Machine Learning (ML) es el término que más escuchas en noticias de tecnología pero que menos gente entiende realmente. No necesitas saber programar para entender sus implicaciones.
Un programa tradicional sigue reglas que un humano ha escrito: "si el email contiene 'príncipe nigeriano', es spam". Un modelo de machine learning aprende esas reglas por sí solo a partir de ejemplos: le muestras miles de emails spam y miles de emails legítimos, y el modelo aprende a distinguirlos solo.
El más común. Le das al modelo pares de entrada/salida (ejemplo: imagen de gato → "gato") y aprende a generalizar. Se usa en reconocimiento de imágenes, detección de fraude, diagnóstico médico.
El modelo encuentra patrones en datos sin etiquetas. Se usa para segmentar clientes, detectar anomalías, o comprimir datos.
El modelo aprende por prueba y error, recibiendo recompensas por comportamientos correctos. Así funciona AlphaGo (que venció al campeón mundial de Go) y muchos sistemas robóticos.
Los Large Language Models (LLMs) son modelos de ML entrenados con texto de internet. Aprenden estadísticamente qué palabras van después de otras, hasta el punto de que pueden generar texto coherente, responder preguntas y razonar.
Guías prácticas, herramientas y análisis en español. Actualizados en 2026.
← Ver todo el contenido