00 · EN TRES MINUTOS

La respuesta en tres ideas

  1. 1Borrar el archivo fuente no revierte automáticamente los pesos.
  2. 2Los métodos aproximan un modelo entrenado sin esos datos.
  3. 3Eliminar una salida memorizada no basta: se necesita un contrafactual claro.

01 · LA INFLUENCIA SE DISTRIBUYE

La influencia se distribuye

Un registro actúa junto a muchos otros y no existe una operación universal para borrar una fila de los pesos.

02 · REENTRENAR DEFINE LA REFERENCIA

Reentrenar define la referencia

El contrafactual limpio es entrenar desde cero sin los registros; métodos prácticos intentan aproximarlo.

FIG. 02Cómo cambia el sistema
Mapa conceptual del mecanismo; la geometría, la escala y el tiempo no son mediciones salvo indicación.

03 · VERIFICAR ES CENTRAL

Verificar es central

El modelo puede dejar de repetir una frase y conservar señales detectables por otra consulta o ataque.

04 · TAMBIÉN EXISTEN COPIAS

También existen copias

Checkpoints, cachés, índices, logs y ajustes derivados deben entrar en el inventario de borrado.

05 · EL ALCANCE DEBE DECLARARSE

El alcance debe declararse

Garantías formales y aproximaciones dependen de algoritmos, supuestos, datos objetivo y prueba elegida.

06 · FUENTES Y EVIDENCIAS

Fuentes y evidencias

Las afirmaciones se remontan a artículos fundamentales, normas o al estudio primario de la actualización.

  1. 01
    Machine Unlearning

    Sustenta un mecanismo, una medición o un límite de evidencia definido en el artículo.

    ESTUDIO PRIMARIO
  2. 02
    Making AI Forget You: Data Deletion in Machine Learning

    Sustenta un mecanismo, una medición o un límite de evidencia definido en el artículo.

    ESTUDIO PRIMARIO
HISTORIAL29 ago 2026 · Primera edición en cinco idiomas; revisados mecanismo, límites, figuras y fuentes.