¿Qué es machine learning? Explicado en términos simples

Machine learning (aprendizaje automático) es la rama de la Inteligencia Artificial en la que un programa aprende a resolver una tarea a partir de ejemplos, en lugar de seguir reglas escritas por una persona.

### La diferencia con la programación tradicional

En un programa clásico tú escribes las reglas: "si el correo contiene la palabra 'premio', márcalo como spam". En machine learning le das al sistema 100.000 correos ya clasificados y él deduce solo qué señales indican spam. Tú aportas los datos y el objetivo; el modelo aporta las reglas.

### Cómo aprende un modelo, paso a paso

1. Datos: se reúnen ejemplos representativos del problema. 2. Entrenamiento: el modelo hace una predicción, mide cuánto se equivocó y ajusta sus parámetros para equivocarse menos. Repite millones de veces. 3. Validación: se prueba con datos que nunca vio, para comprobar que aprendió el patrón y no lo memorizó. 4. Uso: ya en producción, predice sobre casos nuevos.

### Los tres tipos principales

- Supervisado: aprende de ejemplos etiquetados (foto → "gato"). Es el más común. - No supervisado: busca estructura en datos sin etiquetas, por ejemplo agrupando clientes parecidos. - Por refuerzo: aprende por prueba y error con recompensas, como un jugador que mejora partida tras partida.

### Ejemplos que usas todos los días

El filtro de spam de tu correo, las recomendaciones de Netflix o Spotify, el reconocimiento facial que desbloquea tu teléfono, la detección de fraude de tu banco y el corrector predictivo del teclado. Todos son machine learning.

### Los dos errores que debes conocer

Sobreajuste es cuando el modelo memoriza los datos de entrenamiento y falla con datos nuevos: como un estudiante que se aprende las respuestas del examen anterior. Subajuste es lo contrario: el modelo es tan simple que ni siquiera capta el patrón. Todo el oficio del machine learning consiste en encontrar el punto medio.

### En una frase

Machine learning es enseñar con ejemplos en lugar de programar con reglas. Todo lo demás —redes neuronales, deep learning, LLMs— son formas cada vez más potentes de hacer exactamente eso.