Este artículo presenta un marco matemático integrado para abordar el problema de extraer significado de datos inciertos y ruidosos. Proporciona un marco que conecta la teoría clásica de la estimación, la inferencia estadística y el aprendizaje automático moderno, incluyendo el aprendizaje profundo y los modelos lingüísticos a gran escala. Al analizar cómo técnicas como la estimación de máxima verosimilitud, la inferencia bayesiana y los mecanismos de atención gestionan la incertidumbre, demostramos que muchos métodos de IA se basan en principios probabilísticos comunes. Utilizando ejemplos de identificación de sistemas, clasificación de imágenes y generación de lenguaje, demostramos cómo los modelos cada vez más complejos se basan en esta base para abordar desafíos prácticos como el sobreajuste, la escasez de datos y la interpretabilidad. Demostramos que la estimación de máxima verosimilitud, la estimación MAP, la clasificación bayesiana y el aprendizaje profundo representan diferentes aspectos del objetivo común de inferir causas ocultas a partir de observaciones ruidosas o sesgadas. Este artículo sirve como síntesis teórica y guía práctica para estudiantes e investigadores que exploran el panorama cambiante del aprendizaje automático.
