Si no hay respuestas correctas que imitar, ¿qué se aprende? Estructura. Los ejemplos clásicos son el agrupamiento, que reúne casos parecidos (como hace k-means); la reducción de dimensionalidad, que resume muchas variables en pocas; la estimación de densidad, que modela cómo se distribuyen los datos; y las reglas de asociación, que buscan cualquier regularidad «interesante», no solo las que predicen una clase (Witten et al., 2017, p. 45). Witten et al. (2017) proponen imaginar los datos de las flores iris sin la columna de especie: es probable que los 150 ejemplares formen grupos naturales que coincidan con las tres especies (2017, p. 45).
El problema es la evaluación. Sin etiquetas no hay una tasa de error objetiva, y el éxito de un agrupamiento suele medirse por cuán útil le resulta a una persona (Witten et al., 2017, p. 45). Por eso el aprendizaje no supervisado fue durante mucho tiempo el pariente pobre del supervisado, aunque se parece más a cómo aprenden los chicos. M. Mitchell (2019) recoge la frase de Yann LeCun según la cual el aprendizaje no supervisado es la materia oscura de la IA (2019, ch. 6).
La frontera con el aprendizaje autosupervisado es borrosa. Un autocodificador, que aprende a reconstruir su propia entrada a través de un cuello de botella, figura como no supervisado en Witten et al. (2017, p. 445); en la terminología más reciente se lo llamaría autosupervisado, porque la entrada misma provee el objetivo. El preentrenamiento de los modelos de lenguaje se describe de las dos maneras.
Pregunta filosófica: ¿la estructura está en los datos o la pone el método? Todo agrupamiento presupone una elección de atributos y una métrica de similitud, y la semejanza es barata: como observó Goodman, dos cosas cualesquiera se parecen en infinitos aspectos (Buckner, 2024, p. 201).