Machine learning predicción: coge la pelota antes de que caiga: chisme 105 del Lince

Al atardecer, en la ladera de Sierra Bermeja, una pelota rebota por la roca y cada bote la lanza un poco más lejos. El Lince de la Noche tiene una cesta en la mano y solo un intento para atraparla. «Tengo que estar donde va a caer», dice. La Gata Montesa sigue con su cuaderno: «¿Y dónde crees que va a caer?». «Por ahí». «Eso es una corazonada. Enséñale al ordenador a adivinarlo con ejemplos». Hoy vamos a hacer predicción con machine learning. Machine Learning predicción.

Introducción

En este chisme entrenamos un modelo de machine learning que predice un número: la posición horizontal donde una pelota toca el suelo por primera vez. Después, en Scratch, una cesta se mueve sola hasta ese punto.

Puedes hacer el chisme paso a paso desde la página del chisme 105.

Por qué este chisme

En los chismes 102, 103 y 104 la IA decidía a qué clase pertenece algo: una jugada, un sonido o una frase. Aquí la respuesta es un número. Ya no basta con decir «esto es luz»: hay que decir «la pelota caerá en x = 25».

Además, en el chisme 98 calculamos una recta de regresión con una fórmula. Aquí el ordenador no recibe ninguna fórmula: aprende solo a partir de ejemplos. Podemos comparar los dos enfoques.

Cómo funciona

Una pelota sale con una altura y una velocidad. Esas tres cifras son las entradas: la altura inicial (start y), la velocidad horizontal (speed x) y la velocidad vertical (speed y). La salida es la posición donde toca el suelo (bounce x).

Scratch hace rebotar muchas pelotas y guarda cada caso como un ejemplo. Con esos ejemplos, el modelo busca patrones y predice para una pelota nueva. El modelo no sabe física: solo ha visto ejemplos.

Un detalle importante: el modelo no aprende mientras la simulación corre. Cada rebote añade una fila a la tabla, pero para usar esos ejemplos hay que volver a entrenar el modelo.

Qué necesitamos

• Un navegador (Chrome o Edge).
• Una cuenta en Machine Learning for Kids.
• Unos 40 minutos.

Construcción

El proceso tiene ocho pasos cortos, en la página del chisme:

1. Crear el proyecto «Coge la pelota» con el tipo predicting numbers.
2. Describir las tres entradas y la salida (marcando la casilla de bounce x).
3. Abrir la plantilla Catch the ball en Scratch.
4. Guardar cada rebote como ejemplo con el bloque add training data.
5. Recoger diez ejemplos y revisar la tabla.
6. Entrenar el modelo y probarlo con valores a mano.
7. Usar la predicción en Scratch con el bloque glide y el bloque predict.
8. Recoger más ejemplos y volver a entrenar.

Los nombres de los bloques están en inglés en la plantilla de Scratch. La página incluye una tabla con el grupo de cada bloque.

Cómo probarlo

Pulsa la bandera verde diez veces y cuenta cuántas pelotas atrapa la cesta. Después recoge cien ejemplos en lugar de diez, vuelve a entrenar y repite la prueba. ¿Mejora la cesta?

Qué estamos midiendo realmente

La predicción es una estimación, no una medida. La diferencia entre lo que predice el modelo y lo que pasa es el error, y con diez ejemplos suele ser grande. Predecir no es entender: el modelo acierta sin saber nada de gravedad, así que si cambiamos la gravedad sus predicciones fallarán.

Para el aula

• ¿Qué variables son entradas y cuál es la salida?
• Con diez ejemplos, ¿cuánto se equivoca el modelo de media? Mide el error con cinco lanzamientos y calcula la media.
• Compara el modelo con la recta del chisme 98: ¿cuál acierta más?
• ¿Cuántos ejemplos hacen falta para que el error deje de bajar?

Retos

1. Haz que la cesta atrape al menos cinco de diez pelotas.
2. Haz que la pelota salga desde una altura aleatoria y vuelve a entrenar.
3. Cambia el rebote o la gravedad y añade esa variable como nueva entrada.
4. Apunta veinte lanzamientos reales y calcula el error medio en una hoja de cálculo.

Qué hemos aprendido

Un modelo de predicción aprende de ejemplos. Con más ejemplos y más variados predice mejor, pero siempre se equivoca un poco. Antes de confiar en una predicción, hay que medir su error.

Para seguir investigando

• Chisme 98: la regresión lineal calculada a mano.
• Chisme 104: el asistente de la casa, con clasificación de texto.
• Machine Learning for Kids: la lista de proyectos.

La idea y la plantilla de Scratch son de Machine Learning for Kids (licencia CC BY-NC-SA 4.0). Este tutorial está adaptado con texto y capturas propias.