Agrupar colores Machine learning sin respuestas: el Lince agrupa colores: chisme 106

Vamos a agrupar colores machine learning. Madrugada en la cueva del Lince de la Noche. Sobre la mesa hay cien muestras de pintura, sin etiqueta. La Gata Montesa pregunta: «¿Cuántos tipos de color hay aquí?». El Lince podría contarlos a mano, pero son demasiados y todos parecen distintos. «Que lo haga el ordenador», dice la Gata. «Pero sin decirle nada: tiene que encontrar los grupos solo».

Introducción: agrupar colores machine learning

En este chisme agrupamos cien colores sin decirle al ordenador qué color es cada uno. Es aprendizaje sin etiquetas: solo hay datos, y el ordenador busca qué datos se parecen entre sí.

Puedes usar el simulador en la página del chisme 106. Si vienes del chisme 104, aquí no hay frases ni etiquetas: solo datos.

Por qué este chisme

En los chismes anteriores, la IA aprendía con ejemplos que traían su respuesta: una foto con su nombre, una frase con su clase, un número ya conocido (como en el chisme 105). Aquí no hay respuestas. Eso obliga a una pregunta nueva: ¿cuántos grupos hay? Y no tiene una única respuesta.

Cómo funciona

Cada color es un punto en tres dimensiones: cuánto rojo, cuánto verde y cuánto azul tiene. Los colores parecidos están cerca.

El método se llama k-medias:

1. Elegimos k, el número de grupos.
2. Colocamos k centros al azar.
3. Cada color se asigna al centro más cercano.
4. Cada centro se mueve al promedio de sus colores.
5. Repetimos hasta que nadie cambie de grupo.

Los nombres de los grupos los ponemos nosotros, después.

Qué necesitamos

• Un navegador (Chrome o Edge).
• Lápiz y papel, para anotar lo que observas.

Cómo probarlo

1. Pulsa «Agrupar» con k = 2, 3 y 5. ¿Qué cambia?
2. Pulsa «Nuevos colores» y compara los grupos con los anteriores.
3. Con k = 6, ¿hay grupos con muy pocos colores? ¿Qué significa?

Qué estamos midiendo realmente

El ordenador mide distancias entre tres números, no «parecidos» en sentido humano. El número de grupos lo elegimos nosotros, y el resultado depende de k y del punto de partida al azar. Agrupar no es entender: los grupos adquieren sentido cuando alguien les pone nombre.

Para el aula

• ¿Cuántos grupos hay «de verdad» en las cien muestras? ¿Cómo lo sabrías sin el ordenador?
• Si dos alumnos eligen k distinto, ¿quién tiene razón?
• Si los datos fueran la temperatura y la humedad de Sierra Bermeja, ¿qué grupos esperarías?

Retos

1. Agrupa con k = 4 y describe qué ves en la vista 2D.
2. Agrupa usando solo rojo y verde, y compara con los tres colores.
3. Calcula la distancia media de cada grupo a su centro. ¿Con qué k baja más?
4. Sustituye los colores por tres medidas tuyas y busca grupos de alumnos.

Qué hemos aprendido

Sin respuestas correctas, el ordenador puede encontrar grupos en los datos. Pero el número de grupos y el significado de cada grupo los decidimos nosotros, y el resultado cambia según k y el azar.

Para seguir investigando

• Chisme 105: predecir dónde cae la pelota, con respuestas correctas.
• Chisme 98: la regresión lineal calculada a mano.