- El entrenamiento es la etapa en la que un modelo aprende parámetros para reducir su error a partir de los datos de entrenamiento.NIST CSRC glossary, "training stage"
- En el aprendizaje supervisado, el modelo predice respuestas o etiquetas que suelen haber creado personas.NIST CSRC glossary, "supervised learning"
- No todos los datos se etiquetan a mano: los métodos autosupervisados obtienen sus etiquetas de los propios datos.NIST CSRC glossary, "self-supervised learning"
- Las grabaciones de actividades cotidianas son un tipo de datos de entrenamiento: el conjunto de investigación Ego4D tiene 3 670 horas de ese video.Ego4D paper, arXiv 2110.07058
¿Cómo aprende un modelo a partir de ejemplos?
Imagina una pila enorme de ejemplos resueltos. Al principio, el modelo adivina mal. Durante el entrenamiento compara sus predicciones con los ejemplos, mide cuánto se equivocó y ajusta sus parámetros para fallar un poco menos la próxima vez. El Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST) define la etapa de entrenamiento como aquella en la que un modelo aprende parámetros que minimizan su error frente a una función objetivo basada en los datos de entrenamiento. Si quieres saber cómo se le paga a la gente por aportar ejemplos así, la guía para recolectores explica uno de esos trabajos: grabar actividades.
La definición de aprendizaje automático del NIST habla de aprender de los datos con el objetivo de mejorar la precisión. Mejorar es la meta, pero nadie promete el resultado. Si los ejemplos son poco variados, confusos o están mal documentados, el modelo puede aprender patrones que no le sirven fuera de esos casos. Por eso importa tanto qué se recolecta y cómo se prepara.
Los chatbots son solo un caso. La traducción, el reconocimiento de imágenes y la robótica también aprenden de datos de entrenamiento. El artículo original del Transformer, la arquitectura detrás de muchos modelos de lenguaje, cuenta que lo probaron en análisis sintáctico del inglés tanto con grandes cantidades de datos de entrenamiento como con cantidades limitadas.
Datos etiquetados y datos sin etiquetas
Según cómo aprenda el modelo, el trabajo humano que hace falta es distinto:
- En los datos etiquetados, cada ejemplo trae su respuesta: una foto marcada como "gato" o una respuesta de chatbot evaluada como útil. El NIST define el aprendizaje supervisado como aprender a predecir etiquetas o valores de salida explícitos, a menudo generados por personas. De ahí sale buena parte del trabajo de datos.
- Los datos sin etiquetar llegan sin esas respuestas. En el aprendizaje autosupervisado, las etiquetas se infieren automáticamente de los propios datos, y así se pueden aprovechar colecciones enormes sin etiquetar cada elemento a mano.
- Un proyecto puede combinar las dos cosas: una colección grande sin etiquetas y otra más pequeña con etiquetas, según lo que quiera que aprenda el modelo.
No todos los datos con los que se entrena una IA pasaron por alguien que los etiquetó. Algunas personas añaden respuestas; otras crean o graban el material del que aprende el modelo.
Tipos de datos de entrenamiento
| Tipo | Cómo se presenta | Qué puede aprender el modelo |
|---|---|---|
| Texto | Artículos, preguntas, respuestas y evaluaciones de chats | Lenguaje, redacción y respuestas a preguntas |
| Imágenes | Fotografías con etiquetas o sin ellas | Reconocimiento de objetos, escenas y rostros |
| Video | Grabaciones de personas, lugares y actividades | Cómo se desarrollan acciones a lo largo del tiempo |
| Acciones | Registros de teclado, mouse, control o movimientos de robot sincronizados con video | Qué acción realizar después en una partida o tarea física |
Por qué importa el video en primera persona
Un video grabado desde el punto de vista de quien hace la tarea muestra qué hacen las manos, qué herramientas usan y en qué orden. A esto se le llama video egocéntrico o en primera persona, y se acerca bastante a lo que un robot o un asistente tendría que entender de una actividad. La guía sobre qué es el video egocéntrico explica el término con más detalle.
Los equipos de investigación ya reunieron grandes colecciones públicas de este tipo de video. El artículo de Ego4D describe 3 670 horas de actividades cotidianas, grabadas por 931 personas en 74 lugares de 9 países. El estudio R3M usó videos humanos de Ego4D para preentrenar una representación visual pensada para la manipulación robótica. El video humano es una fuente entre varias, y por sí solo no le da al robot una habilidad terminada. Las guías de cómo aprenden los robots con video humano e investigación sobre aprendizaje robótico explican los resultados y sus límites.
Dónde entra el trabajo de las personas
Detrás de casi todos los datos de entrenamiento hay trabajo humano, y se puede dividir en tres grupos. Vale la pena distinguirlos antes de buscar un proyecto:
- Quien etiqueta marca objetos en imágenes o videos, clasifica fotos o transcribe audio para que los ejemplos traigan sus respuestas.
- Quien evalúa o escribe compara respuestas de modelos, las califica o redacta ejemplos, casi siempre frente a una computadora.
- Quien graba hace una actividad mientras se registra, como cocinar con una cámara en la cabeza o jugar mientras se capturan la pantalla y los controles.
Cada grupo pide otras habilidades y se hace en otro lugar. Seguir una guía de clasificación se parece poco a mantener las manos y una reparación dentro del encuadre. La comparación entre recolección y etiquetado de datos te ayuda a elegir, y los consejos para grabar en primera persona muestran cómo es grabar en la práctica.
Errores e ideas equivocadas frecuentes
- Creer que todos los datos los etiquetan personas. En el aprendizaje supervisado es lo habitual, pero el autosupervisado infiere las etiquetas a partir del material.
- Pensar que más datos siempre dan un modelo mejor. El NIST plantea la mejora de la precisión como un objetivo, y los ejemplos limitados, mal etiquetados o poco documentados pueden enseñar patrones equivocados.
- Creer que solo participan especialistas en tecnología. Para grabar, lo que importa es conocer bien la actividad cotidiana y seguir las instrucciones. No tienes que saber construir un modelo.
- Fiarse de cualquier oferta que diga IA. Los estafadores también usan ese nombre, así que revisa cómo detectar estafas de trabajos con IA antes de postularte.
Cómo TaskCapture participa en este proceso
TaskCapture recolecta tres tipos de datos en primera persona: residenciales, comerciales y de videojuegos. En videojuegos se registran la pantalla y cada acción del teclado, mouse o control, de forma sincronizada, sin cámara, voz, chat ni nombres de jugador. Recolectamos por encargo: llega la solicitud de un comprador, buscamos recolectores que hacen esas tareas, ellos graban y el material le llega al comprador después de la revisión. Los compradores solo pueden usarlo para desarrollar, entrenar, evaluar y mejorar modelos de IA y de aprendizaje automático.
Postularte no cuesta nada y no necesitas saber programar ni tener conocimientos de IA. El pago va de USD 5–15 por hora de video aceptado; varía según el proyecto y no está garantizado. Trabajas como contratista independiente bajo el Acuerdo de recolector de datos, y la Política de privacidad describe las reglas de consentimiento. La guía de cómo funciona la grabación explica qué equipo llevas y qué grabas.
Preguntas frecuentes
¿Qué son los datos de entrenamiento en una frase?
Son los ejemplos, como textos, imágenes, video o acciones registradas, con los que un modelo ajusta sus parámetros para cometer menos errores.
¿Todos llevan etiquetas hechas por personas?
No. El aprendizaje supervisado suele usar etiquetas humanas; el autosupervisado puede inferirlas automáticamente a partir de los datos.
¿Por qué interesan los videos de tareas cotidianas?
Porque muestran cómo se desarrolla una actividad: las manos, las herramientas y el orden de los pasos. Conjuntos de investigación como Ego4D reúnen miles de horas de este tipo de ejemplos.
¿Necesito habilidades técnicas para ayudar a crear datos?
Depende del trabajo. Algunos trabajos de etiquetado o escritura piden saber de una materia. Para grabar, tienes que conocer la tarea y seguir los requisitos del proyecto.