Las redes neuronales son el núcleo de gran parte de la inteligencia artificial moderna. Lejos de ser “cajas mágicas”, son estructuras matemáticas diseñadas para extraer patrones de los datos y producir probabilidades como resultado. En esta clase se explica su funcionamiento desde un ejemplo concreto y entendible: el reconocimiento de números escritos a mano. A partir de este caso sencillo, se construye la intuición necesaria para comprender cómo una red neuronal procesa información, cómo aprende a partir de errores y por qué este enfoque es distinto a la programación tradicional basada en reglas explícitas. La idea central no es copiar el cerebro humano, sino inspirarse en su forma de aprender a partir de ejemplos.
Para que una red neuronal funcione, todo debe expresarse como números.
Ejemplo del curso:
Dibujamos un número (por ejemplo, un 3) a mano.
Se convierte en una imagen digital de 20 × 20 píxeles.
Total: 400 píxeles.
Cada píxel representa un valor de brillo entre 0 y 100 %.
Estos 400 valores numéricos se organizan en una matriz y constituyen la capa de entrada.
Punto clave:
La red no responde con certezas absolutas, sino con probabilidades.
En el ejemplo: