1 · El perceptrón: la unidad atómica del deep learning
Una neurona artificial, su suma ponderada + activación, y por qué apilar millones de ellas genera una red neuronal.
Un perceptrón es una suma ponderada de entradas seguida de una activación — el mismo bloque apilado millones de veces se convierte en una red neuronal.
Sin esto:
Sin entender la neurona individual no puedes razonar sobre lo que hace un transformer de 100 capas.
Bienvenido a Deep Learning. Este track comienza donde debería empezar todo libro de texto: una sola neurona artificial.
El mapa del track es: perceptrón → MLP (perceptrón multicapa) → CNN (redes convolucionales) → RNN/LSTM (redes recurrentes) → Transformer. Cada paso añade una idea — pero cada paso está construido a partir del mismo átomo que estudiarás ahora mismo.
Un perceptrón toma un vector de entradas x, multiplica cada una por un peso aprendido w, suma un sesgo b, y pasa el resultado por una función de activación:
salida = activation(dot(x, w) + b)
La activación es lo que da su poder a una red neuronal: sin ella, apilar capas es equivalente a una sola transformación lineal. Con ella, puedes aproximar cualquier función continua (Teorema de Aproximación Universal).
En 1957, Frank Rosenblatt construyó el primer perceptrón en hardware. En 1969, Minsky y Papert demostraron que no podía aprender XOR. En 1986, Rumelhart, Hinton y Williams mostraron que el backprop podía entrenar redes multicapa — y el campo renació.
Python (in browser)
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Python (in browser)
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Python (in browser)
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Historia del perceptrón — de 1957 a la revolución del deep learning en 2012
¿Por qué no podía un perceptrón de una sola capa aprender XOR?
- Un perceptrón calcula `activation(dot(x, w) + b)` — la operación atómica que toda red neuronal repite a escala.
- Un solo perceptrón es un clasificador lineal; no puede aprender XOR (no es linealmente separable). Añadir una capa oculta crea fronteras de decisión no lineales.
- La activación step es pedagógicamente útil pero no diferenciable — las redes de producción usan ReLU, sigmoid o GELU para que los gradientes puedan fluir hacia atrás durante el entrenamiento.
- La limitación XOR de Minsky y Papert de 1969 solo se aplicaba a redes de una sola capa; el artículo de backprop de 1986 desbloqueó el aprendizaje multicapa y puso fin al invierno de la IA.
Cada capa de una red profunda es `lineal(x) → activación`; el perceptrón ES esto. Entender el átomo hace legible toda arquitectura.
Si lo quitas: Las arquitecturas de deep learning permanecen opacas — puedes llamar a `.fit()` pero no puedes razonar sobre lo que hacen las capas ni depurarlas cuando fallan.