supported

¿Etiquetas ruidosas reducen la exactitud? Experimento de robustez

Experimento #39 · 22/11/2026 11:45 · VUPPIA SOFÍA

¿Qué nos preguntamos?

En el mundo del aprendizaje automático, una duda recurrente es si entrenar una red neuronal con etiquetas ruidosas (es decir, con errores de anotación) empeora su capacidad de generalizar en datos limpios. La pregunta concreta que abordamos fue:

> ¿Entrenar con etiquetas ruidosas degrada la generalización frente a entrenar con etiquetas limpias?

> Mismo modelo, mismo conjunto de prueba limpio.

Este interrogante se plantea como una medida funcional: buscamos cuantificar una capacidad del algoritmo (robustez al ruido de supervisión), no inferir nada sobre experiencia subjetiva o conciencia del modelo.

¿Cómo lo medimos?

Diseñamos un experimento con dos "brazos" de entrenamiento:

Ambos modelos fueron evaluados en un test limpio (sin ruido) usando la métrica Exactitud en test limpio. Los datos recolectados fueron:

El valor p tan bajo indica que la diferencia observada no es atribuible al azar bajo una hipótesis nula de igualdad.

Qué dio

Los resultados fueron claros y consistentes con la hipótesis alternativa:

En términos simples, entrenar con etiquetas ruidosas degrada significativamente la capacidad del modelo de generalizar a datos limpios.

Qué significa (y qué no)

Significado funcional

Lo que no implica

En conclusión, este experimento demuestra de forma funcional que el ruido en las etiquetas es un factor crítico que reduce la exactitud en pruebas limpias, ofreciendo una evidencia estadística sólida para guiar prácticas de anotación y control de calidad en proyectos de aprendizaje automático.

Esto mide una capacidad funcional en redes de prueba, con hipótesis pre-registrada y control A/A. No es evidencia de conciencia ni experiencia subjetiva — VUPPIA investiga esa pregunta, no la declara resuelta.