultos de Márkov: el algoritmo de Viterbi y el casino deshonesto
40. Redes bayesianas: por qué está mojada la hierba y qué significa eso para el aspersor
41. El filtro de Kalman: cómo estimar a partir de mediciones imprecisas dónde está un coche y a qué velocidad va
42. Tipos de aprendizaje automático: supervisado, no supervisado, semisupervisado y más
43. Prompts, contexto y RAG: cómo darle a un modelo la información correcta
44. Autocodificadores variacionales (VAE): imágenes nuevas a partir de un espacio latente continuo
45. Redes generativas adversarias (GAN): el falsificador contra el detective
46. Modelos de difusión: cómo el ruido puro se convierte en una imagen
47. Procesos de decisión de Markov: estados, acciones, recompensas y ecuaciones de Bellman
48. Q-learning y DQN: aprender el valor de las acciones, de la tabla a la red neuronal
49. Gradiente de la política y PPO: aprender directamente la política
50. Cómo funciona un agente de IA: un modelo de lenguaje en un bucle con herramientas
51. Programación con agentes de IA: encargo, pruebas y revisión
52. Evaluación y seguridad de los sistemas de IA: cómo medir y cómo vigilar

Temario completo de la serie 52 de 83 temas publicados

«El modelo lo ha aprendido». Esta frase suena siempre igual, pero significa cosas muy distintas. A veces el modelo aprendió de miles de fotos en las que alguien había escrito qué aparecía en ellas. Otras veces solo recibió un montón de datos sin una sola etiqueta y tuvo que encontrar en ellos un orden. Y otras aprendió como un perro en el adiestramiento: probando, y recibiendo una recompensa por los buenos pasos.

Por eso el aprendizaje automático se clasifica según qué señal recibe el modelo al aprender. Recorreremos los tipos principales, desde el aprendizaje supervisado hasta el aprendizaje por refuerzo. En cada uno encontrarás una definición precisa, una explicación sencilla y un gráfico que es el resultado real de un algoritmo: nada está dibujado a mano.

1. Qué significa que una máquina aprenda

Definición — aprendizaje (T. Mitchell, 1997)

Se dice que un programa aprende de la experiencia E con respecto a una clase de tareas T y una medida de rendimiento P si su rendimiento en las tareas de T, medido por P, mejora con la experiencia E.

Definición — modelo y parámetros

Un modelo es una función f_θ : 𝒳 → 𝒴 del espacio de entradas 𝒳 al espacio de salidas 𝒴, determinada por unos parámetros θ ∈ ℝ^p.

El aprendizaje (entrenamiento) es la búsqueda de los parámetros θ que minimizan una función objetivo J(θ) calculada a partir de los datos, típicamente por descenso de gradiente θ ← θ − η ∇J(θ).

Los tipos principales de aprendizaje en pocas palabras; se diferencian en lo que hay disponible en los datos:

2. Aprendizaje supervisado (supervised learning)

Definición — aprendizaje supervisado

Se tiene un conjunto de entrenamiento D = {(x_i, y_i)}_i=1ⁿ de pares entrada–etiqueta, extraídos de forma independiente de una distribución desconocida P(X, Y), y una función de pérdida L(ŷ, y) ≥ 0.

Buscamos el modelo que minimiza el riesgo empírico: θ* = argmin_θ (1/n) ∑_i=1ⁿ L(f_θ(x_i), y_i).

Pero el objetivo no es el conjunto de entrenamiento: el modelo debe funcionar bien con datos nuevos de la misma distribución (generalización). Por eso el rendimiento se mide en un conjunto de prueba apartado.

Según qué sea la etiqueta y, distinguimos dos tareas.

Clasificación

Definición — clasificación

Las etiquetas pertenecen a un conjunto finito de clases: y ∈ {1, …, K}. La pérdida habitual es la entropía cruzada L = −∑_k [y = k] log p_θ(k | x).

Regresión logística para dos clases: p(y = 1 | x) = σ(w^⊤x + b), donde σ(z) = 1 / (1 + e^−z). La frontera de decisión es la recta w^⊤x + b = 0.

En el gráfico hay 60 puntos de dos clases. La frontera empieza mal a propósito y el descenso de gradiente la va desplazando época tras época hasta separar las clases:

Regresión

Definición — regresión

Las etiquetas son números reales: y ∈ ℝ. La pérdida habitual es el error cuadrático medio MSE = (1/n) ∑_i (f(x_i) − y_i)².

Para la regresión lineal f(x) = ax + b, el mínimo del MSE tiene forma cerrada: a = ∑(x_i − x̄)(y_i − ȳ) / ∑(x_i − x̄)², b = ȳ − ax̄ (método de mínimos cuadrados).

El aprendizaje supervisado impulsa la mayoría de las aplicaciones prácticas: filtros de spam, reconocimiento facial, diagnóstico a partir de radiografías, tasación de inmuebles. Pero tiene una condición cara: alguien tiene que etiquetar los datos. Y eso suele ser lo más caro de todo el proyecto.

3. Aprendizaje no supervisado (unsupervised learning)

Definición — aprendizaje no supervisado

Solo se tiene un conjunto de entradas D = {x_i}_i=1ⁿ ⊂ 𝒳, sin etiquetas. Buscamos la estructura de la distribución P(X): grupos, una representación de baja dimensión o la propia densidad p(x).

Agrupamiento: k-means

Definición — k-means

Divide los puntos en k grupos C₁, …, C_k con centros μ₁, …, μ_k de modo que la suma de cuadrados dentro de los grupos sea mínima:

J = ∑_j=1^k ∑_{x ∈ Cj} ‖x − μ_j‖².

El algoritmo de Lloyd alterna dos pasos: (1) asigna cada punto al centro más cercano, (2) mueve cada centro a la media de sus puntos. Ningún paso aumenta J, así que el algoritmo termina, pero solo en un mínimo local.

Los centros (las cruces) empiezan a propósito todos en la esquina inferior izquierda. Ya tras la primera iteración salen hacia sus grupos, y tras cuatro iteraciones dejan de moverse.

Otras tareas no supervisadas: la reducción de dimensionalidad (por ejemplo, el PCA proyecta los datos sobre unas pocas direcciones en las que más varían, útil tanto para visualizar como para comprimir), la detección de anomalías (lo que no se parece a nada conocido: un pago fraudulento, la avería de una máquina) y la estimación de densidad.

4. Aprendizaje semisupervisado (semi-supervised learning)

Definición — aprendizaje semisupervisado

Se tiene un pequeño conjunto etiquetado D_L = {(x_i, y_i)}_i=1^l y uno grande sin etiquetar D_U = {x_j}_j=l+1^l+u, donde u ≫ l. El objetivo es el mismo que en el aprendizaje supervisado, pero para alcanzarlo se aprovecha también D_U.

Solo funciona bajo alguno de estos supuestos:

• suavidad: los puntos cercanos tienen la misma etiqueta,
• grupos: los puntos de un mismo grupo tienen la misma etiqueta y la frontera entre clases pasa por zonas poco densas,
• variedad: los datos están sobre una superficie de baja dimensión y la distancia debe medirse a lo largo de ella.

Propagación de etiquetas por un grafo

Construye un grafo en el que cada punto está unido a sus k vecinos más cercanos (aquí k = 4). En cada ronda, cada punto sin etiquetar que tenga un vecino etiquetado recibe la etiqueta mayoritaria de sus vecinos etiquetados. Repite mientras queden puntos sin etiquetar.

Los datos son dos «lunas» de 40 puntos cada una. Solo dos puntos tienen etiqueta, uno en cada luna, resaltados con un contorno. Los demás son grises:

Las etiquetas se extienden por las lunas como el fuego por la hierba seca y en 10 rondas todos los puntos están bien etiquetados. Si ignoráramos los datos sin etiquetar y clasificáramos cada punto solo según a cuál de los dos puntos etiquetados está más cerca, solo acertaríamos el 84 %: los extremos de las lunas están más cerca del punto etiquetado ajeno que del propio. La diferencia la marca precisamente la forma de los datos, que conocemos solo gracias a los puntos sin etiquetar.

De forma parecida funcionan las pseudoetiquetas (self-training): un modelo entrenado con el pequeño conjunto etiquetado etiqueta los datos sin etiquetar de los que está más seguro y sigue aprendiendo también de ellos.

5. Aprendizaje autosupervisado (self-supervised learning)

Definición — aprendizaje autosupervisado

Los datos no están etiquetados, D = {x_i}, pero a partir de cada x se fabrica automáticamente un par (x̃, t) = g(x): x̃ es una parte o una versión dañada de la entrada y t lo que le falta. El modelo aprende de forma supervisada en esta tarea pretexto (pretext task).

Predicción del siguiente token: así se preentrenan los grandes modelos de lenguaje. Un texto es una secuencia de tokens x₁, …, x_T y se maximiza

∑_t=1^T log p_θ(x_t | x₁, …, x_t−1).

Técnicamente, el aprendizaje autosupervisado es aprendizaje supervisado, pero las etiquetas no cuestan nada, y por eso puede aplicarse a todo internet. Con las imágenes se usa un truco parecido: el modelo recibe dos recortes distintos de la misma foto y aprende que van juntos (aprendizaje contrastivo). El resultado, el llamado modelo fundacional, se ajusta después para una tarea concreta con una pequeña cantidad de datos etiquetados.

6. Aprendizaje por refuerzo (reinforcement learning)

Definición — proceso de decisión de Markov

El entorno es una quíntupla (S, A, P, R, γ): estados S, acciones A, probabilidad de transición P(s′ | s, a), recompensa R(s, a, s′) y factor de descuento γ ∈ [0, 1).

El agente elige acciones según una política π(a | s). El objetivo es maximizar el retorno esperado G = ∑_t≥0 γ^t r_t.

El Q-learning aprende el valor Q(s, a) —el retorno esperado tras la acción a en el estado s— con la regla

Q(s, a) ← Q(s, a) + α [r + γ max_a′ Q(s′, a′) − Q(s, a)].

El agente (naranja) se mueve por una cuadrícula. Cada paso cuesta −1, la meta da +10 y la trampa −10; no se puede entrar en las paredes. Al principio no sabe nada. Tras 600 episodios de Q-learning (α = 0,5, γ = 0,95, con exploración aleatoria en el 20 % de los pasos), las flechas muestran la mejor acción aprendida en cada casilla:

El agente va por el camino más corto a la meta y esquiva la trampa. Cómo aprendió se ve en el retorno medio: en los primeros 50 episodios era −11,1 (el agente daba vueltas y caía en la trampa); en los últimos 50, ya −1,8. La diferencia con el óptimo se debe a la exploración aleatoria, que el agente no desactiva durante el entrenamiento.

El aprendizaje por refuerzo está detrás de los programas que vencieron a campeones del mundo de go, del control de robots y también del ajuste fino de los modelos de lenguaje: el RLHF (aprendizaje por refuerzo a partir de retroalimentación humana) usa como recompensa un modelo entrenado con las respuestas que las personas valoraron mejor.

7. Otras formas de clasificarlo

El tipo de profesor no es el único criterio. Aquí tienes algunos más con los que te encontrarás:

Definición — aprendizaje por transferencia (transfer learning)

Los parámetros θ₀ aprendidos en una tarea de origen se usan como punto de partida para una tarea de destino: θ* = argmin_θ J_destino(θ), buscado a partir de θ₀, a menudo solo en una pequeña parte de los parámetros (ajuste fino, fine-tuning).

Definición — aprendizaje activo

El propio modelo elige qué x ∈ D_U mandar etiquetar, típicamente aquellos con mayor incertidumbre, por ejemplo con la entropía más alta H(p_θ(· | x)).

Definición — modelos generativos y discriminativos

Un modelo discriminativo aprende directamente p(y | x) o una frontera de decisión. Un modelo generativo aprende la distribución de los datos p(x), o bien p(x, y), y sabe muestrear de ella datos nuevos.

Y además el aprendizaje por lotes frente al aprendizaje en línea (el modelo se entrena una vez con todos los datos, o aprende continuamente de cada nuevo ejemplo) y los modelos paramétricos frente a no paramétricos (un número fijo de parámetros, como la regresión logística, o un modelo que crece con los datos, como los k vecinos más cercanos).

8. Comparación

9. Resumen

• Los tipos de aprendizaje se diferencian en qué experiencia E recibe el modelo: respuestas correctas, solo datos, un poco de ambos, respuestas fabricadas a partir de los datos o recompensas por sus acciones.
• El aprendizaje supervisado es el más directo, pero necesita etiquetas caras.
• El no supervisado busca estructura; en el semisupervisado, los datos sin etiquetar ayudan a extender unas pocas etiquetas a todo lo demás.
• El autosupervisado fabrica las etiquetas a partir de los propios datos: sobre él se apoyan los modelos de lenguaje actuales.
• El aprendizaje por refuerzo enseña a actuar: probar, acumular recompensas y pensar a largo plazo.

En la práctica, los tipos se combinan. Un gran modelo de lenguaje se preentrena con aprendizaje autosupervisado, se ajusta de forma supervisada con respuestas de ejemplo y, por último, con aprendizaje por refuerzo según las valoraciones de personas. Tres tipos de aprendizaje en un solo modelo, con el que quizá estés chateando ahora mismo.

¿Lo ves de otra manera? Escribe a support@coden-app.com.