¿Qué es una red neuronal?

El glosario de machine learning de Google define una red neuronal como un modelo con al menos una capa oculta (hidden layer). Si tiene más de una capa oculta, se llama red neuronal profunda. En esas redes profundas se basa el deep learning, que se explica en la entrada machine learning.

El nombre viene de la biología. David Rumelhart, Geoffrey Hinton y Ronald Williams describieron en 1986, en Nature, su procedimiento de aprendizaje para «redes de unidades parecidas a neuronas». Google escribe que a las redes implementadas en ordenadores a veces se las llama redes neuronales artificiales, para distinguirlas de las que hay en el cerebro y en el sistema nervioso. El modelo de cálculo toma del cerebro la imagen de unidades que se transmiten señales. No es una copia del cerebro.

Las redes neuronales son un tipo de modelo dentro del machine learning, no todo el campo. Un modelo lineal sin capa oculta no es una red neuronal según la definición de Google, y también aprende de los datos.

Una red tiene tres tipos de capas. La capa de entrada recibe las características de un ejemplo, como valores numéricos que representan palabras o píxeles. Después vienen una o varias capas ocultas. La capa de salida da la predicción. Los nodos de las capas ocultas se llaman neuronas.

Cada neurona calcula primero como un modelo lineal: multiplica cada valor de entrada por un peso propio, suma los resultados y añade un sesgo (bias). Después aplica una función de activación. Un ejemplo con cifras inventadas: con entradas 2 y 3, pesos 0,5 y −1 y sesgo 1, el resultado es 2 × 0,5 + 3 × (−1) + 1 = −1. La función de activación ReLU convierte cualquier valor negativo en 0, así que la neurona transmite un 0.

La función de activación no es un detalle. Google explica en su Machine Learning Crash Course que los cálculos lineales aplicados sobre cálculos lineales siguen siendo lineales. Sin una función no lineal, la red no podría aprender relaciones no lineales por muchas capas que tuviera.

El aprendizaje se hace con retropropagación (backpropagation). Rumelhart, Hinton y Williams describieron en 1986 un procedimiento que ajusta una y otra vez los pesos de las conexiones para reducir la diferencia entre la salida real y la deseada. Para ello, el algoritmo calcula para cada parámetro cuánto depende de él el error. Google llama a la retropropagación el algoritmo de entrenamiento más habitual para redes neuronales. Es lo que hace viable el descenso de gradiente en redes de varias capas.

Tras el entrenamiento, los pesos quedan fijos. La red los aplica entonces a entradas nuevas.

Los modelos de lenguaje que hay detrás de las respuestas de IA son redes neuronales. Google describe en su glosario un modelo de lenguaje grande, de manera informal, como cualquier modelo de lenguaje basado en Transformer, por ejemplo Gemini o GPT, y define el Transformer como una arquitectura de red neuronal. Los fabricantes dicen lo mismo de sus propios modelos. OpenAI llama a GPT-4, en su informe técnico de 2023, un modelo basado en Transformer. Google escribe en el informe de Gemini (versión de mayo de 2025) que los modelos Gemini se construyen sobre decodificadores Transformer. Cómo están hechos los modelos posteriores, esos informes no lo dicen.

De ahí se sigue algo para cualquier marca que aparezca en esas respuestas. Una red guarda lo que sabe en sus pesos, no como registros de una base de datos. Rumelhart y sus colegas ya describieron en 1986 que las unidades ocultas pasan a representar durante el entrenamiento rasgos importantes de la tarea y que las regularidades quedan en la interacción entre esas unidades. No existe, por tanto, un lugar concreto donde esté escrita una frase falsa sobre una empresa y donde se pueda corregir. Por qué una respuesta sale de una forma determinada tampoco se puede consultar. Más sobre esto en las entradas LLM y alucinación de IA.

En el propio marketing también hay redes neuronales, a menudo sin que la herramienta lo diga: en los generadores de texto e imagen de la IA generativa y en los sistemas que representan textos como vectores numéricos, los embeddings.

• Separar los términos: IA es el término general, el machine learning una parte de ella, una red neuronal un tipo de modelo dentro de él y un LLM una red neuronal concreta.
• Preguntar qué modelo usa una herramienta y con qué fecha de datos, en vez de conformarse con la etiqueta «IA».
• Tratar la salida de una red como una probabilidad calculada, no como un dato consultado, y comprobar los hechos en la fuente.
• No dar por hecho que una relación sencilla con pocas variables necesita una red neuronal. Google las presenta como arquitectura para patrones no lineales; un modelo lineal puede bastar.
• Leer lo que dice un fabricante sobre la arquitectura como dato de ese modelo y de la versión que cita el informe.

• Tomar una red neuronal por una copia del cerebro.
• Creer que todo modelo de machine learning es una red neuronal.
• Leer «profunda» como un juicio de calidad. Solo significa más de una capa oculta.
• Esperar que un dato falso se pueda localizar y cambiar dentro del modelo como un registro.
• Deducir del número de parámetros lo útil que será el modelo en una tarea concreta.