Proceso en el que un modelo aprende a partir de datos. Durante el entrenamiento, el modelo ajusta sus parámetros para minimizar errores. Puede durar días o semanas y requiere una capacidad de computación enorme.
El entrenamiento es el proceso fundamental mediante el cual un modelo de IA aprende a realizar una tarea. Durante el entrenamiento, el modelo procesa millones de ejemplos y ajusta sus parámetros internos para minimizar los errores en sus predicciones.
Es como cuando un estudiante hace ejercicios una y otra vez: al principio se equivoca mucho, pero con la práctica y la corrección de errores, mejora. La diferencia es que un modelo puede procesar millones de ejemplos en horas o días, algo que a un humano le llevaría vidas enteras.
El entrenamiento de modelos grandes (como GPT-4) requiere centros de datos enteros funcionando durante semanas, consumiendo megavatios de electricidad. El coste puede ascender a decenas o cientos de millones de dólares.
💡 Ejemplos prácticos
ChatGPTSe entrenó con una parte significativa de internet: páginas web, libros, artículos científicos, código fuente y debates públicos.
Reconocimiento facialSe entrena con millones de fotos de caras etiquetadas para que aprenda a distinguir personas independientemente del ángulo o la iluminación.
Traducción automáticaDeepL se entrenó con millones de textos traducidos por humanos para aprender equivalencias entre idiomas.