En esta sección, exploraremos los principales modelos de inteligencia artificial (IA), que son las herramientas fundamentales para abordar diversas tareas en el ámbito de la IA, desde la predicción y clasificación, hasta la generación de datos y el procesamiento del lenguaje. Cada uno de estos modelos tiene su propio enfoque, ventajas y aplicaciones específicas. Entenderemos cómo funcionan, en qué contextos se utilizan y cómo han sido clave para resolver problemas del mundo real en diferentes campos, como la medicina, el marketing y las ciencias sociales.

A lo largo de esta sección, analizaremos diferentes tipos de modelos de IA, como los de regresión, clasificación, agrupación en clústeres, generación de contenido y procesamiento de lenguaje natural. Cada uno de ellos desempeña un rol crucial en el aprendizaje automático y el desarrollo de sistemas inteligentes.

Temas a tratar en esta sección:

• Modelos de Regresión: Utilizados para predecir valores continuos y analizar la relación entre variables independientes y dependientes.
• Modelos de Clasificación: Empleados para asignar etiquetas o clases a observaciones basadas en sus características.
• Modelos de Agrupación en Clústeres: Técnicas de aprendizaje no supervisado que organizan datos en grupos o clústeres similares.
• Modelos Generativos y GANs: Enfocados en la generación de nuevos datos similares a los datos de entrenamiento, como imágenes o texto.
• Modelos de Lenguaje de Gran Escala (LLMs): Impulsados por la arquitectura de transformers, estos modelos, como GPT y BERT, están revolucionando el procesamiento del lenguaje natural.

Cada lección proporcionará una visión clara y práctica de cómo funcionan estos modelos y en qué situaciones se aplican, ayudando a los estudiantes a desarrollar una comprensión sólida y profunda del vasto mundo de la inteligencia artificial.

¿Qué es un modelo de clasificación?

Un modelo de clasificación es una técnica de aprendizaje automático utilizada para asignar una etiqueta o clase a una observación basada en sus características o atributos. A diferencia de los modelos de regresión, que predicen valores continuos, los modelos de clasificación predicen categorías discretas. Por ejemplo, un modelo de clasificación puede predecir si un correo electrónico es "spam" o "no spam", o si un paciente está "enfermo" o "sano".

El objetivo principal de un modelo de clasificación es encontrar patrones en los datos que permitan predecir la clase a la que pertenece una nueva observación. En términos simples, los modelos de clasificación responden a preguntas de tipo "¿A qué categoría pertenece esta observación?".

Tipos comunes de clasificación

Existen varios algoritmos de clasificación que se utilizan según la naturaleza del problema y los datos. A continuación, exploraremos algunos de los modelos más comunes utilizados para problemas de clasificación.

Árboles de Decisión

Los árboles de decisión son un tipo de algoritmo de clasificación que divide iterativamente los datos en subconjuntos basados en condiciones simples, representadas en forma de árbol. Cada nodo interno del árbol representa una condición sobre una característica (como "¿el valor es mayor que x?"), y las hojas representan las clases o categorías.

El árbol de decisión se crea dividiendo los datos en función de la característica que mejor separa las clases. Este proceso se repite de manera recursiva hasta que se alcanzan las hojas, donde cada hoja representa una clase. El objetivo es que las ramas del árbol lleven a una decisión clara sobre la clase a la que pertenece una instancia.

Ventajas:

• Fácil de interpretar y visualizar.
• Funciona bien con datos categóricos y numéricos.
• No requiere una gran preparación de los datos.

Desventajas:

• Los árboles de decisión simples pueden ser propensos al sobreajuste (overfitting), especialmente cuando se crean árboles profundos.

k-Vecinos más cercanos

El algoritmo k-Vecinos más Cercanos (k-NN) es un método de clasificación simple e intuitivo. Se basa en la idea de que una nueva observación se clasifica de acuerdo con las clases de las observaciones más cercanas en el espacio de características. Es decir, se predice la clase de una nueva instancia basándose en las clases mayoritarias de sus k vecinos más cercanos.

El algoritmo mide la distancia entre las observaciones utilizando métricas como la distancia euclidiana y asigna la clase más común entre los k vecinos más cercanos.

Ventajas:

• Sencillo de implementar.
• No requiere un entrenamiento previo, ya que las predicciones se hacen en tiempo real.

Desventajas:

• El rendimiento puede ser bajo con grandes conjuntos de datos, ya que requiere calcular la distancia de todos los puntos.
• Sensible a la escala de las características, por lo que es necesario normalizar los datos.

Regresión Logística

La regresión logística ya fue discutida en la lección anterior sobre modelos de regresión. Sin embargo, en el contexto de clasificación, la regresión logística se utiliza para predecir una probabilidad que posteriormente se clasifica en categorías. A pesar de su nombre, la regresión logística es un modelo de clasificación binaria o multinomial, ya que su salida es una categoría y no un valor numérico continuo.

La regresión logística en la lección de regresión se discutió desde la perspectiva de cómo transforma la entrada en probabilidades. Aquí se destaca que, al final, esas probabilidades se utilizan para asignar una clase, lo que la convierte en un modelo clave para problemas de clasificación.

Otros modelos de clasificación

Máquinas de Vectores de Soporte (SVM)

Las Máquinas de Vectores de Soporte (SVM) son un algoritmo avanzado de clasificación que encuentra un hiperplano óptimo que separa las clases en el espacio de características. En los problemas de clasificación binaria, el objetivo de SVM es encontrar un hiperplano que maximice la distancia entre los puntos de las dos clases (conocido como el margen). Este enfoque hace que SVM sea particularmente poderoso cuando hay una clara separación entre las clases.

En situaciones más complejas donde las clases no pueden separarse linealmente, SVM utiliza núcleos (kernels) para mapear los datos a un espacio de mayor dimensión donde sí pueden separarse linealmente.

Ventajas:

• Eficiente en espacios de alta dimensión.
• Eficaz cuando hay una clara separación entre clases.
• Funciona bien con datos no lineales utilizando el truco del kernel.

Desventajas:

• Puede ser ineficiente cuando los conjuntos de datos son muy grandes.
• Requiere ajuste de hiperparámetros y selección de kernel.

Por qué se considera un tema avanzado:

SVM es considerado más avanzado debido a la matemática subyacente y la necesidad de ajustar correctamente parámetros como el kernel. Además, su eficacia en espacios de alta dimensión y su capacidad para manejar problemas no lineales lo colocan en un nivel más complejo en comparación con algoritmos como k-NN o árboles de decisión.

Redes Neuronales Artificiales

Las Redes Neuronales Artificiales (ANN) son modelos inspirados en la estructura del cerebro humano. Consisten en neuronas (nodos) organizadas en capas: una capa de entrada, una o más capas ocultas, y una capa de salida. Cada neurona recibe un conjunto de entradas, las procesa y genera una salida, que luego se transmite a la siguiente capa.

En los problemas de clasificación, las redes neuronales pueden aprender relaciones complejas y no lineales entre las características de entrada y las clases de salida, lo que las hace extremadamente poderosas para problemas complejos. Las redes neuronales se entrenan utilizando el algoritmo de retropropagación (backpropagation) y gradiente descendente para ajustar los pesos de las conexiones entre las neuronas.

Ventajas:

• Extremadamente flexibles, capaces de aprender patrones complejos.
• Eficaces en problemas de clasificación con grandes conjuntos de datos y relaciones no lineales.

Desventajas:

• Requieren grandes cantidades de datos y recursos computacionales para entrenarse correctamente.
• Dificultad para interpretar los resultados debido a su naturaleza de "caja negra".

Por qué se consideran un tema avanzado:

Las redes neuronales son consideradas avanzadas debido a su complejidad estructural, la necesidad de ajustar múltiples hiperparámetros (número de capas, neuronas, tasa de aprendizaje), y el uso de técnicas de optimización más sofisticadas. Además, su entrenamiento requiere más tiempo y poder de cómputo.

Conclusiones

Los modelos de clasificación son fundamentales en inteligencia artificial para resolver problemas donde se necesita asignar una categoría o clase a una observación. Desde modelos simples y explicables como los árboles de decisión, la regresión logística y k-Vecinos más Cercanos, hasta modelos más complejos y poderosos como las Máquinas de Vectores de Soporte (SVM) y las Redes Neuronales Artificiales, cada uno tiene sus ventajas y desventajas en función del tipo de problema y los datos disponibles.

Es importante elegir el modelo adecuado en función del contexto, la cantidad de datos y la complejidad de las relaciones entre las características y las clases:

• Los modelos más simples, como los árboles de decisión y k-Vecinos más Cercanos, son fáciles de interpretar y útiles en escenarios con datos bien estructurados y fáciles de entender.
• Sin embargo, a medida que los problemas de clasificación se vuelven más complejos, los modelos más avanzados como las Máquinas de Vectores de Soporte (SVM) y las Redes Neuronales Artificiales se vuelven necesarios para capturar las relaciones no lineales y las interacciones más profundas en los datos.
• Además, es importante recordar que la regresión logística es un modelo clave para problemas de clasificación binaria, a pesar de su nombre, y se repite aquí por su capacidad para manejar decisiones probabilísticas en clasificación.

El desafío con los modelos avanzados, como las SVM y las redes neuronales, es que requieren más recursos computacionales y habilidades técnicas, lo que los convierte en herramientas poderosas, pero a menudo más difíciles de interpretar y ajustar.

¿Qué es un modelo de agrupación en clústeres?

La agrupación en clústeres (o simplemente "clustering") es una técnica de aprendizaje no supervisado utilizada para organizar un conjunto de datos en grupos o clústeres, de tal forma que los elementos dentro de cada grupo sean más similares entre sí que con los elementos de otros grupos. El objetivo principal es identificar estructuras subyacentes o patrones en los datos sin contar con etiquetas predefinidas o una variable de salida clara.

A diferencia de los modelos supervisados, como la clasificación o la regresión, en los modelos de agrupación no se proporciona una variable de destino que el modelo deba predecir. El algoritmo debe descubrir las estructuras internas del conjunto de datos basándose únicamente en las similitudes o diferencias entre los datos. Los clústeres son conjuntos de puntos que comparten características comunes, y estos puntos pueden representar individuos, objetos, comportamientos o cualquier otro tipo de entidad.

El clustering es muy utilizado en la exploración de datos, segmentación de clientes, análisis de mercado, y detección de patrones en grandes volúmenes de datos, entre otros.

Ejemplo práctico: imagina que tienes un conjunto de datos de clientes de una tienda online y quieres segmentar a los clientes en diferentes grupos basados en su comportamiento de compra, como "compradores frecuentes", "compradores ocasionales", o "nuevos clientes". Un modelo de agrupación en clústeres puede ayudarte a encontrar estos grupos automáticamente, lo que permite a la empresa personalizar campañas de marketing para cada grupo.

Tipos comunes de agrupación en clústeres

Existen varios métodos y algoritmos para la agrupación en clústeres. Cada uno utiliza diferentes enfoques para formar los grupos y es adecuado para diferentes tipos de datos. A continuación, exploramos los métodos más comunes:

k-Means

k-Means es uno de los algoritmos de agrupación más populares y sencillos. El objetivo de este algoritmo es dividir los datos en k grupos (o clústeres) predefinidos, donde k es el número de clústeres que se desea formar. El algoritmo funciona asignando inicialmente los puntos a clústeres aleatorios y luego ajusta iterativamente los centroides de cada clúster (el punto medio de cada grupo) hasta que las asignaciones de los puntos a los clústeres ya no cambian significativamente.

Proceso básico:

1. Se eligen aleatoriamente k centroides (uno para cada clúster).
2. Se asigna cada punto al clúster cuyo centroide está más cercano.
3. Se recalculan los centroides en función de los puntos asignados a cada clúster.
4. Se repiten los pasos 2 y 3 hasta que no haya cambios en las asignaciones.

Ventajas:

• Fácil de implementar y rápido de ejecutar.
• Funciona bien cuando los clústeres tienen forma esférica y tamaño similar.

Desventajas:

• Es necesario predefinir el número de clústeres (k).
• Sensible a la escala de las variables y a los valores atípicos.
• No funciona bien con clústeres de formas no esféricas o de diferentes tamaños.

DBSCAN (Density-Based Spatial Clustering of Applications with Noise)

DBSCAN es un algoritmo de agrupación basado en la densidad, lo que significa que forma clústeres donde los puntos están densamente conectados, es decir, donde hay una alta concentración de puntos en un espacio. Este algoritmo es ideal para identificar clústeres de formas irregulares y detectar ruido o puntos atípicos que no pertenecen a ningún clúster.

Proceso básico:

1. Se define un radio de búsqueda (ϵ\epsilonϵ) y un número mínimo de puntos (minPtsminPtsminPts) para formar un clúster.
2. Se selecciona un punto aleatorio en el conjunto de datos.
3. Si hay suficientes puntos en el radio ϵ\epsilonϵ alrededor de este punto, se forma un clúster.
4. Se extiende el clúster a los puntos vecinos hasta que no se puedan agregar más puntos.
5. Los puntos que no se pueden asignar a ningún clúster se consideran ruido.

Ventajas:

• No es necesario predefinir el número de clústeres.
• Es capaz de detectar clústeres de forma arbitraria y funciona bien con datos con ruido.

Desventajas:

• El rendimiento depende de los parámetros ϵ\epsilonϵ y minPtsminPtsminPts, que deben ajustarse correctamente.
• Puede ser sensible a la densidad de los clústeres.

Agrupamiento Jerárquico

El agrupamiento jerárquico construye un árbol de clústeres conocido como dendrograma, donde cada hoja representa un punto y cada nodo un clúster de puntos. El objetivo es crear una jerarquía de clústeres de tal forma que los puntos que son más similares entre sí se encuentren en los mismos clústeres en los niveles más bajos de la jerarquía.

Existen dos enfoques principales:

• Aglomerativo: Empieza con cada punto en su propio clúster y luego los combina iterativamente en clústeres más grandes hasta que todos los puntos están en un solo clúster.
• Divisivo: Comienza con todos los puntos en un solo clúster y luego divide iterativamente los clústeres en clústeres más pequeños.

Ventajas:

• No es necesario predefinir el número de clústeres.
• Proporciona una visión jerárquica de los datos, permitiendo diferentes niveles de granularidad en la agrupación.

Desventajas:

• Requiere más recursos computacionales que k-Means, especialmente con grandes conjuntos de datos.
• No es adecuado para datos con ruido o con clústeres no bien definidos.

Conclusiones

Los modelos de agrupación en clústeres son una herramienta poderosa para descubrir patrones y estructuras ocultas en conjuntos de datos sin necesidad de etiquetas. Dependiendo de la naturaleza de los datos y el problema a resolver, diferentes algoritmos de clustering, como k-Means, DBSCAN o el agrupamiento jerárquico, pueden ser más adecuados.

• k-Means es rápido y eficiente para clústeres esféricos, pero requiere definir el número de clústeres de antemano.

• DBSCAN es ideal para datos con clústeres de formas irregulares y es capaz de detectar ruido.

• El agrupamiento jerárquico ofrece una estructura jerárquica de los clústeres, lo que permite una mayor flexibilidad en la agrupación, pero puede ser costoso en términos de computación.

La selección del algoritmo adecuado depende en gran medida de la estructura de los datos y del tipo de agrupamiento que se desee lograr. Sin embargo, todos estos métodos proporcionan una visión valiosa y no supervisada de los datos, permitiendo que las máquinas descubran patrones por sí solas.

¿Qué son los modelos generativos?

Los modelos generativos son un tipo de modelo de aprendizaje automático cuyo objetivo principal es aprender la distribución de probabilidad que genera los datos. A diferencia de los modelos discriminativos, que se centran en clasificar o hacer predicciones basadas en características, los modelos generativos se utilizan para generar nuevos datos que se parecen a los datos de entrenamiento. Estos modelos intentan aprender la estructura subyacente de los datos y, una vez entrenados, pueden crear ejemplos sintéticos nuevos que siguen la misma distribución que los datos originales.

Los modelos generativos pueden ser aplicados en diversas áreas, como la generación de imágenes, la síntesis de texto, la creación de música, y la simulación de datos para mejorar modelos en áreas con pocos datos.

Ejemplo práctico: un modelo generativo entrenado con imágenes de rostros humanos puede generar rostros completamente nuevos que nunca han sido vistos, pero que parecen realistas. Los modelos generativos también pueden usarse para tareas como la detección de anomalías, ya que al aprender lo que es "normal" en los datos, pueden identificar fácilmente lo que no encaja en ese patrón.

Tipos comunes de modelos generativos

Modelos de Mezcla Gaussiana

Los Modelos de Mezcla Gaussiana (GMM, por sus siglas en inglés) son un tipo de modelo generativo que asume que los datos son generados a partir de una combinación (mezcla) de varias distribuciones gaussianas o normales. Cada componente gaussiano representa un subgrupo o un clúster de datos en el conjunto general, y la suma ponderada de estas gaussianas describe la distribución general de los datos.

El GMM es muy flexible porque permite que los datos provengan de varias distribuciones gaussianas con diferentes medias y covarianzas. Además, cada punto en los datos tiene una probabilidad de pertenecer a cada uno de los componentes gaussianos, lo que permite manejar incertidumbres en la asignación de clústeres.

Funcionamiento básico:

1. Se define un número de componentes (normalmente especificado por el usuario).
2. Se asigna cada punto de datos a uno de los componentes gaussianos, calculando la probabilidad de que pertenezca a cada uno.
3. Se actualizan las medias y las varianzas de los componentes gaussianos para maximizar la probabilidad de que los datos provengan de la mezcla de estas distribuciones.
4. El proceso continúa hasta que las asignaciones se estabilizan.

Ventajas:

• Es flexible y puede modelar distribuciones complejas con múltiples modos.
• Es útil para detectar clústeres suaves, donde los datos no se agrupan de manera estricta, sino probabilística.

Desventajas:

• Requiere definir el número de componentes gaussianos de antemano.
• Puede ser sensible a los valores iniciales, lo que afecta los resultados.

Aplicaciones comunes:

• Segmentación de imágenes, donde diferentes regiones de una imagen pueden ser modeladas por diferentes distribuciones gaussianas.
• Modelado de datos en problemas donde hay múltiples poblaciones o distribuciones que generan los datos.

Autoencoders Variacionales (VAEs)

Los Autoencoders Variacionales (VAEs) son un tipo de red neuronal profunda utilizada para generar datos nuevos similares a los del conjunto de datos original. A diferencia de los autoencoders tradicionales, cuyo objetivo es aprender una representación comprimida de los datos, los VAEs están diseñados para aprender la distribución subyacente de los datos de manera probabilística. Esto los convierte en un tipo de modelo generativo.

El VAE consiste en dos partes principales:

• Codificador (Encoder): El codificador transforma los datos de entrada en una representación latente que sigue una distribución normal multivariada.
• Decodificador (Decoder): El decodificador toma esa representación latente y genera una reconstrucción de los datos de entrada.

La diferencia clave con un autoencoder tradicional es que el VAE genera distribuciones en lugar de puntos específicos en el espacio latente, lo que permite generar nuevas muestras.

Funcionamiento básico:

1. Los datos de entrada se codifican en una distribución latente (normalmente gaussiana).
2. Se muestrea un punto de esta distribución.
3. El decodificador genera una nueva observación a partir de este punto muestreado.
4. El entrenamiento del VAE se realiza minimizando dos términos: la pérdida de reconstrucción (para que los datos generados se parezcan a los originales) y la divergencia KL (para que la distribución latente se acerque a una normal).

Ventajas:

• Los VAEs pueden generar ejemplos nuevos que son variaciones suaves de los datos de entrenamiento.
• Permiten explorar el espacio latente de manera continua, lo que facilita la interpolación entre puntos.

Desventajas:

• Aunque los VAEs son poderosos, tienden a generar ejemplos que son menos nítidos o detallados en comparación con otros modelos generativos como las GANs.

Aplicaciones comunes:

• Generación de imágenes nuevas.
• Compresión de datos.
• Exploración de espacio latente en problemas donde es importante encontrar representaciones continuas.

Redes Generativas Antagónicas (GANs)

Las Redes Generativas Antagónicas (GANs) son uno de los modelos generativos más populares y poderosos. Propuestas por Ian Goodfellow en 2014, las GANs consisten en dos redes neuronales que compiten entre sí: un generador y un discriminador. La idea es que el generador intenta crear datos falsos que se parezcan a los datos reales, mientras que el discriminador intenta diferenciar entre los datos reales y los datos generados.

Esta competencia es lo que impulsa el aprendizaje: el generador mejora sus habilidades para crear datos realistas, mientras que el discriminador mejora su capacidad para detectar los datos falsos.

Funcionamiento básico:

1. El generador toma una entrada aleatoria (normalmente un vector de ruido) y genera una muestra falsa (como una imagen).
2. El discriminador recibe una mezcla de datos reales y generados, y su tarea es clasificar si los datos son reales o generados.
3. El generador intenta engañar al discriminador produciendo ejemplos que parezcan lo más reales posibles.
4. Ambos modelos se entrenan juntos, donde el generador mejora en crear datos realistas, y el discriminador mejora en distinguir entre datos reales y falsos.

Ventajas:

• Las GANs son capaces de generar imágenes y ejemplos extremadamente realistas.
• Son versátiles y se han utilizado para generar imágenes, videos, música, entre otros.

Desventajas:

• El entrenamiento de las GANs es inestable y puede llevar a problemas como el colapso del modo, donde el generador produce solo un pequeño conjunto de ejemplos repetitivos.
• Las GANs requieren ajustes finos y mucha potencia computacional.

Aplicaciones comunes:

• Generación de imágenes de alta calidad.
• Creación de contenido sintético para aumentar conjuntos de datos.
• Mejora de la resolución de imágenes (super-resolución).
• Transformación de estilo de imágenes (como convertir una foto en una obra de arte).

Otros modelos generativos

Aunque los Modelos de Mezcla Gaussiana, los Autoencoders Variacionales (VAEs) y las Redes Generativas Antagónicas (GANs) son ampliamente utilizados y considerados los enfoques principales en el ámbito de los modelos generativos, existen otras técnicas menos comunes pero igualmente poderosas. Estos modelos ofrecen soluciones alternativas para tareas específicas y brindan herramientas para modelar distribuciones de datos de formas más sofisticadas o especializadas.

A continuación, presentamos algunos de estos modelos generativos menos comunes, que aunque no son tan populares como las GANs o VAEs, siguen siendo útiles en varios escenarios, especialmente cuando se busca mayor flexibilidad, control, o se trabaja con estructuras de datos particulares.

Restricted Boltzmann Machines (RBM)

Las Restricted Boltzmann Machines (RBM) son un tipo de red neuronal estocástica que se utiliza para modelar distribuciones de probabilidad de un conjunto de datos. A diferencia de los modelos discriminativos, que solo predicen etiquetas o valores a partir de las características de los datos, las RBMs aprenden la distribución conjunta de los datos de entrada.

• Estructura: Están formadas por una capa visible y una capa oculta, donde las neuronas de una capa están conectadas con las de la otra, pero no hay conexiones dentro de las mismas capas.
• Aplicaciones: Las RBM han sido utilizadas en sistemas de recomendación y para preentrenar redes neuronales profundas (como parte de los Deep Belief Networks, una técnica utilizada antes del auge del aprendizaje profundo moderno).

Flow-based Models

Los Flow-based Models son un enfoque en el que la transformación entre la distribución latente y la distribución de los datos observados es invertible. Esto significa que es posible mapear de manera eficiente un punto en el espacio latente a un dato generado, y viceversa.

• Funcionamiento: Estos modelos se basan en transformaciones invertibles de la variable latente que permiten el cálculo exacto de la probabilidad, lo que permite generar datos y calcular la probabilidad de una muestra de manera directa.
• Ejemplos: Modelos como RealNVP y Glow son conocidos por generar imágenes realistas, y su capacidad para realizar transformaciones invertibles permite un control más detallado sobre los datos generados.

Deep Belief Networks (DBN)

Las Deep Belief Networks (DBN) son una clase de redes neuronales generativas compuestas por múltiples capas de Restricted Boltzmann Machines (RBM) apiladas. Se entrenan capa por capa de manera no supervisada y luego se pueden ajustar utilizando un algoritmo de retropropagación supervisada.

• Aplicaciones: Aunque han sido parcialmente reemplazadas por redes neuronales profundas más modernas, las DBN fueron pioneras en el área de preentrenamiento no supervisado para mejorar el rendimiento en tareas supervisadas.

Autoregressive Models

Los Modelos Autoregresivos son aquellos en los que el valor de cada variable en el conjunto de datos se modela como dependiente de los valores anteriores. Estos modelos generan nuevos datos paso a paso, prediciendo el valor de cada componente de una muestra secuencialmente, basándose en los componentes previos.

• Ejemplos: PixelRNN y PixelCNN son ejemplos de modelos autoregresivos que se utilizan para generar imágenes píxel por píxel, donde cada píxel se genera basándose en los píxeles anteriores.
• Aplicaciones: Además de la generación de imágenes, se utilizan en tareas de procesamiento de lenguaje natural, como la generación de texto o secuencias de audio.

Normalizing Flows

Los Normalizing Flows son modelos generativos que transforman una distribución simple (como una distribución normal) en una distribución más compleja a través de una secuencia de transformaciones invertibles. Al ser completamente invertibles, permiten calcular de manera eficiente tanto la probabilidad de los datos como la generación de nuevos ejemplos.

• Funcionamiento: Transforman la variable latente a través de una serie de funciones invertibles y parametrizables que pueden ajustarse para modelar la distribución de los datos de manera precisa.
• Aplicaciones: Estos modelos son utilizados en tareas como la generación de imágenes y en problemas donde es crucial tener control sobre la distribución generada.

Conclusiones