Autocodificador
Sinónimos: Autoencoder · Autoencoders
Definición ampliada
Un autocodificador, conocido también como autoencoder o en plural autoencoders, es una red neuronal entrenada para reconstruir su propia entrada. Un codificador transforma los datos en una representación latente y un decodificador intenta recuperar la entrada a partir de ella.
El cuello de botella puede ser dimensional, ruidoso o estar regularizado de otra forma. Sin alguna restricción, una red con capacidad suficiente podría aprender una copia trivial y no una representación útil.
Contexto histórico
La idea tiene antecedentes en las primeras redes neuronales y en el aprendizaje de representaciones. En 2006, Hinton y Salakhutdinov mostraron un procedimiento para entrenar autocodificadores profundos destinados a reducción no lineal de dimensionalidad [1]. Después aparecieron variantes dispersas, de eliminación de ruido y probabilísticas.
Importancia actual
A fecha de septiembre de 2026, los autocodificadores siguen siendo útiles para aprender representaciones, reconstruir señales y estudiar anomalías. Algunas variantes forman parte de sistemas generativos, pero un autocodificador determinista ordinario no es por ello un generador probabilístico.
Aplicaciones
Generales
- Reducción no lineal de dimensionalidad.
- Eliminación de ruido y reconstrucción de entradas incompletas.
- Aprendizaje de representaciones sin etiquetas de clase.
- Detección de observaciones alejadas del patrón de entrenamiento.
Sanitarias
- Representar imágenes o señales fisiológicas con menos dimensiones.
- Reconstruir entradas degradadas para investigación metodológica.
- Señalar registros con error de reconstrucción alto para revisión.
Un error alto puede indicar novedad, ruido, cambio de dispositivo o mala calidad; no demuestra enfermedad ni sustituye una evaluación clínica.
Limitaciones
- Puede aprender una identidad casi trivial si el cuello de botella no restringe.
- La reconstrucción favorece lo frecuente y puede borrar detalles importantes.
- Un patrón anómalo puede reconstruirse bien, y uno normal, mal.
- La representación latente no es necesariamente interpretable ni causal.
- El comportamiento cambia con población, preprocesamiento y función de pérdida.
Ejemplos
Un autocodificador entrenado con electrocardiogramas puede asignar errores de reconstrucción altos a algunas señales. Antes de interpretarlos, hay que separar arritmias, artefactos, electrodos mal colocados y cambios de población.
En imágenes, el codificador puede producir un vector compacto para visualizar o agrupar casos, sin afirmar que sus dimensiones correspondan a entidades clínicas reconocibles.