Definición
El entrenamiento ajusta parámetros para reducir una pérdida o aumentar una recompensa. El objetivo, los datos y la optimización determinan lo aprendido. La inferencia calcula una salida con los parámetros y el contexto disponibles.
Ecuación
θ son los parámetros, L una pérdida y η la tasa de aprendizaje. Este paso de descenso de gradiente es ilustrativo; no todos los sistemas aplican exactamente esta regla.
Supuestos y notación
θ son los parámetros, L una pérdida y η la tasa de aprendizaje. Este paso de descenso de gradiente es ilustrativo; no todos los sistemas aplican exactamente esta regla.
Límites de interpretación
Cambiar las instrucciones modifica la entrada; no implica reentrenamiento. Aprendizaje supervisado, autosupervisado y por refuerzo son métodos, no arquitecturas.