Google Labs ofrece desde su plataforma Teachable Machine una vía gratuita para crear y entrenar modelos básicos de inteligencia artificial sin escribir una sola línea de código. La herramienta, accesible desde cualquier navegador, permite enseñar a un algoritmo a reconocer imágenes, sonidos y posturas corporales, y abre la puerta del aprendizaje automático a cualquier persona sin formación técnica previa.
Os contamos cómo funciona esta plataforma, pensada para entender de forma práctica por qué los datos que alimentan un algoritmo determinan su comportamiento final. A través de una interfaz muy visual, le proporcionamos a la herramienta ejemplos reales (fotos, grabaciones de audio o movimientos captados por la cámara) y comprobamos en tiempo real cómo aprende a distinguirlos.
Qué es Teachable Machine y tipos de IA que podemos entrenar
Teachable Machine es un proyecto experimental de Google Labs que permite construir y entrenar modelos propios de inteligencia artificial de forma gratuita, sin necesidad de programar. Todo el proceso se desarrolla en la web oficial de la herramienta, usando únicamente el navegador y sin instalar software adicional, todo desde aquí.
La propuesta acerca de la creación de modelos de IA se dirige a quienes normalmente solo los consumen ya terminados. Al eliminar la necesidad de montar un entorno de desarrollo o dominar un lenguaje de programación, cualquiera puede experimentar con la lógica de una red neuronal de forma visual e inmediata, comprobando en pantalla cómo cambian los resultados según los ejemplos que aportamos.
Por ahora, la herramienta reconoce tres tipos de entrada: imágenes, sonidos y posturas corporales. Google no descarta ampliar estas capacidades más adelante, aunque todavía no hay nada confirmado al respecto. Con el modelo de imágenes podemos, por ejemplo, enseñarle a distinguir un plátano maduro de uno verde subiendo fotografías o capturándolas directamente con la webcam.
El modelo de audio, por su parte, sirve para diferenciar sonidos como el de una palmada y el de un silbido, grabándolos con el micrófono del ordenador. Y el de posturas corporales analiza la posición del cuerpo a través de la cámara, por ejemplo, para saber si estamos sentados o de pie frente a la pantalla.
Cómo entrenar el modelo paso a paso
El proceso está pensado para completarse en una sola sesión. Lo primero es entrar en la web oficial de Teachable Machine y pulsar el botón Get Started; a partir de ahí elegimos si queremos trabajar con imágenes, audio o posturas corporales según lo que vayamos a entrenar.
Después toca alimentar al modelo con ejemplos: subimos fotografías o las capturamos con la webcam, grabamos sonidos con el micrófono, o mostramos posturas frente a la cámara, según el tipo elegido. Cuantos más ejemplos aportemos a cada categoría, mejor aprenderá a distinguirlos. Conviene poner un nombre claro a cada grupo antes de pulsar Train Model, porque esa etiqueta es la que el sistema usará después para clasificar lo que detecte.
Una vez que termina el entrenamiento, podemos probar el modelo en tiempo real mostrando fotos nuevas o colocándonos frente a la webcam para ver si acierta. Cuando no clasifica bien algo, la solución pasa por volver atrás y añadir más ejemplos a la categoría que falla: cuanta más variedad aportemos, menos errores comete el sistema la siguiente vez.
Ese ciclo de prueba y error permite comprobar de primera mano cómo la cantidad y la variedad de los datos que introducimos determinan directamente lo que el modelo es capaz de aprender.
Para quién compensa esta herramienta de Google
Quien quiera ir más allá de probar el modelo en el propio navegador puede exportarlo. La plataforma permite descargar los archivos del modelo ya entrenado para integrarlo en una página web o en una aplicación propia, llevando el experimento más allá del entorno de pruebas.
Ese paso, sin embargo, sí requiere conocimientos de programación: la herramienta facilita los archivos, pero incorporarlos en un proyecto de software exige manejar lenguajes de desarrollo. Por eso la exportación funciona como punto de partida rápido para quien ya programa, y no tanto como una vía para quienes carecen de esos conocimientos.
Sin ese paso final, Teachable Machine sigue siendo, en la propia descripción del proyecto, un modelo básico pensado como un experimento de una tarde, y la limitación a tres tipos de entrada deja fuera casos más complejos, como el procesamiento de lenguaje natural. Aun así, es un buen recurso para perder el miedo a la inteligencia artificial sin instalar nada ni escribir una línea de código: basta con dedicar una tarde a probar, fallar y volver a entrenar.