Red neuronal — Cómo funcionan las redes neuronales artificiales

Una red neuronal es un modelo matemático que transforma entradas en salidas al pasar números por capas de operaciones simples. Cada capa toma los valores anteriores, forma sumas ponderadas, añade sesgos, aplica una función de activación no lineal y pasa el resultado hacia adelante.

Esa descripción suena abstracta, pero la idea central es pequeña: una red aprende muchos pesos ajustables para que patrones útiles en la entrada produzcan predicciones útiles en la salida.

Qué Es Una Red Neuronal

Para una neurona con entradas $x_1, x_2, \dots, x_n$, el cálculo básico es

$$z = w_1x_1 + w_2x_2 + \dots + w_nx_n + b$$

seguido de una activación:

$$a = g(z)$$

Aquí $w_1, \dots, w_n$ son pesos, $b$ es un sesgo y $g$ es una función de activación como ReLU, sigmoide o tanh.

Una red neuronal feedforward completa repite ese patrón a través de capas. En forma compacta, una capa suele escribirse como

$$a^{(l)} = g\!\left(W^{(l)} a^{(l-1)} + b^{(l)}\right)$$

donde $a^{(l-1)}$ es la salida de la capa anterior.

La Intuición Que Suele Hacer Que Todo Encaje

Cada neurona plantea una pregunta ponderada sobre la entrada que recibe. Los pesos positivos grandes hacen que algunas características importen más. Los pesos negativos pueden oponerse a un patrón. El sesgo desplaza el umbral. La función de activación decide entonces con qué intensidad debe responder esa neurona.

Apilar capas permite que la red construya características por etapas. Las primeras capas detectan patrones simples. Las capas posteriores los combinan en señales internas más útiles para la tarea final.

Por eso las redes neuronales son más que “muchas fórmulas a la vez”. Son composiciones de funciones simples, y esa composición es lo que les da flexibilidad.

Un Ejemplo Resuelto

Considera una red pequeña con dos entradas, una capa oculta y una salida. Sea la entrada

$$x = \begin{bmatrix} 2 \\ 1 \end{bmatrix}$$

Supón que la capa oculta tiene dos neuronas y usa ReLU, donde

$$\operatorname{ReLU}(z) = \max(0, z)$$

Toma estos cálculos de la capa oculta:

$$z_1 = 1 \cdot 2 + (-1) \cdot 1 + 0 = 1$$ $$h_1 = \operatorname{ReLU}(z_1) = 1$$ $$z_2 = 0.5 \cdot 2 + 0.5 \cdot 1 - 1 = 0.5$$ $$h_2 = \operatorname{ReLU}(z_2) = 0.5$$

Ahora envía esos valores ocultos a la neurona de salida:

$$s = 2h_1 - h_2 = 2(1) - 0.5 = 1.5$$

Si la regla es “predecir la clase 1 cuando $s > 0$”, esta entrada se clasifica como clase 1.

Lo importante no son los números concretos. Es la estructura:

1. tomar entradas
2. formar sumas ponderadas
3. aplicar activaciones no lineales
4. repetir
5. leer la puntuación final

Eso es una red neuronal haciendo una pasada hacia adelante.

Cómo Aprende Una Red Neuronal

Usar una red es un problema. Entrenarla es otro.

En el aprendizaje supervisado estándar, la red primero hace una predicción. Luego, una función de pérdida mide qué tan lejos está esa predicción del objetivo. El entrenamiento basado en gradientes calcula cómo cambia la pérdida con respecto a cada peso y sesgo, y después los actualiza para reducir la pérdida.

En la práctica moderna, esto suele significar retropropagación más descenso por gradiente o un optimizador relacionado. Este enfoque depende de que el modelo y la pérdida sean diferenciables, o al menos suficientemente diferenciables por tramos para que los métodos de gradiente funcionen.

La versión corta es:

$$\text{predicción} \to \text{pérdida} \to \text{gradientes} \to \text{actualización de parámetros}$$

A lo largo de muchos ejemplos, los pesos se desplazan hacia patrones que ayudan con la tarea.

Errores Comunes

Pensar Que Más Capas Significan Automáticamente Mejores Resultados

No es así. Más capas aumentan la capacidad, pero también hacen más exigentes la optimización, las necesidades de datos y el control del sobreajuste.

Olvidar Por Qué Importa La No Linealidad

Si cada capa es solo lineal, toda la red sigue siendo solo una transformación lineal. Las funciones de activación son lo que permite a las redes profundas representar relaciones más complejas.

Tratar La Salida Como Si Fuera Certeza Garantizada

La salida de una red solo es tan útil como el modelo, los datos y la configuración de entrenamiento que hay detrás. Una puntuación alta no es lo mismo que una prueba.

Ignorar La Representación De Entrada

Las redes no aprenden del significado en bruto. Aprenden de la representación numérica que reciben. Si las entradas son pobres, inconsistentes o les falta estructura importante, el rendimiento de la red normalmente se resentirá.

Cuándo Se Usan Las Redes Neuronales

Las redes neuronales se usan cuando la relación entre entrada y salida es lo bastante complicada como para que las reglas escritas a mano sean frágiles o incompletas. Algunos casos comunes incluyen reconocimiento de imágenes, voz, modelado del lenguaje, sistemas de recomendación y algunas tareas de pronóstico.

No son automáticamente la mejor opción para todos los problemas. En conjuntos de datos pequeños y estructurados, los modelos más simples pueden ser más fáciles de entrenar, más fáciles de interpretar y, a veces, igual de eficaces.

Un Buen Modelo Mental

Piensa en una red neuronal como una función en capas con muchos controles ajustables. La pasada hacia adelante transforma una entrada en una salida. El entrenamiento cambia esos controles para que las salidas futuras sean más útiles para la tarea.

Esa es la forma más clara de mantener ambas ideas a la vez: las redes neuronales calculan por composición y aprenden ajustando parámetros para reducir el error.

Prueba Tu Propia Versión

Mantén la misma red pequeña, pero cambia la entrada de $(2, 1)$ a $(0, 3)$. Vuelve a calcular $z_1$, $z_2$, $h_1$, $h_2$ y la puntuación final $s$. Luego cambia un peso y observa qué parte de la salida se mueve. Ese pequeño ejercicio hace que la idea de la pasada hacia adelante sea mucho más concreta que memorizar definiciones sin más.