Creación de aplicaciones con agentes de IA (Spanish Edition)

Chapter 7. El aprendizaje en los sistemas de agentes

Este capítulo aborda diferentes técnicas para abordar e integrar el aprendizaje en los sistemas agenticos. Añadir la capacidad de que los agentes aprendan y mejoren con el tiempo es una mejora increíblemente útil, pero no es necesaria a la hora de diseñar agentes. Implementar capacidades de aprendizaje requiere diseño, evaluación y monitoreo adicionales, lo que puede merecer o no la inversión dependiendo de la aplicación. Por aprendizaje nos referimos a mejorar el rendimiento del sistema de agentes a través de la interacción con el entorno. Este proceso permite a los agentes adaptarse a condiciones cambiantes, refinar sus estrategias y mejorar su eficacia general.

El aprendizaje no paramétrico se refiere a técnicas para cambiar y mejorar el rendimiento automáticamente sin modificar los parámetros de los modelos involucrados. Por el contrario, el aprendizaje paramétrico se refiere a técnicas en las que entrenamos o ajustamos específicamente los parámetros del modelo base. Comenzaremos explorando las técnicas de aprendizaje no paramétrico y luego abordaremos los enfoques de ajuste paramétrico, incluyendo el ajuste supervisado y la optimización directa de preferencias, que adaptan los pesos del modelo para lograr mejoras específicas.

Aprendizaje no paramétrico

Existen múltiples técnicas para hacer esto, y exploraremos varios de los enfoques más comunes y útiles.

Aprendizaje no paramétrico con ejemplos

El más sencillo de estas ...