Capítulo 1: Fundamentos de las Redes Neuronales
Los bloques fundamentales de la IA
Las redes neuronales son la base de la IA moderna, incluyendo todos los sistemas de IA generativa. Comprender cómo funcionan proporciona una visión crucial sobre lo que la IA puede y no puede hacer.
¿Qué es una red neuronal?
Una red neuronal es un sistema de computación inspirado de manera general en el cerebro humano. Consiste en nodos interconectados (llamados neuronas) organizados en capas que procesan información.
Las redes neuronales son reconocedoras de patrones. Aprenden a identificar patrones en los datos y usan esos patrones para hacer predicciones o generar nuevo contenido.
La analogía con el cerebro
| Cerebro humano | Red neuronal |
|---|---|
| Neuronas | Neuronas artificiales (nodos) |
| Sinapsis | Conexiones ponderadas |
| Señales eléctricas | Números |
| Aprendizaje por experiencia | Aprendizaje mediante datos de entrenamiento |
Estructura básica
Capas
Una red neuronal tiene tres tipos de capas:
- Capa de entrada: Recibe los datos iniciales
- Capas ocultas: Procesan los datos (pueden ser muchas capas)
- Capa de salida: Produce el resultado final
Aprendizaje profundo
Cuando una red tiene muchas capas ocultas, se llama una red neuronal profunda, y su entrenamiento se denomina aprendizaje profundo.
Cómo funcionan las neuronas
Cada neurona artificial:
- Recibe entradas de neuronas anteriores
- Multiplica cada entrada por un peso
- Suma todas las entradas ponderadas
- Aplica una función de activación para producir la salida
Ejemplo simple
Imagine una neurona decidiendo si una imagen muestra un gato:
Input 1 (¿Tiene pelaje?): 1 × weight 0.3 = 0.3
Input 2 (¿Tiene bigotes?): 1 × weight 0.4 = 0.4
Input 3 (¿Ladra?): 0 × weight 0.2 = 0.0
Suma = 0.7
Si suma > 0.5 → Salida: "Probablemente un gato"
Aprendizaje: Ajuste de pesos
La magia de las redes neuronales está en el aprendizaje—el proceso de ajustar los pesos para mejorar la precisión.
Proceso de entrenamiento
- Propagación hacia adelante: Los datos fluyen a través de la red
- Comparar: Se verifica la salida con la respuesta correcta
- Calcular error: ¿Cuánto se desvió la predicción?
- Retropropagación: Se rastrea qué pesos causaron el error
- Ajustar pesos: Se hacen pequeñas correcciones
- Repetir: ¡Esto se repite millones de veces!
La analogía del estacionamiento
Aprender a estacionar un auto:
- Primeros intentos: Golpea bordillos, estacionamiento torcido
- Con práctica: Pequeñas correcciones cada vez
- Finalmente: Estaciona en paralelo perfectamente
Las redes neuronales aprenden de la misma manera—a través de la práctica y la corrección repetidas.
Tipos de redes neuronales
1. Redes feedforward
El tipo más simple—los datos fluyen en una sola dirección desde la entrada hasta la salida. Adecuadas para tareas básicas de clasificación.
2. Redes neuronales convolucionales (CNN)
Especializadas en procesamiento de imágenes. Usan filtros para detectar características como bordes, formas y patrones.
Usadas para: Reconocimiento de imágenes, visión por computadora
3. Redes neuronales recurrentes (RNN)
Tienen bucles que permiten que la información persista. Adecuadas para datos secuenciales.
Usadas para: Primeros modelos de lenguaje, series temporales
4. Transformers
La arquitectura que impulsa la IA moderna. Procesa todas las entradas simultáneamente usando atención.
Usadas para: ChatGPT, Claude, DALL-E y la mayoría de las IA modernas
Parámetros: El conocimiento de la IA
¿Qué son los parámetros?
Los parámetros son los números ajustables (pesos y sesgos) en una red neuronal. Representan lo que el modelo ha aprendido.
La escala importa
| Modelo | Parámetros |
|---|---|
| Modelo pequeño | Millones |
| GPT-2 | 1.5 mil millones |
| GPT-3 | 175 mil millones |
| GPT-4 | ~1.7 billones (estimado) |
| Llama 2 (el mayor) | 70 mil millones |
Más parámetros generalmente significan más capacidad, pero también mayor costo computacional.
Conceptos clave simplificados
Funciones de activación
Como un interruptor que determina si una neurona "se activa" o no. Las más comunes incluyen ReLU y Sigmoide.
Por qué importa: Sin funciones de activación, las redes neuronales solo podrían aprender patrones simples y lineales.
Función de pérdida
Mide cuán equivocadas son las predicciones del modelo. El entrenamiento intenta minimizar esto.
Analogía: Como el puntaje en golf—mientras más bajo, mejor.
Descenso de gradiente
El método utilizado para ajustar los pesos. Se avanza en la dirección que reduce el error.
Analogía: Como caminar cuesta abajo en la niebla—dar pequeños pasos en la dirección descendente.
Tasa de aprendizaje
Qué tan grande es cada paso de ajuste. Demasiado grande = inestable. Demasiado pequeña = demasiado lento.
Lo que las redes neuronales pueden y no pueden hacer
Pueden hacer ✅
- Reconocer patrones complejos
- Aprender a partir de ejemplos
- Generalizar a datos nuevos y similares
- Mejorar con más datos y entrenamiento
No pueden hacer ❌
- Razonar como humanos
- Comprender verdaderamente el significado
- Aplicar el sentido común de manera confiable
- Aprender a partir de muy pocos ejemplos (usualmente)
Ejemplo del mundo real: Modelo de lenguaje
Cómo un modelo de lenguaje utiliza redes neuronales:
La red ha aprendido patrones a partir de miles de millones de ejemplos de texto, por lo que sabe que "mat" es más probable que siga a "The cat sat on the" que "helicopter".
Puntos clave
✅ Las redes neuronales son sistemas de reconocimiento de patrones inspirados en el cerebro
✅ Consisten en capas de neuronas interconectadas
✅ El aprendizaje ocurre ajustando los pesos a través de muchos ejemplos
✅ Más parámetros generalmente significan mayor capacidad
✅ Diferentes arquitecturas sobresalen en diferentes tareas
✅ Los transformers son la base de la IA generativa moderna
Próximos pasos
Ahora que comprende los fundamentos de las redes neuronales, exploremos la arquitectura revolucionaria que impulsa la IA actual en Capítulo 2: Arquitectura de Transformers.