Glosario de IA · Fundamentos
Red neuronal
En una frase
Una red neuronal artificial es un modelo matemático formado por capas de unidades conectadas, llamadas neuronas, que transforman una entrada numérica en una salida. Aprende ajustando el peso de cada conexión a partir de ejemplos.
También se llama: red neuronal artificial · RNA · neural network · red de neuronas artificiales
¿Qué es una red neuronal?
El nombre sugiere un cerebro, pero la realidad es más modesta. Una red neuronal es una cadena de operaciones matemáticas organizadas en capas. Cada unidad, o neurona, recibe números, los combina y pasa el resultado a la capa siguiente.
Llévalo a tu empresa
Agentes de IA para atender a tus clientes
Desde 49 €/mes + IVA
Voz, WhatsApp y email con la línea incluida: agente, números y CRM en la misma cuota.
Ver planes y preciosSu interés está en que nadie le dice qué cálculo hacer exactamente. La red empieza con valores al azar y los va ajustando con ejemplos hasta que su salida se parece a la correcta. Cuando tiene muchas capas, se habla de deep learning.
Relacionado con este término
Agentes UTIO
- Atienden 24/7 en 26 idiomas
- Montarlo tú cuesta 0 €: se crea leyendo tu web
- Prueba de 14 días sin tarjeta
Desde 49 €/mes + IVA
Ver planes y preciosCómo funciona
- Capa de entrada. Recibe los datos ya convertidos en números: una imagen, un audio o los tokens de un texto.
- Capas ocultas. Cada neurona multiplica sus entradas por unos pesos, las suma y aplica una función que decide cuánto «se activa». El resultado pasa a la siguiente capa.
- Capa de salida. Devuelve la respuesta: la probabilidad de cada categoría, un valor numérico o el siguiente token.
Los pesos son los parámetros de la red, y ahí está todo lo aprendido. Durante el entrenamiento, la red compara su salida con la correcta, calcula el error y lo reparte hacia atrás, capa por capa, para corregir un poco cada peso. Este método se llama retropropagación. Repetido millones de veces, el error baja.
Hay arquitecturas distintas según el tipo de dato. La que domina hoy en texto es el transformer, que permite a la red relacionar cada palabra con las demás de la frase.
Ejemplo
Una academia de idiomas de Bilbao quiere detectar qué correos de alumnos son bajas para atenderlos primero. Una red neuronal sencilla recibe cada correo convertido en números y devuelve una probabilidad de «baja».
Al principio acierta por casualidad. Tras entrenarse con un par de años de correos ya etiquetados, aprende que ciertas combinaciones de palabras y frases son señal clara de baja, aunque el alumno no use esa palabra. La academia no escribió ninguna regla: los pesos de la red las recogen.
Cómo te afecta en tu empresa
Saber qué es una red neuronal te ayuda a entender dos rasgos de cualquier IA moderna. Primero, aprende de ejemplos, así que su calidad depende de los datos con que se entrenó. Segundo, su razonamiento está repartido en millones de pesos, por lo que no puede justificar una respuesta como lo haría una persona.
Por eso, en los agentes de UTIO, la red neuronal no trabaja sin reglas: tú decides qué puede hacer el agente de voz, con qué información responde y cuándo pasa a una persona. Y arranca en modo borrador hasta que ves que sus respuestas son fiables.
Preguntas frecuentes
¿Una red neuronal funciona como el cerebro humano?
Solo se inspira en él de forma muy lejana. Cada «neurona» artificial es una operación matemática sencilla: multiplica sus entradas por unos pesos, las suma y aplica una función. No hay biología ni pensamiento; hay mucho cálculo en paralelo.
¿Qué tipos de redes neuronales hay?
Las más conocidas son las redes densas (cada neurona conectada a todas las de la capa siguiente), las convolucionales, muy usadas con imágenes, las recurrentes, pensadas para secuencias, y los transformers, la arquitectura de los modelos de lenguaje actuales.
¿Qué es una capa oculta?
Cualquier capa entre la de entrada y la de salida. Se llama oculta porque no ves directamente lo que calcula: son representaciones intermedias que la red aprende por sí misma durante el entrenamiento.
Términos relacionados
- Deep learning
El deep learning o aprendizaje profundo es un tipo de machine learning que usa redes neuronales con muchas capas. Cada capa extrae rasgos más abstractos de los datos, lo que permite trabajar con texto, voz e imágenes sin reglas escritas a mano.
- Parámetros de un modelo
Los parámetros de un modelo son los valores numéricos internos, sobre todo los pesos de una red neuronal, que se ajustan durante el entrenamiento y guardan lo aprendido. Su número se usa como medida aproximada del tamaño del modelo.
- Transformer
Un transformer es una arquitectura de red neuronal que procesa todas las palabras de un texto a la vez y usa un mecanismo de atención para decidir qué partes se relacionan entre sí. Es la base de casi todos los modelos de lenguaje actuales.
- Entrenamiento de un modelo
El entrenamiento de un modelo es el proceso en el que un modelo de IA aprende a partir de un dataset: se le muestran ejemplos, se mide cuánto se equivoca y se ajustan sus parámetros, una y otra vez, hasta que sus respuestas son buenas.
- Machine learning
El machine learning o aprendizaje automático es la rama de la IA en la que un sistema aprende a hacer una tarea a partir de ejemplos, en lugar de seguir reglas escritas a mano, y mejora su resultado a medida que ve más datos.
Actualizado el