Exploración y explotación

Exploration and exploitation

También: Dilema exploración-explotación, Exploration and exploitation, Exploration vs exploitation

Equilibrio entre probar acciones para obtener información y elegir la mejor acción conocida.

Definición técnica

Dilema secuencial entre reducir incertidumbre mediante exploración y maximizar retorno esperado con la política estimada.

Camilo Boo

Automatización de procesos, integración de sistemas y software a medida para reducir tareas manuales y mejorar el control operativo.

Navegación

Expresa la tensión entre aprender alternativas y aprovechar lo que ya parece funcionar.

Evitar tanto la repetición prematura de una opción mediocre como la experimentación indefinida.

Una estrategia introduce aleatoriedad, optimismo o bonificaciones por incertidumbre al seleccionar acciones.

Ejemplo práctico

Un agente prueba ocasionalmente otra ruta aunque la actual tenga buen resultado.

Ejemplo empresarial

Un experimento controlado reserva una fracción pequeña para alternativas dentro de límites de riesgo.

Explotación significa aprovechar conocimiento, no explotar personas o recursos.

El equilibrio adecuado depende del coste de experimentar y de cuánto cambia el entorno.

Explorar en sistemas reales puede perjudicar a usuarios; debe limitarse, simularse o revisarse.

Aprender requiere probar, pero la exploración debe guardar proporción con el riesgo.

Nivel: Básico
Categorías: Aprendizaje supervisado, no supervisado y por refuerzo
Recorridos: Diccionario rápido para principiantes Índice alfabético completo de términos

PDF gratuito

Una selección editorial para consultar conceptos relacionados fuera de la web.

Machine Learning Glossary
Google for Developers · Documentación oficial
Define aprendizaje semisupervisado, autosupervisado, datos no etiquetados y componentes de refuerzo.
Fuente comprobada el 24 de julio de 2026
Reinforcement Learning: An Introduction
MIT Press · Autor: Richard S. Sutton and Andrew G. Barto · Publicación científica · Publicado el 13 de noviembre de 2018
Texto académico de referencia sobre agentes que maximizan recompensa acumulada al interactuar con un entorno incierto.