3. Introducción a la Inteligencia Artificial
Así funciona una red neuronal artificial
3.1. Redes neuronales
Las redes neuronales son modelos matemáticos inspirados en el funcionamiento del cerebro humano. Están formadas por:
- Nodos: Las unidades básicas que realizan cálculos. Estos se organizan en:
-Capa de entrada: Recibe los datos iniciales (por ejemplo, imágenes de números escritos a mano).
-Capas ocultas: Realizan transformaciones matemáticas para extraer patrones.
-Capa de salida: Genera el resultado final (por ejemplo, el número identificado). - Pesos: Cada conexión entre nodos tiene un peso, que define la importancia de esa conexión. Los pesos se ajustan durante el entrenamiento.

Matemáticamente, cada capa realiza una operación de multiplicación matricial seguida por la aplicación de una función de activación, como muestra la siguiente fórmula:
Donde:
x: Vector de entrada.
W: Matriz de pesos.
b: Vector de sesgos.
f: Función de activación (por ejemplo, ReLU o sigmoid).
h: Salida de la capa.
3.2. Aprendizaje supervisado
El aprendizaje supervisado implica entrenar una red neuronal con un conjunto de datos etiquetados. Cada entrada está asociada con una salida deseada. Durante el entrenamiento:
- La red procesa las entradas y genera una salida.
- Una función de pérdida calcula la diferencia entre la salida generada y la salida esperada.
- Un algoritmo como backpropagation ajusta los pesos para minimizar esta pérdida.