¿Qué es una red neuronal?
Una red neuronal es un modelo de IA formado por capas de unidades sencillas conectadas por números ajustables llamados pesos. Una entrada, como los píxeles de una foto, atraviesa las capas y se convierte en una suposición. Al entrenar, la red la compara con la respuesta correcta y retoca un poco millones de pesos hasta acertar con fiabilidad.
▶ Pruébalo
Por qué importa
Detrás del desbloqueo facial, los traductores y los chatbots está la misma idea: capas de unidades sencillas cuyas conexiones se ajustan con feedback, no se programan a mano.
En 6 minutos sabrás
- Una red neuronal son capas de unidades sencillas unidas por pesos ajustables.
- Entrenar es adivinar, comparar con la respuesta correcta, retocar los pesos y repetir.
- Lo que sabe está repartido en muchos números, así que cuesta explicar sus motivos.
Lo que vas a practicar
Las partes de una red
Toca cada tarjeta para descubrir cómo funciona.
- ⚪ Neurona (unidad)
- Una calculadora diminuta. Suma los números que le llegan, cada uno multiplicado por un peso, y pasa un resultado. Mucho más simple que una célula del cerebro.
- 🎛️ Peso
- Un dial en cada conexión que decide cuánto influye una unidad en la siguiente. Una red grande tiene millones o miles de millones.
- 🥞 Capas
- Las unidades se apilan en capas. Las primeras captan cosas sencillas, como bordes; las siguientes las combinan en formas y luego en «esto es un 7».
- 📣 Feedback
- Tras cada suposición, la red mide cuánto se ha equivocado y calcula qué diales retocar, y hacia dónde, para equivocarse un poco menos.
Una ronda de entrenamiento
La red está aprendiendo a leer números escritos a mano. Ordena una ronda de entrenamiento.
- Llega un ejemplo etiquetado: la foto de un 7 escrito a mano
- Los píxeles recorren las capas
- La red adivina: «probablemente un 1»
- La suposición se compara con la etiqueta «7»
- Cada peso se retoca un poco para reducir el error
- Se repite con el siguiente ejemplo, muchos miles de veces
Pon a prueba tu modelo
¿Quién fija los millones de pesos de una red ya entrenada?
- El entrenamiento, aprendiendo del feedback (Respuesta)
- Los programadores teclean cada valor a mano
¿Una red neuronal artificial es una copia del cerebro humano?
- No, se inspira vagamente en él y es mucho más simple (Respuesta)
- Sí, funciona igual que las neuronas reales
Noor pregunta: «¿Por qué dijo la red que este gato es un perro?». ¿Por qué cuesta responder?
- El motivo está repartido entre millones de pesos (Respuesta)
- La red esconde sus motivos a propósito
Recuerda
Una red neuronal aprende adivinando, recibiendo feedback y retocando sus pesos, una y otra vez.
Una red neuronal aprende adivinando, recibiendo correcciones y girando un poco sus diales, millones de veces.
Datos clave
- El psicólogo Frank Rosenblatt describió en 1958 el perceptrón, una de las primeras neuronas artificiales capaces de aprender. · Fuente: F. Rosenblatt, The Perceptron, Psychological Review, 1958
- Un artículo de 1986 en Nature mostró cómo las redes de varias capas aprenden pasando el error hacia atrás y ajustando los pesos, un método llamado retropropagación que sigue siendo clave hoy. · Fuente: Rumelhart, Hinton & Williams, Learning representations by back-propagating errors, Nature, 1986
- El Premio Nobel de Física de 2024 fue para John Hopfield y Geoffrey Hinton por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales. · Fuente: Real Academia Sueca de las Ciencias, Premio Nobel de Física 2024
- El cerebro humano adulto tiene unos 86.000 millones de neuronas, cada una una célula viva mucho más compleja que una unidad de una red artificial. · Fuente: Azevedo et al., Journal of Comparative Neurology, 2009
Actualizado:
Preguntas frecuentes
¿Cómo aprende una red neuronal?
Hace una suposición, mide cuánto se aleja de la respuesta correcta y ajusta un poco sus pesos para reducir ese error. Al repetirlo con muchos ejemplos, sus suposiciones se vuelven precisas poco a poco.
¿Qué es el aprendizaje profundo?
El aprendizaje profundo (deep learning) es aprendizaje automático con redes neuronales de muchas capas. Las capas extra permiten a la red construir patrones complejos a partir de otros sencillos.
¿Las redes neuronales son iguales que el cerebro humano?
No. Se inspiran vagamente en las neuronas, pero cada unidad artificial es un cálculo sencillo, y las redes aprenden de una forma muy distinta a las personas.
¿Para qué se usan las redes neuronales?
Para reconocer caras y voz, traducir idiomas, recomendar vídeos, detectar patrones en pruebas médicas de imagen y hacer funcionar chatbots y generadores de imágenes.
Términos relacionados