1 of 21

CC5218 Perspectivas y paradigmas en Inteligencia Artificial�Aprendizaje de Representaciones

Slides hechas con NotebookLM

2 of 21

¿Qué hace una buena representación?

2. El Modelo como un "Creador de Mundos" (Muestreo)

Un modelo probabilístico no solo analiza datos; define qué es "posible" en su universo. Esto se hace a través de la función de energía $E(x)$.

El modelo asigna baja energía a lo que es probable (rostros reales, dígitos claros).
Asigna alta energía a lo que es imposible (ruido aleatorio, rostros con tres ojos).�Al ser probabilístico, podemos muestrear del modelo: pedirle que "imagine" un dato nuevo que tenga baja energía. Esto es la base de las GANs, VAEs y la Difusión.

3. Capturar la Estructura Oculta (Latentes)

El rol más importante es descubrir las variables latentes que causan los datos.

Imagina que observas sombras en una pared. Las sombras son los datos ($X$). El objeto que proyecta la sombra es la variable latente ($h$).

Los modelos probabilísticos intentan calcular $P(h|X)$: ¿Cuál es la causa más probable de lo que estoy viendo?

Si veo una sombra alargada, el modelo infiere que la causa probable es un objeto alto.
Al aprender esta relación probabilística, el modelo logra el desacoplamiento (disentanglement): separa la "identidad" del objeto de la "posición de la luz".