Neural Network (NN)

Una red neuronal (NN), también llamada red neuronal artificial (ANN), es un modelo de aprendizaje automático (ML) formado por capas de unidades simples conectadas, llamadas neuronas. Cada neurona multiplica sus entradas por pesos, suma un sesgo y pasa el resultado por una función de activación no lineal. La red aprende ajustando esos pesos y sesgos hasta que sus salidas coinciden con los ejemplos de los datos de entrenamiento, así que su comportamiento se aprende a partir de los datos. El diseño se inspiró vagamente en las neuronas biológicas, pero hoy es más útil entender las redes como grandes funciones matemáticas entrenables. Las redes con muchas capas son el objeto del aprendizaje profundo (DL) y potencian la visión artificial, el reconocimiento del habla y los modelos de lenguaje grandes (LLM).

Cómo calcula una red neuronal#

Las neuronas se organizan en capas. La capa de entrada recibe los datos, como valores de píxeles o lecturas de sensores; una o varias capas ocultas los transforman, y la capa de salida genera la predicción, como puntuaciones de clase o un valor predicho. En una capa totalmente conectada, cada neurona recibe todas las salidas de la capa anterior, así que la capa entera equivale a una multiplicación de matrices seguida de una activación elemento a elemento. La propagación de los datos por todas las capas en orden es la pasada hacia delante. La activación es lo que hace útil la profundidad: sin ella, las capas apiladas se reducen a una sola función lineal. Con ella, una red con una sola capa oculta suficientemente ancha puede aproximar cualquier función continua con una precisión arbitraria, resultado conocido como el teorema de aproximación universal.

El fragmento de PyTorch que aparece a continuación calcula a mano una neurona y después calcula de una vez toda una capa de cuatro neuronas:

import torch
from torch import nn

torch.manual_seed(1)
x = torch.tensor([0.5, -1.0, 2.0])  # one example with three input features

# A layer of four neurons: each has three weights and one bias
layer = nn.Linear(in_features=3, out_features=4)

# Neuron 0 by hand: weighted sum of inputs plus bias, then a ReLU activation
z = (layer.weight[0] * x).sum() + layer.bias[0]
print(f"Neuron 0 by hand: {torch.relu(z).item():.4f}")

# The layer computes all four neurons at once as one matrix multiplication
outputs = torch.relu(layer(x))
print(f"All four neurons: {[round(v, 4) for v in outputs.tolist()]}")

Imprime Neuron 0 by hand: 0.3906 y All four neurons: [0.3906, 1.1465, 0.0, 0.0]. El cálculo manual coincide con la primera neurona de la capa, y la activación ReLU pone a cero las dos neuronas cuyas sumas ponderadas son negativas. La capa almacena 16 números entrenables: 12 pesos y 4 sesgos; las redes reales apilan capas de este tipo hasta alcanzar millones o miles de millones de parámetros.

Cómo aprenden las redes neuronales#

El entrenamiento parte de pesos aleatorios y repite un ciclo sencillo. Un lote de ejemplos etiquetados recorre la red hacia delante, una función de pérdida mide cuánto se alejan las predicciones de las etiquetas, la retropropagación aplica la regla de la cadena para calcular cuánto ha contribuido cada peso al error y un optimizador, como el descenso de gradiente estocástico (SGD) o Adam, ajusta cada peso en la dirección que reduce la pérdida. Un recorrido completo por el conjunto de entrenamiento es una época, y el entrenamiento suele detenerse cuando la pérdida en los datos de validación reservados deja de mejorar, porque una red que sigue ajustándose al conjunto de entrenamiento a partir de ese punto empieza a sobreajustarse.

Entrenar desde cero suele requerir grandes conjuntos de datos etiquetados, y el aprendizaje por transferencia reduce ese requisito al partir de pesos preentrenados con un conjunto de datos grande. Además, sus millones de pesos aprendidos son difíciles de interpretar, lo que impulsa la investigación en IA explicable (XAI).

Principales tipos de redes neuronales#

La forma en que se conectan las neuronas, denominada arquitectura, determina qué datos procesa bien una red:

• Redes feedforward: Capas totalmente conectadas que transmiten datos en una sola dirección, también llamadas perceptrones multicapa (MLPs). Son adecuadas para datos tabulares y aparecen como bloques de construcción dentro de modelos más grandes.
• Redes neuronales convolucionales (CNNs): Deslizan pequeños filtros compartidos por una imagen mediante la convolución, el diseño estándar para la visión. Las conexiones residuales permiten que crezcan hasta cientos de capas.
• Redes neuronales recurrentes (RNNs): Procesan secuencias paso a paso mientras mantienen un estado oculto, con versiones con compuertas como LSTM y GRU para una memoria más prolongada.
• Transformers: Usan la autoatención para relacionar en paralelo cada elemento de una secuencia con todos los demás. Son la base de los LLM y los transformers de visión.
• Redes neuronales de impulsos (SNNs): Se comunican mediante impulsos discretos a lo largo del tiempo, de forma más parecida a las neuronas biológicas, y funcionan eficientemente en chips neuromórficos.

La mayoría de los modelos actuales combinan estos diseños. YOLO26 es una red convolucional con bloques de autoatención en sus mapas de características de menor resolución, y su modelo nano de detección usa unos 2,4 millones de parámetros para localizar y clasificar objetos en una imagen de 640×640 en una sola pasada hacia delante.

Redes neuronales y términos relacionados#

• Aprendizaje profundo: Una red neuronal con una o dos capas ocultas es poco profunda, y el aprendizaje profundo consiste en entrenar redes con muchas capas, que aprenden su propia jerarquía de características a partir de datos sin procesar. Todo modelo de aprendizaje profundo es una red neuronal.
• Aprendizaje automático: Las redes neuronales son una familia de modelos de aprendizaje automático, junto con los árboles de decisión, las máquinas de vectores de soporte y los árboles potenciados por gradiente, que siguen compitiendo con fuerza en datos tabulares.
• Redes neuronales biológicas: Las neuronas reales se comunican mediante impulsos eléctricos temporizados y se adaptan a través de procesos químicos que las neuronas artificiales no modelan. Las redes neuronales de impulsos reproducen más ese comportamiento que las redes estándar.

Breve historia#

Warren McCulloch y Walter Pitts describieron un modelo matemático de la neurona en 1943: una unidad que se activa cuando la suma de sus entradas binarias supera un umbral. El perceptrón de Frank Rosenblatt, de 1958, aprendía los pesos de esas unidades a partir de ejemplos, pero en 1969 Marvin Minsky y Seymour Papert demostraron que un perceptrón de una sola capa no puede calcular ni siquiera la función XOR, y el interés decayó. Las redes multicapa resuelven XOR y, en 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams demostraron que la retropropagación entrena sus capas ocultas para aprender representaciones internas útiles. Las redes profundas se impusieron en la visión artificial en 2012, cuando AlexNet, entrenada con dos GPU, ganó el desafío ImageNet con un error top-5 del 15,3 %, frente al 26,2 % de la siguiente propuesta.