IA. Modelos

Perceptrón III. La clasificación en Orientación.

IA. Modelos y paradigmas. Machine Learning

Mucho antes de que existieran los algoritmos de aprendizaje automático, los orientadores ya abordaban problemas que hoy pueden formularse como problemas de clasificación. La clasificación binaria no es una aportación del Machine Learning; constituye una estructura lógica presente en numerosas decisiones profesionales. Algunos ejemplos son los siguientes:

• ¿Se detectan indicios suficientes que justifiquen profundizar en el estudio de un caso?
• ¿Procede realizar una evaluación psicopedagógica?
• ¿Debe considerarse prioritaria una determinada actuación orientadora?
• ¿Resulta necesario establecer un seguimiento específico?
• ¿Se cumplen determinados criterios previamente definidos?

Aunque pertenecen a procesos diferentes, todas estas cuestiones comparten una misma estructura: cada caso debe asignarse a una de dos categorías posibles. Desde el punto de vista computacional, todas ellas pueden formularse como problemas de clasificación binaria.

Naturalmente, esto no significa que todas posean la misma complejidad ni que deban resolverse mediante los mismos procedimientos. Significa únicamente que el resultado final consiste en asignar cada caso a una de dos clases mutuamente excluyentes.

¿Qué elementos debe contener un problema de clasificación binaria?

Para formular un problema de clasificación no basta con disponer de dos posibles respuestas. Es necesario definir con precisión la estructura del problema.

En primer lugar, debe establecerse cuál es el tipo de casos que se pretende clasificar. Un clasificador debe operar siempre sobre instancias de la misma naturaleza; no tendría sentido mezclar alumnos, familias o centros educativos dentro del mismo problema.

En segundo lugar, cada caso debe describirse mediante un conjunto de variables. Esas variables constituyen la información a partir de la cual se realizará posteriormente la clasificación.

Finalmente, es necesario definir con claridad las dos clases posibles y el criterio que permite asignar cada caso a una de ellas.

Cuando estos elementos están bien definidos, el problema puede plantearse como un problema de clasificación binaria, con independencia del procedimiento que posteriormente se utilice para construir el clasificador.

Dos formas de construir un clasificador

Una vez formulado el problema, aparece una nueva cuestión: ¿cómo construir el clasificador?

Históricamente han coexistido dos grandes estrategias.

La primera consiste en definir explícitamente las reglas de decisión. El conocimiento procede del profesional, que establece los criterios necesarios para asignar cada caso a una de las dos clases. Este ha sido el enfoque característico de los sistemas heurísticos y continúa siendo la solución habitual cuando existen protocolos, criterios técnicos o normativa suficientemente definidos.

La segunda estrategia consiste en no escribir esas reglas de manera explícita, sino proporcionar al algoritmo un conjunto de ejemplos previamente clasificados para que aprenda automáticamente una función de decisión. Este es el planteamiento del aprendizaje automático.

Ambas estrategias persiguen exactamente el mismo objetivo: construir un clasificador. La diferencia no reside en el problema que intentan resolver, sino en el procedimiento utilizado para construir la función de clasificación.

Por ello, la aparición del aprendizaje automático no implica que determinados problemas no pudieran resolverse anteriormente mediante procedimientos heurísticos. La mayor parte de ellos ya se abordaban antes del desarrollo del ML y muchos continúan resolviéndose hoy mediante reglas explícitas, protocolos profesionales o criterios normativos. Dicho de otra manera: el aprendizaje automático no sustituye a la heurística; constituye otra forma de construir un clasificador.

¿Qué aporta el aprendizaje automático?

Si la heurística y el aprendizaje automático permiten construir clasificadores, resulta razonable preguntarse qué aporta realmente este último.

Su principal interés consiste en que permite construir un clasificador a partir de ejemplos previamente clasificados, sin necesidad de definir explícitamente todas las reglas de decisión. Desde esta perspectiva, el entrenamiento de un modelo puede entenderse como un experimento cuyo objetivo consiste en comprobar si una determinada arquitectura es capaz de aprender la función de clasificación utilizando las variables disponibles y los ejemplos proporcionados.

Cuando el entrenamiento tiene éxito, obtenemos un clasificador cuya capacidad de generalización deberá evaluarse posteriormente sobre nuevos datos. Pero un resultado poco satisfactorio también puede aportar información relevante al poner de manifiesto limitaciones de la arquitectura utilizada, problemas en la selección de las variables, deficiencias en los datos de entrenamiento o incluso la conveniencia de revisar la formulación inicial del problema de clasificación.

Por ello, el entrenamiento de un modelo no constituye únicamente un procedimiento para obtener un clasificador. También representa una fase de experimentación cuyos resultados pueden contribuir a mejorar tanto el propio modelo como el modo en que se ha planteado el problema.

El siguiente paso

Hasta aquí nos hemos ocupado del problema. Sabemos qué caracteriza a un problema de clasificación binaria y conocemos dos estrategias generales para construir un clasificador. La siguiente pregunta surge de forma natural:
¿Cuál es la arquitectura más sencilla capaz de aprender una función de clasificación binaria a partir de ejemplos?

La primera respuesta histórica a esa cuestión fue el perceptrón. Comprender su funcionamiento permitirá entender no solo cómo aprende un modelo de aprendizaje automático, sino también por qué determinadas arquitecturas poseen límites bien definidos y qué puede enseñarnos su comportamiento sobre los problemas que intentan resolver.

IA. Modelos

Perceptrón II. Clasificación binaria.

IA. Modelos y paradigmas. Machine Learning

Antes de estudiar el perceptrón vamos a tratar de entender el problema que pretende resolver.

En la entrada anterior vimos que el perceptrón constituye uno de los primeros modelos capaces de aprender a partir de ejemplos; pero ¿aprender a qué?. Para analizar con sentido cómo funciona el perceptrón conviene responder a una pregunta previa: ¿qué tipo de problema está diseñado para resolver?, ya que todo algoritmo se desarrolla para abordar una determinada clase de problema. Comprender la naturaleza de esos problemas constituye el primer paso para entender por qué se diseña un modelo concreto y cuáles serán sus posibilidades y sus limitaciones.

En el caso del perceptrón, el problema pertenece a la familia de los denominados problemas de clasificación.

Un mismo conjunto de datos puede dar lugar a problemas diferentes

Supongamos que disponemos de un conjunto de "expedientes de orientación". Cada expediente reúne diferentes tipos de información obtenida a lo largo del proceso de intervención: datos académicos, resultados de distintos procedimientos de evaluación, observaciones recogidas durante entrevistas, información aportada por el profesorado o cualquier otro elemento que resulte pertinente para comprender cada caso.

Ahora no corresponde entrar en detalles, pero sí debemos considerar que esa información puede ser considerar desde diferentes perspectivas. Los expedientes son los mismos, pero las preguntas que nos formulamos pueden ser diferentes:

• Podemos querer estimar un determinado valor numérico a partir de la información disponible en cada expediente.
• O intentar descubrir si los casos se agrupan de forma natural según las características que presentan, sin haber definido previamente ninguna categoría.
• O bien podemos querer valorar si un caso pertenece o no a una categoría que ha sido establecida previamente.

Sólo la tercera opción es una cuestión de clasificación.

Tres grandes familias de problemas.

Aunque existen numerosas variantes, por ahora es suficiente con distinguir tres grandes tipos de problemas.

En los problemas de clasificación el objetivo consiste en decidir a cuál de varias categorías previamente definidas pertenece un nuevo caso. La salida del modelo no es un número, sino una categoría.

Por ejemplo, determinar si un alumno presenta o no indicadores compatibles con una necesidad específica de apoyo educativo (NEAE), clasificar el nivel de riesgo de dificultades en el aprendizaje de la lectura a partir de pruebas de cribado o decidir si un caso requiere una intervención ordinaria o la derivación a una evaluación psicopedagógica más específica.

Otro tipo de `problema son de regresión. En este caso el objetivo consiste en estimar un valor numérico, de predecir una cantidad.

Por ejemplo, estimar la evolución prevista del rendimiento académico de un alumno, predecir el número de alumnos que requerirán medidas de apoyo educativo en un determinado curso escolar o calcular el tiempo aproximado que necesitará un alumno para alcanzar un objetivo de aprendizaje en función de las horas de apoyo que recibe.

Finalmente podemos enfrentarnos a problemas de agrupamiento, en los que no disponemos de categorías previamente definidas, por lo que el objetivo consiste en descubrir automáticamente grupos de casos similares a partir de los propios datos. En estos, el algoritmo no recibe la respuesta correcta durante el entrenamiento, sino que intenta identificar estructuras o agrupaciones que no eran conocidas previamente.

¿Qué significa realmente clasificar?

En lo que resta de esta entrada nos vamos a centrar en los problemas de clasificación, entendiendo que clasificar consiste en asignar un nuevo caso a una de las categorías previamente definidas.

Esta idea resulta mucho más habitual de lo que podría parecer. Clasificamos documentos, incidencias, solicitudes administrativas, necesidades específicas de apoyo educativo o tipos de intervención. En todos estos casos existe un conjunto de categorías conocidas de antemano y el problema consiste en decidir a cuál de ellas pertenece cada nuevo caso.

Desde un punto de vista computacional, todos ellos pertenecen a la misma familia de problemas, aunque los datos utilizados sean diferentes y las soluciones puedan abordarse desde enfoques también diferentes.

La clasificación binaria

Entre todos los problemas de clasificación existe uno especialmente sencillo; aquel en el que únicamente pueden producirse dos resultados: sí o no; verdadero o falso, aceptado o rechazado.... En estos casos hablamos de clasificación binaria.

No importa cuál sea el significado concreto de las dos categorías. Lo importante es que cualquier nuevo caso debe asignarse necesariamente a una de ellas. Precisamente esta formulación del problema hizo posible el desarrollo de uno de los hitos fundacionales del aprendizaje automático: el perceptrón simple, un modelo diseñado para aprender a distinguir entre dos categorías a partir de ejemplos previamente clasificados.

Una idea para continuar

Comprender qué es un problema de clasificación constituye el primer paso para entender el funcionamiento del perceptrón. Sin embargo, todavía queda una cuestión importante por responder: si los problemas de clasificación existen desde mucho antes de la aparición del aprendizaje automático y pueden resolverse mediante procedimientos muy diferentes, ¿por qué fue necesario desarrollar una arquitectura como el perceptrón?

Responder a esta pregunta permitirá comprender qué aporta realmente el aprendizaje automático frente a los enfoques heurísticos tradicionales y por qué supuso un cambio de paradigma en la forma de construir sistemas capaces de clasificar nuevos casos.