Sigmoid

La función sigmoide es un componente matemático fundamental que se utiliza ampliamente en los campos del aprendizaje automático (ML) y el aprendizaje profundo (DL). A menudo denominada «función de compresión», recibe como entrada cualquier número real y lo transforma en un valor entre 0 y 1. Esta característica curva con forma de «S» la hace increíblemente útil para convertir las salidas sin procesar de los modelos en probabilidades interpretables. En el contexto de una red neuronal (NN), la función sigmoide actúa como una función de activación, introduciendo no linealidad para que los modelos puedan aprender patrones complejos más allá de las relaciones lineales simples. Aunque en gran medida ha sido sustituida por otras funciones en las capas ocultas profundas, sigue siendo una opción estándar para las capas de salida en tareas de clasificación binaria.

Mecánica de la función sigmoide en la IA#

En esencia, la función sigmoide transforma los datos de entrada —a menudo denominados logits— en un intervalo normalizado. Esta transformación es crucial para las tareas cuyo objetivo es predecir la probabilidad de que ocurra un evento. Al limitar la salida entre 0 y 1, la función proporciona una puntuación de probabilidad clara.

• Regresión logística: En el modelado estadístico tradicional, la sigmoide es el motor de la regresión logística. Permite a los científicos de datos estimar la probabilidad de un resultado binario, como si un cliente abandonará el servicio o permanecerá en él.
• Clasificación binaria: En las redes neuronales diseñadas para distinguir entre dos clases (por ejemplo, «gato» y «perro»), la capa final suele utilizar una activación sigmoide. Si la salida es superior a un umbral (normalmente 0,5), el modelo predice la clase positiva.
• Clasificación multietiqueta: A diferencia de los problemas multiclase, en los que las clases son mutuamente excluyentes, las tareas multietiqueta permiten que una imagen o un texto pertenezcan a varias categorías simultáneamente. Aquí, la sigmoide se aplica de forma independiente a cada nodo de salida, lo que permite al modelo detectar un «coche» y una «persona» en la misma escena sin conflictos.

Diferencias clave con otras funciones de activación#

Aunque la sigmoide fue en su día la opción predeterminada para todas las capas, los investigadores descubrieron limitaciones como el problema del gradiente evanescente, en el que los gradientes se vuelven demasiado pequeños para actualizar los pesos de forma eficaz en redes profundas. Esto llevó a adoptar alternativas para las capas ocultas.

• Sigmoide frente a ReLU (Unidad lineal rectificada): ReLU es computacionalmente más rápida y evita los gradientes evanescentes al devolver directamente la entrada si es positiva y cero en caso contrario. Es la opción preferida para las capas ocultas en arquitecturas modernas como YOLO26, mientras que la sigmoide se reserva para la capa de salida final en tareas específicas.
• Sigmoide frente a Softmax: Ambas transforman las salidas a un intervalo de 0 a 1, pero tienen objetivos diferentes. La sigmoide trata cada salida de forma independiente, por lo que es ideal para tareas binarias o multietiqueta. Softmax obliga a que todas las salidas sumen 1, creando una distribución de probabilidad utilizada para la clasificación multiclase, en la que solo una clase es correcta.

Aplicaciones en el mundo real#

La utilidad de la función sigmoide se extiende a diversos sectores en los que es necesario estimar probabilidades.

1. Diagnóstico médico: Los modelos de IA utilizados en el análisis de imágenes médicas suelen utilizar salidas sigmoides para predecir la probabilidad de que haya una enfermedad en una radiografía o una exploración por resonancia magnética. Por ejemplo, un modelo podría producir 0,85, lo que indica una probabilidad del 85 % de que haya un tumor y ayuda a los médicos a detectarlo de forma temprana.

2. Detección de spam: Los sistemas de filtrado de correo electrónico utilizan modelos de procesamiento del lenguaje natural (NLP) con clasificadores sigmoides para determinar si un mensaje entrante es «spam» o «no es spam». El modelo analiza palabras clave y metadatos, y produce una puntuación que determina si el correo llega a la bandeja de entrada o a la carpeta de correo no deseado.

Implementación práctica#

Puedes observar cómo la sigmoide transforma los datos utilizando PyTorch, una biblioteca popular para crear modelos de aprendizaje profundo. Este sencillo ejemplo muestra el efecto de «compresión» en un intervalo de valores de entrada.

import torch
import torch.nn as nn

# Create a Sigmoid layer
sigmoid = nn.Sigmoid()

# Define input data (logits) ranging from negative to positive
input_data = torch.tensor([-5.0, -1.0, 0.0, 1.0, 5.0])

# Apply Sigmoid to squash values between 0 and 1
output = sigmoid(input_data)

print(f"Input: {input_data}")
print(f"Output: {output}")
# Output values near 0 for negative inputs, 0.5 for 0, and near 1 for positive inputs

Si quieres entrenar modelos que utilicen estos conceptos sin escribir código de bajo nivel, la plataforma Ultralytics ofrece una interfaz intuitiva para gestionar conjuntos de datos y entrenar modelos de vanguardia como YOLO26. Al gestionar automáticamente las complejidades de la arquitectura, permite a los usuarios centrarse en recopilar datos de entrenamiento de alta calidad para sus aplicaciones específicas de visión artificial.