La foto del ticket
Subes la foto de un ticket de compra a la aplicación de gastos de tu empresa. En dos segundos lee el comercio, la fecha y el importe en euros.
Nadie escribió una regla para cada tipo de letra o cada arruga del papel. Detrás hay una red neuronal. Hoy vas a ver qué es, sin fórmulas.
Al final de esta lección
Nota
Puedo explicar con palabras qué es una red neuronal.
Palabras clave
| Palabra | Qué significa |
|---|---|
| Neurona | una pieza que suma entradas y da una salida |
| Peso | cuánto cuenta una entrada |
| Sesgo | un número fijo que se suma al final |
| Capa | un grupo de neuronas que trabajan a la vez |
| Red neuronal | muchas capas de neuronas conectadas |
| Aprendizaje profundo | aprendizaje con redes de muchas capas |
Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.
Una neurona es una suma con pesos
Una neurona recibe varios números de entrada. Multiplica cada uno por su peso, que dice cuánto cuenta.
Suma todo y añade el sesgo, un número fijo. Si el resultado pasa de cero, la neurona se activa y dice que sí.
No es más que eso: multiplicar, sumar y comparar.
Ejemplo resuelto: ¿es urgente la incidencia?
| Entrada | Valor | Peso | Valor × peso |
|---|---|---|---|
| Servicio caído | 1 (sí) | 5 | 5 |
| Cliente de empresa | 0 (no) | 2 | 0 |
| Horas esperando | 3 | 1 | 3 |
| Sesgo | −6 | ||
| Suma | 2, pasa de cero: urgente |
Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.
Una neurona en Python
# Una neurona decide si una incidencia de soporte es urgente.
# Entradas: ¿servicio caído? (1 o 0), ¿cliente de empresa? (1 o 0), horas esperando.
inputs = [1, 0, 3]
weights = [5, 2, 1]
bias = -6
total = bias
for i in range(len(inputs)):
total = total + inputs[i] * weights[i]
print("Suma con pesos:", total)
if total > 0:
print("Urgente")
else:
print("Puede esperar")
# Cambia las horas esperando de 3 a 0 y pulsa Ejecutar.
Las neuronas se ordenan en capas
Una sola neurona solo sabe decidir cosas sencillas. Por eso se juntan muchas en capas.
La primera capa recibe los datos, por ejemplo los puntos de la foto. Cada capa pasa sus salidas a la siguiente. La última da la respuesta.
Con muchas capas, la red encuentra patrones que nadie sabría escribir. A eso se le llama aprendizaje profundo.
Entrenar es ajustar los pesos
Al principio los pesos son números al azar, y la red acierta poco.
En el entrenamiento, la red da una respuesta y la compara con la etiqueta. Si falla, cambia un poco cada peso en la dirección que reduce el error.
Esto se repite millones de veces con miles de ejemplos. Así los pesos acaban guardando lo aprendido.
Un error frecuente
Advertencia
Mucha gente cree que una red neuronal piensa como un cerebro. No es así: solo multiplica, suma y compara números, muchísimas veces. Lo que sabe está en sus pesos, sacados de los ejemplos. Si los ejemplos tienen errores, la red los aprende también.