NeuronaNeuron
Unidad de cálculo que recibe varios valores y entrega uno solo
- La neurona es una unidad de cálculo diminuta que recibe varios valores y entrega uno solo. Una red neuronal se construye encadenando incontables unidades de estas.
- No suma los valores recibidos tal cual. A cada uno lo multiplica por un peso propio antes de sumarlo. Ese peso es lo que llamamos peso sináptico.
- A la suma de esos productos se le añade un valor base que siempre acompaña. Ese es el papel del sesgo.
- El resultado no se entrega tal cual: se hace pasar una vez por una función con un umbral. La función de activación decide si se activa y con cuánta fuerza.
- Eso es todo lo que hace una sola neurona. La inteligencia no sale de una neurona sola, sino del número de conexiones y de cómo están dispuestas.
Contenido
1La analogía
En el chat de un grupo de fútbol del barrio alguien lanza la pregunta: "¿jugamos esta tarde?". Diez personas dejan su comentario. Una avisa que va a llover, otra dice que sí pase lo que pase, otra que se siente pesada. Quien lleva la organización tiene que juntar todos esos comentarios y publicar una sola línea: "hoy se juega" o "mejor otro día".
La forma de contar los comentarios ya está fijada de antemano. El "vamos" de quien nunca falta se recibe con mucho peso; el comentario de alguien que reaparece después de medio año se recibe con poco peso. También hay, desde el inicio, un poco de ganas propias de quien organiza, que hoy con buen tiempo prefiere que se juegue: eso está sumado desde el principio. Cuando el peso acumulado supera una línea fijada de antemano, se publica el aviso; si no la supera, el tema pasa en silencio.
Ese lugar de quien organiza es la neurona. Los comentarios que llegan son la entrada, el peso distinto de cada persona es el peso sináptico, las ganas propias de quien organiza son el sesgo, y la regla que decide si se publica el aviso es la función de activación.
2En detalle
Dentro de una neurona pasan cuatro cosas
Primero, recibe los valores que llegan de antes: pueden ser el brillo de una imagen o el resultado que entregó una neurona anterior. Segundo, multiplica cada valor por su peso correspondiente y suma todo. Tercero, a esa suma le añade el sesgo. Cuarto, mete ese resultado en la función de activación para producir una única salida final.
Estos cuatro pasos siempre van en el mismo orden. Cualquier neurona, esté donde esté dentro de la red, sigue exactamente esta secuencia. Lo único que cambia de una neurona a otra no es el orden, sino el tamaño de los pesos que multiplica y del valor base que suma.
Los pesos cambian de neurona a neurona, de conexión a conexión
Cada conexión de entrada tiene su propio peso. Si hay diez conexiones, hay diez pesos. Un peso grande hace que ese valor mueva mucho el resultado; uno cercano a cero hace que ese valor quede prácticamente ignorado.
Los pesos también pueden ser negativos. Cuando un valor mayor debe empujar el resultado hacia el lado contrario, su peso lleva un signo negativo. En el grupo de fútbol sería como que cuanto más fuerte llega el "va a llover", más se aleja el aviso de jugar. No basta con una fuerza que active: hace falta también una que desactive para que se pueda formar un juicio.
Si no supera el umbral, se queda en silencio
Por muy calculado que esté el resultado de multiplicar y sumar, si no pasa el último filtro la neurona prácticamente no entrega ningún valor. Ese filtro es lo que convierte a la red neuronal en algo más que un simple sumador. Sin ese umbral, por muchas capas que se apilen, todo terminaría aplanándose en una sola multiplicación y una sola suma.
Lo que pasa después de superar el umbral también depende de la función. Algunas dejan pasar tal cual lo que superó el umbral; otras, por fuerte que sea la entrada, nunca entregan más de un tope fijo. Según cuál se use, el entrenamiento resulta más o menos fácil.
Una neurona no trabaja sola
La salida de una neurona se convierte de inmediato en la entrada de varias neuronas siguientes. Varias neuronas reciben el mismo valor a la vez y cada una lo interpreta con un peso distinto. Ante la misma imagen, una neurona puede reaccionar a las líneas horizontales y otra a los cambios de color.
A las neuronas que reciben la misma entrada, agrupadas en fila, se les llama capa, y a varias capas apiladas, red neuronal. Los modelos actuales llevan cientos de millones o cientos de miles de millones de neuronas. Cada una sigue haciendo solo multiplicaciones y sumas, pero cuando esos resultados se apilan capa sobre capa, se vuelve posible reconocer una cara o seguir escribiendo una frase.
El entrenamiento no cambia neuronas, cambia pesos
Al entrenar un modelo no cambia el número de neuronas ni el orden del cálculo. Lo que cambia son los pesos y el sesgo asociados a cada conexión. El modelo se va formando repitiendo, un número enorme de veces, el ajuste fino de esos pesos según cuánto se alejó la respuesta de la correcta.
Por eso un "modelo entrenado" termina siendo, en el fondo, un conjunto de números bien ajustados. Con la misma estructura de red, según con qué datos se ajustaron los pesos, el resultado hace tareas completamente distintas.
3Con más precisión
La neurona toma prestado el nombre de la célula nerviosa biológica, pero es solo una unidad de cálculo. Lo único que hace es multiplicar la entrada por pesos, sumarlo todo, añadir el sesgo y aplicar una vez una función de activación. A diferencia de una célula nerviosa real, no intercambia señales químicas ni crea conexiones nuevas por sí misma.
La analogía de quien organiza también tiene sus límites. Esa persona entiende el sentido de las palabras y puede cambiar su criterio según cómo esté el día, pero la neurona no entiende ningún significado: solo maneja números, y tampoco puede cambiar su criterio por sí misma. El peso lo ajusta algo externo, durante el entrenamiento.
El orden del cálculo también difiere un poco del dibujo. En la implementación real no se calcula neurona por neurona: todas las neuronas de una capa se procesan de golpe con una sola multiplicación de matrices. Así la tarjeta gráfica puede correr miles de cálculos a la vez. El círculo del dibujo es solo una forma fácil de entenderlo para las personas; dentro del ordenador no existe una pieza con esa forma.
4Pruébalo
5Malentendidos comunes
Es fácil pensar que la neurona piensa como una célula del cerebro, pero en realidad todo se reduce a multiplicar, sumar y aplicar una función una vez.
Es fácil pensar que cuantas más neuronas, siempre más lista, pero en realidad hace falta que la disposición y los datos encajen; agrandar sin más solo encarece el cálculo y puede llevar al sobreajuste.
Es fácil pensar que una neurona se encarga de un solo concepto, pero en realidad un mismo concepto suele quedar repartido entre varias neuronas.
7Resumen en una línea
En resumenLa neurona multiplica varios valores por sus propios pesos, los suma, y si supera un umbral entrega un único valor: es la unidad de cálculo más pequeña de una red neuronal.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización2026-09-02