Entrenar es el paso en que un modelo deja de ser una arquitectura vacía y pasa a hacer algo. El ciclo básico que describe Chollet (2021) tiene cuatro pasos: tomar un lote de ejemplos, calcular las predicciones del modelo (la pasada hacia adelante), medir con la función de pérdida cuánto se equivocó y actualizar todos los pesos para que ese error baje un poco (2021, sec. 2.4). Repetido millones de veces, con retropropagación y descenso por gradiente, el ciclo lleva a los parámetros desde valores aleatorios hasta valores útiles. Cada pasada completa por los datos es una época.
Se distingue de la inferencia, el uso del modelo ya entrenado: entrenar un modelo grande cuesta semanas y enormes cantidades de cómputo; consultarlo, fracciones de segundo. En los modelos de lenguaje el entrenamiento se divide en etapas: preentrenamiento sobre texto masivo y luego ajuste fino para tareas o conductas específicas (Alammar y Grootendorst, 2024, p. 26).
La palabra no es inocente. Witten et al. (2017) recuerdan que en el uso corriente «entrenar» designa un aprendizaje sin mente: se entrena a animales y plantas (una vid se entrena para trepar por una espaldera), y la diferencia es que en el aprendizaje el propósito es del aprendiz, mientras que en el entrenamiento es del entrenador (2017, pp. 8–9). La jerga del campo, curiosamente, usa «entrenar» y «aprender» como sinónimos.
Santelli (2026) subraya la contracara práctica: estos programas no se programan sino que se entrenan; se cultivan más de lo que se construyen, y adquieren capacidades que sus diseñadores no buscaron. Si el propósito es del entrenador, ¿de quién es la capacidad que nadie se propuso entrenar? (ver habilidades emergentes).