Qué es el sobreajuste: el estudiante que se aprendió las respuestas de memoria
Una IA que saca matrícula con sus datos de práctica y falla con cualquier cosa nueva está sobreajustada. Aha AI lo explica con una analogía y te da dos formas de verlo con tus propios ojos.
Imagina a alguien que se aprendió de memoria un cuadernillo entero de exámenes, respuestas incluidas. La pregunta tres es la B, la siete es la D. Dentro de ese cuadernillo no falla nunca. Luego, en el examen de verdad, cambia un solo detalle de una pregunta conocida, y se queda en blanco.
Eso es el sobreajuste, y es una de las ideas del aprendizaje automático más útiles para explicar a adolescentes o a cualquiera que use herramientas de IA. Aha AI construye toda su página sobre esa analogía. Así funciona, y así puedes verlo por tu cuenta. 🧠
Primero, una línea
Cada página de Aha AI empieza con una sola línea. Para el sobreajuste es Memorizar los ejercicios de práctica y fallar con los nuevos. Los puntos clave de debajo añaden lo más importante: un modelo puede ser casi perfecto con sus datos de práctica y aun así venirse abajo con algo que nunca ha visto.
La analogía: dentro del cuadernillo, memorizar parece saber
La página sigue un poco más a esa persona. Con cada repaso del cuadernillo, los errores bajan hacia cero y la confianza sube. Luego cambia una condición y no sabe por dónde empezar, porque se aprendió parejas de pregunta y respuesta en vez del razonamiento que hay detrás.
La frase que conviene recordar es esta: Dentro del cuadernillo, memorizar y saber son indistinguibles. Solo una pregunta que no estaba en el cuadernillo los separa. Una IA sobreajustada está en el mismo estado, y su nota de práctica no avisa de nada.
Cuadernillo, examen sorpresa y examen final
La analogía lleva directamente a cómo se entrena una IA de verdad. Aha AI lo explica como tres montones de datos:
| En la analogía | En aprendizaje automático | Para qué sirve |
|---|---|---|
| El cuadernillo | Datos de entrenamiento | Lo que estudia el modelo |
| El examen sorpresa | Datos de validación | Se miran por el camino para decidir cuándo parar |
| El examen final | Datos de prueba | Se abren una sola vez, al final |
El examen sorpresa es el aviso temprano. Mientras el modelo aprende patrones reales, la nota de práctica y la del examen sorpresa mejoran juntas. Si la de práctica sigue subiendo pero la del examen sorpresa empieza a bajar, el modelo ha empezado a memorizar. Ese es el momento de parar.
Demasiado simple, justo, demasiado ajustado
También hay un error en el otro lado. Un modelo tan simple que ni siquiera acierta con los datos de práctica tiene subajuste, y ese es fácil de ver. Lo que se busca está en medio: las dos notas altas y cercanas. Aha AI llama a esa meta generalización: hacerlo bien con datos que el modelo nunca ha visto.
Míralo pasar
La página termina con dos cosas para probar, las dos presentadas en AI Teading:
- TensorFlow Playground. Sube el ruido, apila muchas capas y entrena un buen rato: la frontera se retuerce punto por punto y solo el error de prueba vuelve a subir.
- Teachable Machine. Entrena con tres o cuatro fotos y luego cambia solo el fondo; puede que te encuentres con un modelo que memorizó el fondo y no el objeto.
Malentendidos comunes
La página cierra con una lista corta de errores fáciles de cometer. Dos de ellos merecen decirse en voz alta en clase:
- Una nota de práctica más alta no significa un modelo mejor. Lo que hay que mirar es la distancia entre la nota de práctica y la de los datos apartados.
- Entrenar más tiempo no siempre lo hace más listo. Pasado cierto punto memoriza el ruido, y su rendimiento con datos nuevos baja.
En la próxima entrega
¿Es tu primera vez en Aha AI? Empieza por Aha AI: una analogía cotidiana para cada término de IA.
La próxima vez: escribir tus propias reglas para usar la IA, con el capítulo 6.4 de AI Teading Teens.
Preguntas frecuentes
¿Qué es el sobreajuste, en una línea?
Aha AI lo resume como memorizar los ejercicios de práctica y fallar con los nuevos. El modelo va muy bien con los datos con los que practicó y cae en picado con datos que nunca ha visto.
¿Cómo se sabe si un modelo está sobreajustado?
Mirando dos notas durante el entrenamiento: una con los datos de práctica y otra con datos apartados. Si la nota de práctica sigue mejorando pero la de los datos apartados empieza a empeorar, el modelo ha empezado a memorizar.
¿No mejora siempre si se entrena más?
No. Pasado cierto punto, el modelo empieza a memorizar el ruido y las rarezas de sus datos, y su rendimiento con datos nuevos vuelve a caer.
¿Puede una niña o un niño ver el sobreajuste?
Sí. La página de Aha AI propone dos herramientas: TensorFlow Playground, donde la frontera empieza a retorcerse punto por punto, y Teachable Machine, donde un modelo entrenado con pocas fotos aprende el fondo en vez del objeto.