A diferencia del supervisado, el Aprendizaje No Supervisado es como aprender descubriendo patrones por uno mismo, sin etiquetas ni respuestas predefinidas. Aquí, el sistema de IA recibe datos «crudos», sin ninguna indicación sobre lo que significan o cómo están organizados.
Imagina que le das a la IA una enorme colección de noticias de diferentes fuentes sin decirle de qué tema trata cada una. La tarea de la IA es encontrar estructuras o agrupaciones ocultas en esos datos. Podría, por ejemplo, agrupar automáticamente las noticias que hablan de deportes, las que hablan de política y las que hablan de tecnología, basándose únicamente en las palabras y el contexto que encuentra en los textos.
Este tipo de aprendizaje es útil para tareas como la segmentación de clientes (agrupar clientes con comportamientos similares), la detección de anomalías (encontrar datos inusuales) o la reducción de dimensionalidad (simplificar datos complejos).