La pérdida como marcador
¿Es buena esta predicción? ¿Por cuánto?
La idea que hay dentro
Pérdida = sorpresa; cuanto menor, mejor; es la puntuación del juego.
Después de esta lección
Puedes explicar qué mide la pérdida de entrenamiento: la sorpresa del modelo ante la verdad.
Adónde lleva
Millones de perillas: ¿cómo las ajustamos?
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
Pérdida = sorpresa; cuanto menor, mejor; es la puntuación del juego.
La pregunta con la que abre
¿Es buena esta predicción? ¿Por cuánto?
El recorrido, en palabras de la propia lección
- La palabra correcta era leche. ¿Qué modelo apostó más por ella, el que predice mejor?
- Ahora ponle un número a tu instinto. Arrastra la confianza, menos sorpresa es mejor.
- Ese único número es la puntuación del modelo. Más bajo significa que predice mejor.
- Correcto. A apostó un 80% a la palabra correcta, B solo un 5%. La columna de sorpresa de A es corta; la de B se dispara. Menos sorpresa = predice mejor.
- Mira las columnas: A apostó un 80% a la palabra correcta, así que su sorpresa es corta. B apostó solo un 5%, así que su sorpresa se dispara. Menos sorpresa = predice mejor.
- Es la puntuación del modelo en una predicción, cuánto lo sorprendió la palabra correcta. Más bajo significa que predice mejor.
- Siguiente pregunta: el modelo tiene millones de perillas. ¿Cómo las ajusta todas para bajar esta puntuación?
- La puntuación de un modelo sube según mejora, como una nota de examen.
- La loss es una puntuación de sorpresa, así que más baja es mejor. Mide cuánto sorprendió al modelo la siguiente palabra real, y el entrenamiento la empuja hacia abajo. No son los números de accuracy (donde más alto es mejor) que un laboratorio anuncia en un lanzamiento.
- Dos chatbots responden la misma pregunta. Uno suena seguro y acierta, el otro titubea sin parar. ¿Qué único número usaría el entrenamiento para distinguirlos?
- La loss, la puntuación de sorpresa que acabas de ver. El entrenamiento solo ve una cosa: cuánto sorprendió al modelo la respuesta correcta. El que suena seguro y acierta es el de sorpresa baja, y ese es justo el número que el entrenamiento empuja hacia abajo.
- Poca confianza en la verdad = sorpresa alta = pérdida alta. Más bajo es mejor.
La idea clave
La pérdida del modelo es ahora tu puntuación.
Qué puedes hacer después de esta lección
Puedes explicar qué mide la pérdida de entrenamiento: la sorpresa del modelo ante la verdad.
Ponte a prueba: ¿Qué mide la pérdida durante el entrenamiento?
- La sorpresa del modelo ante la siguiente palabra correcta(correcta)
- Qué tan rápido se ejecuta
- Su uso de memoria
- El número de parámetros
La loss es cuánto sorprendió al modelo la siguiente palabra real. Una loss baja significa que dio alta probabilidad a lo que de verdad vino después.
Adónde lleva: Millones de perillas: ¿cómo las ajustamos?
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.