El aprendizaje automático puede entenderse con una idea sencilla: en vez de escribir una regla para cada situación posible, proporcionamos muchos ejemplos. El sistema encuentra patrones matemáticos en esos datos y construye un modelo capaz de clasificar información que no había visto antes.
Pero aprender de ejemplos tiene un límite importante: la calidad de lo aprendido depende de los datos utilizados. Si los ejemplos son escasos, incorrectos o poco representativos, el resultado también puede equivocarse. Comprender esto será fundamental para avanzar hacia las redes profundas y la inteligencia artificial actual.
