Page 67 - E-Book Articulos

"Machine Learning: Enseñando a las máquinas a pensar"
octubre, 2025

Área de Investigación: Inteligencia Artificial

Emerson Cualchi Jarrin, Luis Enriquez Garrido
Carrera de Ingeniería de Tecnologías de la Información/UNACH
Facultad de Ingeniería
emerson.cualchi@unach.edu.ec
david.enriquez@unach.edu.ec

Resumen. El Machine Learning o aprendizaje automático es una rama fundamental de la inteligencia
artificial que permite a las máquinas mejorar su rendimiento mediante la experiencia. Este trabajo
analiza cómo los algoritmos identifican patrones en los datos y realizan predicciones sin una
programación explícita. Se presentan sus tres tipos principales: el aprendizaje supervisado, el no
supervisado y el por refuerzo. Cada uno tiene aplicaciones prácticas en diversos campos, demostrando
su utilidad en áreas como la medicina, la seguridad y la educación. Sin embargo, este progreso
tecnológico también conlleva importantes desafíos éticos que deben ser abordados. La utilización de
datos personales y la toma de decisiones automatizada exigen un desarrollo responsable y transparente.
Es crucial implementar marcos de gobernanza que prioricen la equidad y la rendición de cuentas para
garantizar que estas herramientas beneficien a toda la sociedad de manera justa y segura.

Abstract. Machine Learning (ML), a core branch of artificial intelligence, empowers machines to
enhance their performance through experience by identifying patterns in data and making autonomous
predictions. This paper analyzes three primary paradigms: supervised, unsupervised, and reinforcement
learning. Their practical applications are vast, driving innovation across critical sectors such as medical
diagnostics, security systems, and personalized education. However, this powerful technology also
introduces significant ethical challenges. Issues concerning the use of personal data, algorithmic bias,
and the opacity of automated decision-making processes demand urgent attention. Consequently, the
discussion emphasizes the paramount importance of fostering responsible, transparent, and accountable
technological development to ensure that the advancement of ML benefits society as a whole while
mitigating potential risks and upholding ethical standards.

Palabras Claves. Machine Learning, Inteligencia Artificial, Algoritmos, Ética Tecnológica

retroalimentación, los sistemas de ML refinan sus
1 Introducción modelos internos mediante la exposición a datasets de
entrenamiento, ajuste de parámetros y validación
El Machine Learning o aprendizaje automático
representa uno de los campos más dinámicos y cruzada. Este proceso iterativo de aprendizaje
computacional ha demostrado una efectividad
transformadores de la inteligencia artificial
contemporánea [1]. En esencia, se trata de enseñar a extraordinaria.
las máquinas a aprender de la experiencia,
permitiéndoles mejorar su desempeño en tareas En este artículo se busca comprender los fundamentos
específicas sin necesidad de ser programadas pedagógicos computacionales que subyacen al proceso
explícitamente para cada scenario posible. Esta de enseñar a las máquinas, explorando tanto los
capacidad de aprendizaje automático ha redefinido aspectos algorítmicos como las consideraciones
radicalmente la relación entre humanos y prácticas de implementación. El análisis abarcará la
computadoras. taxonomía fundamental del aprendizaje automático,
distinguiendo entre paradigmas supervisados, no
La metáfora de "enseñar a las máquinas" resulta supervisados y por refuerzo, cada uno con sus
metodologías pedagógicas características y casos de
particularmente elucidatoria, pues establece un
paralelismo entre el proceso educativo humano y el aplicación específicos. [2]
entrenamiento algorítmico. Así como un estudiante
aprende mediante ejemplos, práctica y El concepto fundamental de "enseñar a las máquinas"
trasciende la mera programación tradicional,

67