7.1.4 Aprendizaje no supervisado

En este tipo de aprendizaje, no se especifica a la red cuál debe ser la respuesta correcta; es decir, no hay una comparación entre la respuesta de la red y la respuesta deseada. Además, en este modelo de aprendizaje no existe ninguna influencia externa a la red, puesto que no se le informa de si un resultado fue correcto o no; tan sólo se le suministran grandes cantidades de datos con los que la red pueda construir sus propias asociaciones. Se necesita, por tanto, una cantidad mucho mayor de patrones de entrada durante el entrenamiento para que la red pueda ajustar correctamente sus pesos sinápticos. Por supuesto, los procedimientos de aprendizaje son diferentes a los utilizados con el modelo de entrenamiento supervisado.

En este tipo de aprendizaje, lo que de hecho se está haciendo es exigirle a la red que capte por sí misma alguna de las características presentes en los datos de entrada.

Evidentemente, muchos de los aprendizajes básicos que realizan los sistemas biológicos son de este tipo. Los recién nacidos (al igual que los ciegos de nacimiento que recuperan la visión en edad adulta) aprenden a organizar los datos visuales sin ayuda de profesor que les indique para cada patrón de estímulos de entrada, cual es la organización - interpretación correcta de dichos estímulos; es decir, la respuesta del subsistema neurológico de visión que servirá a su vez de entrada a otros subsistemas.

De hecho, en el aprendizaje no supervisado se pretende que las neuronas se auto-organicen aprendiendo a captar las regularidades de los datos de entrada sin suministrarles ningún tipo de criterio o ayuda externa que dirija dicha autoorganización.