Chisme 106 del Lince: agrupar colores sin que nadie te diga cuáles son
Simulador y tutorial. Trabajarás en el navegador, sin instalar nada y sin datos externos.
Madrugada en la cueva del Lince de la Noche. Sobre la mesa hay cien muestras de pintura, sin etiqueta, y la Gata Montesa tiene una pregunta: «¿Cuántos tipos de color hay aquí?». El Lince duda: podría contarlos a mano, pero son demasiados y todos parecen distintos. «Pues que lo haga el ordenador», dice la Gata. «Pero sin decirle nada: él tiene que encontrar los grupos solo».
Introducción
Hasta ahora, la IA que hemos visto aprendía con ejemplos que traían su respuesta: una foto con su nombre, una frase con su clase. Aquí no hay respuestas. Solo hay datos, y el ordenador tiene que encontrar por sí mismo qué datos se parecen.
A esto se le llama aprendizaje sin etiquetas, y el método que usamos se llama k-medias.
Por qué este chisme
En el chisme 98 calculamos una recta con una fórmula. En el 105, un modelo aprendió de ejemplos con su respuesta. Aquí el ordenador no recibe ninguna respuesta correcta: decide él cómo agrupar. Y eso plantea una pregunta que no tiene una única respuesta: ¿cuántos grupos hay?
Cómo funciona
Cada color es un punto en un espacio de tres dimensiones: cuánto rojo, cuánto verde y cuánto azul tiene (de 0 a 255 cada uno). Los colores parecidos están cerca.
El método k-medias funciona así:
- Elegimos k, el número de grupos que queremos.
- Colocamos k puntos al azar: son los centros provisionales.
- Cada color se asigna al centro más cercano.
- Cada centro se mueve al promedio de los colores que tiene asignados.
- Repetimos los pasos 3 y 4 hasta que nadie cambie de grupo.
Nadie le dice al ordenador qué color es cada grupo. Los grupos los nombramos nosotros, después.
Qué necesitamos
- Un navegador (Chrome o Edge).
- Lápiz y papel, para anotar lo que observas.
Construcción
Aquí no construimos un aparato. Construimos un cálculo que puedes ver funcionar. Usa el simulador de abajo.
Vista en 2 dimensiones (rojo frente a azul)
Vista en 3 dimensiones (cubo de color)
Pulsa «Agrupar». Los puntos se colorean con su color real; el borde indica a qué grupo pertenece; las cruces son los centros.
Paso 1. Agrupa con k = 2
Pon k = 2 y pulsa «Agrupar». ¿Qué grupos forma? Anota qué color tiene cada uno en promedio (la muestra de color de la lista de abajo).
Paso 2. Prueba con k = 3 y k = 5
Repite el paso 1 con k = 3 y con k = 5. Cada vez que cambies k, pulsa «Agrupar» de nuevo. ¿Qué cambia? ¿Los grupos nuevos se parecen a los anteriores o son otros?
Paso 3. Mira el cubo
En la vista de tres dimensiones, mueve el giro. Un mismo grupo puede verse compacto desde un ángulo y disperso desde otro: el ordenador no ve «colores», solo ve distancias entre números.
Paso 4. Pon nombre a los grupos
Con k = 3, mira cada grupo y ponle un nombre (por ejemplo, «rojos oscuros»). Compara tu nombre con el de un compañero: ¿coincidís? Este paso demuestra algo importante: los grupos son hallazgos del ordenador, pero el nombre lo ponemos nosotros.
Cómo probarlo
- Pulsa «Nuevos colores» y agrupa con k = 3. ¿Salen los mismos grupos que con los colores anteriores?
- Repite con cinco conjuntos de colores distintos y anota si los grupos cambian mucho.
- Con k = 6, ¿hay grupos con muy pocos colores? ¿Qué significa eso?
Qué estamos midiendo realmente
- Distancia: el ordenador asigna cada color al centro más cercano medido en tres números. No hay «parecido» en sentido humano, solo distancia.
- Resultado dependiente de k: k lo elegimos nosotros. Si cambiamos k, cambian los grupos. El ordenador no sabe cuál es el número «correcto».
- Resultado dependiente del azar: los centros iniciales son al azar. Dos ejecuciones pueden dar grupos distintos si los datos son poco claros.
- Agrupar no es entender: el ordenador agrupa números. Son los grupos los que nos dan significado, y el nombre lo ponemos nosotros.
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? ¿Cómo decidirías cuál es mejor?
- Si los datos fueran la temperatura y la humedad de Sierra Bermeja, ¿qué grupos esperarías? ¿Qué pasaría con un sensor mal calibrado?
Retos
- Haz que funcione. Agrupa con k = 4 y describe qué ves en la vista 2D.
- Cambia el criterio. Modifica la página para que los puntos se agrupen usando solo rojo y verde, no los tres colores.
- Mide la calidad. Para cada grupo, calcula la distancia media de sus puntos al centro. ¿Con qué k baja más?
- Trae tus datos. Sustituye los colores por tres medidas tuyas (por ejemplo, horas de sueño, de estudio y de móvil) 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 los resultados cambian con k y con el azar: medir bien no es solo agrupar, también es comprobar qué pasa cuando cambian las condiciones.
Para seguir investigando
- Chisme 105: predecir dónde cae la pelota, con respuestas correctas.
- Chisme 98: la regresión lineal calculada a mano.