Aprendizaje por imitaciónImitation Learning
Aprender copiando tal cual el actuar de quien ya sabe hacerlo
- El aprendizaje por imitación copia tal cual el par "en esta situación, esta acción" de quien ya sabe hacer la tarea.
- No pasa por prueba y error calificando cada intento. Toma primero el movimiento de las manos, sin pasar por el resultado.
- Es el camino más rápido para llegar a un nivel usable cuando fallar sale caro o cuando es difícil fijar un criterio para puntuar.
- Su mayor punto débil son las situaciones que nunca aparecieron en la demostración. Un solo desvío rueda hacia terreno cada vez más desconocido.
- Como también se aprenden los hábitos y errores de quien enseña, superar a quien enseñó es difícil.
Contenido
1La analogía
El día que se hacen tamales en familia, quien llega por primera vez solo se pone al lado y mira las manos. Con qué cantidad se unta la masa sobre la hoja, cuánto relleno entra en cada uno, en qué punto se dobla y se amarra. Casi no hay explicación de por qué se hace así. Solo se repite lo que hacen las manos que ya saben.
Después de armar unos cuantos, el movimiento de las manos empieza a parecerse, y la forma del tamal también sale más pareja. Y eso que nunca se esperó a que se cocinaran, ni se probó el sabor para corregir nada. Es porque, en vez de pasar por el resultado, se copió tal cual la mano de quien ya sabía hacerlo. El aprendizaje por imitación, cuando una IA aprende viendo la demostración de una persona, es exactamente esta escena.
2En detalle
Se copia la mano sin probar el sabor
El método que aprende por prueba y error actúa y corrige según la puntuación que recibe. Con los tamales sería armarlos, dejarlos cocinar, probarlos y al año siguiente corregir la cantidad de sal. Cada vuelta tarda mucho y hay que aceptar también los tamales que salen mal.
El aprendizaje por imitación se salta ese paso. Junta muchas demostraciones para armar el par "cuando la masa está en tal estado, la mano se movió así", y ajusta para que la misma situación produzca la misma acción. La forma del problema es casi igual a aprender poniéndole etiqueta a una foto: en el lugar de la foto va la situación, y en el lugar de la etiqueta, la acción de quien hizo la demostración.
Por eso encaja bien en tareas donde fallar sale caro. No se puede dejar que un auto choque miles de veces para que aprenda, pero sí se pueden reunir registros de cómo maneja una persona. También sirve donde es difícil fijar de antemano un criterio de puntuación para decidir qué cuenta como "bien hecho". Es difícil escribir en números las condiciones de un buen tamal, pero sí se puede mostrar la mano que sabe armarlo bien.
Cuando aparece una masa que nunca se vio en la demostración
El punto débil se muestra en situaciones desconocidas. Supongamos que en la demostración toda la masa estaba siempre en su punto justo. Si de pronto llega una masa mal amasada, quien está imitando no sabe cómo mover la mano. Es una situación que nunca vio.
Más complicado aún es que el desvío se va acumulando. Si la primera capa queda mal untada, la siguiente ya no se parece a ninguna escena vista en la demostración. Entonces sale una mano todavía más rara, y la siguiente se vuelve más desconocida aún. Un pequeño desvío inicial va rodando y creciendo.
Llenar con datos las situaciones que se salieron del guion
El camino de solución es simple: meter también en la demostración las situaciones donde hubo desvío. Se deja que quien imita actúe por su cuenta, y cada vez que la mano se sale de curso, alguien al lado muestra "así se hace en este caso". Esas escenas se suman a los datos y se vuelve a entrenar, y así se reducen las situaciones desconocidas.
También se usa el método de mostrar a propósito demostraciones de situaciones desviadas: masa mal amasada, relleno con demasiada sal, hoja rota, y se enseña la mano que arregla eso. Un conjunto de datos con escenas de corregir el rumbo mezcladas es mucho más resistente que uno que solo junta escenas bien hechas.
Para superar a quien enseñó
Solo con imitar es difícil superar a quien enseñó. Se copia la mano buena, pero también se copian los hábitos y los errores. Si la demostración viene de varias personas, a veces se mezclan formas distintas y sale un punto medio a medias.
Por eso, en la práctica, se va en dos etapas. Primero se sube rápido a un nivel usable con imitación, y desde ese punto se le añaden prueba y error con puntuación para pulirlo. Si se empieza la prueba y error desde cero, se pierde mucho tiempo dando vueltas; pero si se parte de una mano que ya hace algo decente, solo queda corregir. También existe la forma de no copiar la acción en sí, sino de deducir qué valoraba esa persona en la demostración y usar eso como criterio de puntuación.
3Con más precisión
El aprendizaje por imitación (Imitation Learning) aprende la correspondencia entre estado y acción a partir de datos de demostración de un experto. A su forma más simple se le llama clonación de comportamiento, y tiene una estructura prácticamente igual al aprendizaje supervisado, donde el estado es la entrada y la acción es la salida. Al problema de que el error se acumula al llegar a estados que no estaban en la demostración se le llama desplazamiento de distribución, y se alivia dejando que la política aprendida se mueva por su cuenta y luego añadiendo, sobre esa misma trayectoria, la respuesta correcta del experto. A la rama que, a partir de la demostración, estima la propia función de recompensa se le llama aprendizaje por refuerzo inverso.
La analogía también tiene sus costuras. Al hacer tamales se le puede preguntar el porqué a la persona de al lado, pero el aprendizaje por imitación solo ve la acción, nunca el juicio que hay detrás. Un mismo movimiento de mano puede ser, para algunos casos, un paso imprescindible, y para otros, solo un hábito, pero en los datos los dos quedan mezclados sin distinción. Además, si se arruina un tamal se empieza uno nuevo sin más, pero en tareas continuas como manejar o mover un brazo robótico no hay oportunidad de deshacer un desvío, así que el punto débil de este método se nota mucho más.
4Pruébalo
5Malentendidos comunes
Es fácil pensar que el aprendizaje por imitación es un tipo de aprendizaje por refuerzo, pero en realidad se parece mucho más al aprendizaje supervisado, que aprende el par estado-acción sin ninguna recompensa.
Es fácil pensar que basta con juntar muchas demostraciones, pero en realidad, si solo se suman escenas bien hechas, las situaciones desconocidas no bajan; hacen falta también escenas donde se corrige el rumbo.
Es fácil pensar que, a fuerza de imitar, se termina superando a quien enseñó, pero en realidad, sin una etapa aparte que pula con puntuación, el resultado se queda en el nivel de quien hizo la demostración.
7Resumen en una línea
En resumenEl aprendizaje por imitación copia tal cual, sin pasar por el resultado, la acción que quien ya sabe hacerlo tomó en cada situación, y cómo se llenan las situaciones que faltaron en la demostración decide si el método funciona o no.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización2026-09-02