Unidad 2. Cómo funciona la IA: datos, modelos y Big Data

Curso de Inteligencia Artificial · Bloque I: Fundamentos · Nivel inicial
Tiempo orientativo: 2 sesiones de 55 minutos.
Materiales: portátil, navegador y documento para completar actividades.

Antes de empezar

Cada vez que una aplicación recomienda una película, necesita disponer de información y transformarla en una sugerencia. Pero ¿qué datos utiliza?, ¿qué ocurre dentro del sistema? y ¿cómo sabemos si la recomendación es adecuada?

Para estudiar estas cuestiones vamos a utilizar el esquema entrada → proceso → salida (IPO). Después veremos qué significa Big Data, cuáles son las cinco V de los datos y por qué más información no significa necesariamente mejores resultados.

Al finalizar serás capaz de: identificar las tres partes del modelo IPO; distinguir entrenamiento y uso de un modelo; explicar las cinco V de Big Data; analizar la calidad de un conjunto de datos y diseñar la entrada, el proceso y la salida de una aplicación sencilla.

2.1. El modelo entrada-proceso-salida (IPO)

Muchos sistemas informáticos pueden describirse mediante tres etapas:

• Entrada (input): información que recibe el sistema: números, imágenes, voz, clics o lecturas de sensores.
• Proceso (process): operaciones que transforman esa información según un programa o un modelo.
• Salida (output): resultado obtenido: un número, una etiqueta, una recomendación, un aviso o una respuesta.

Este esquema también sirve para describir una aplicación de IA. Por ejemplo, en un clasificador de frutas, la entrada es una fotografía; el proceso consiste en aplicar un modelo entrenado; y la salida es una etiqueta, como «manzana» o «naranja», que puede acompañarse de una puntuación de confianza.

Es importante no confundir el funcionamiento del modelo con su entrenamiento. Durante el entrenamiento, el algoritmo utiliza ejemplos para ajustar parámetros. Una vez entrenado, el modelo recibe datos nuevos y genera resultados. El esquema IPO puede explicar ambos procesos, pero no son exactamente la misma operación.

Ejemplo guiado: recomendación de películas

Imagina una plataforma en la que has visto varias comedias y has valorado positivamente dos documentales. El sistema puede utilizar tu historial, junto con información de las películas, para estimar qué títulos podrían interesarte.

La entrada incluye datos como reproducciones y valoraciones; el proceso consiste en aplicar un sistema de recomendación; la salida es una lista ordenada de películas. Si cambia el historial, la recomendación puede cambiar. Esto no significa que el programa conozca tus gustos perfectamente: solo calcula sugerencias a partir de los datos y del método utilizado.

No todos los recomendadores utilizan el mismo algoritmo, y algunas plataformas combinan modelos estadísticos, reglas y aprendizaje automático.

2.2. ¿Qué datos necesita una IA?

Los datos son representaciones de información que el ordenador puede almacenar y procesar. Pueden ser estructurados, como una tabla con columnas de temperatura, fecha y ciudad, o no estructurados, como fotografías, documentos y grabaciones de audio.

En los sistemas de aprendizaje supervisado, cada ejemplo puede llevar una etiqueta que indica la respuesta que queremos enseñar. Si recopilamos fotografías de manzanas y naranjas, las etiquetas serían «manzana» y «naranja». En otras técnicas de IA no se utilizan esas etiquetas, por lo que no debemos pensar que todos los modelos se entrenan igual.

Los conjuntos de datos también deben ser representativos. Si solo mostramos manzanas rojas sobre un fondo blanco, el modelo podría equivocarse con una manzana verde fotografiada en la cocina. El problema no se resuelve únicamente añadiendo más imágenes: necesitamos diversidad, calidad y ejemplos relevantes.

2.3. ¿Qué es Big Data?

El término Big Data se utiliza para describir conjuntos de datos cuyo tamaño, velocidad de generación o diversidad plantean desafíos especiales para almacenarlos, procesarlos o analizarlos con métodos convencionales. No existe una cifra única de archivos o gigabytes a partir de la cual cualquier conjunto se convierta en Big Data: depende del contexto y de los recursos disponibles.

Una forma habitual de explicar sus características es mediante las cinco V:

Las cinco V no son una fórmula matemática ni una garantía de éxito. Sirven para hacer preguntas importantes sobre los datos. Un conjunto de información puede tener gran volumen y, al mismo tiempo, escaso valor si está lleno de errores o no tiene relación con la tarea.

Un ejemplo: sensores de riego en un huerto

Imagina que un huerto dispone de sensores que registran humedad, temperatura y lluvia. El sistema recibe numerosas mediciones (volumen), algunas cada minuto (velocidad), de varios tipos (variedad). Si un sensor estropeado siempre indica «suelo seco», la información pierde veracidad. El valor aparece cuando se utiliza de forma adecuada para tomar mejores decisiones de riego, reducir desperdicios y detectar problemas.

Esta aplicación puede utilizar IA, reglas convencionales o una combinación de ambas. La existencia de muchos datos, por sí sola, no demuestra que se esté utilizando IA.

2.4. Entrenamiento, prueba y predicción

En un proyecto básico de aprendizaje automático distinguimos tres fases:

1. Entrenamiento: ofrecemos ejemplos y ajustamos el modelo para que encuentre regularidades.
2. Evaluación o prueba: utilizamos ejemplos separados que no se han empleado para ajustar el modelo y comprobamos sus resultados.
3. Predicción o inferencia: aplicamos el modelo a entradas nuevas dentro de una aplicación real.

Supongamos que queremos clasificar mensajes de correo en «spam» y «legítimo». Si probamos el modelo solo con correos que ya ha visto, podemos obtener un resultado engañosamente bueno. Necesitamos mensajes nuevos y suficientemente variados. También debemos vigilar si los datos de prueba se parecen a los que se encontrarán en la práctica.

Es posible que un modelo detecte patrones irrelevantes. Por ejemplo, si todas las fotos de una categoría tienen fondo azul y las de otra fondo verde, podría fijarse en el color del fondo en lugar del objeto. Por eso es tan importante pensar cómo se recopilan los ejemplos.

2.5. ¿Qué papel desempeña la nube?

La computación en la nube consiste en utilizar servidores y servicios informáticos a través de una red. Puede facilitar el almacenamiento de datos y la ejecución de cálculos exigentes, especialmente cuando los modelos son grandes. Pero existen modelos que se ejecutan localmente en un ordenador o un móvil sin enviar cada entrada a un servidor remoto.

Cuando una herramienta utiliza servicios externos, conviene conocer qué datos se transmiten, quién puede acceder a ellos y cuánto tiempo se conservan. En actividades escolares evitaremos subir información personal, rostros identificables o trabajos privados de compañeros a herramientas públicas.

Actividad 1. Desmonta una aplicación en tres partes

Duración: 20 minutos · Modalidad: parejas.

Completa las tres columnas para estos casos. Ten en cuenta que una aplicación puede usar diferentes entradas y que no siempre se conoce exactamente su funcionamiento interno.

Pregunta adicional: ¿cuál de estas aplicaciones podría resolverse con reglas simples sin aprendizaje automático?

Actividad 2. Las cinco V del huerto inteligente

Duración: 20 minutos · Modalidad: grupos de 3.

Un centro educativo registra la humedad del suelo de su huerto cada cinco minutos. También almacena fotografías semanales, datos meteorológicos y anotaciones sobre el riego. Un sensor ha comenzado a enviar valores imposibles.

1. Clasifica al menos un dato del caso en cada una de las cinco V.
2. Explica cómo detectarías registros poco fiables.
3. Propón una forma útil de combinar información de diferentes fuentes.
4. ¿Sería necesario entrenar un modelo de IA para activar el riego cuando la humedad es inferior al 25 %? Razona la respuesta.
5. Diseña un esquema IPO para una aplicación que recomiende cuándo revisar el sistema de riego.

Producto a entregar: una tabla de las cinco V y un diagrama IPO comentado.

Actividad 3. Pequeño experimento de clasificación

Duración: 15 minutos · Modalidad: individual.

Observa estos ejemplos ficticios:

Sin entrenar ningún programa, intenta clasificar una nueva medición de 29 °C y 22 % de humedad. Explica qué patrón has observado. Después responde: ¿por qué cuatro ejemplos resultan insuficientes para utilizar este criterio en un huerto real? Piensa en la lluvia, el tipo de planta, el suelo y los fallos de los sensores.

Comprueba lo aprendido

1. Define entrada, proceso y salida con un ejemplo que no aparezca en el tema.
2. ¿Qué diferencia existe entre entrenar y utilizar un modelo?
3. Explica con tus palabras la V de veracidad y la V de valor.
4. ¿Por qué un modelo puede fallar aunque haya recibido muchos datos?
5. ¿Es lo mismo Big Data que inteligencia artificial? Justifica tu respuesta.

En resumen

El esquema IPO ayuda a comprender cómo una aplicación transforma información en resultados. En aprendizaje automático distinguimos el entrenamiento, la evaluación y el uso posterior del modelo. Las cinco V permiten analizar la cantidad, velocidad, variedad, fiabilidad y utilidad de los datos. Para construir una aplicación fiable no basta con acumular información: debemos elegir datos adecuados y evaluar sus límites.

Fuentes y créditos

• Education Bureau, Hong Kong (2023). Module on Artificial Intelligence for Junior Secondary Level, Booklet 1, Unit 2, pp. 19–27. Material original del alumnado.
• Education Bureau, Hong Kong (2023). Booklet 1, versión docente y fichas de trabajo. Carpeta de materiales de referencia.
• Elaboración propia para TICenelAula. Ejemplos, actividades e ilustraciones originales.