Redes neuronales artificiales: arquitectura y aplicaciones

Las redes neuronales artificiales son el motor de casi todo lo que hoy se llama inteligencia artificial. Conviene saber cómo están hechas, pero sobre todo conviene ver qué han conseguido con cifras, porque es la única forma de distinguir un logro comprobable de una promesa.

La arquitectura, en lo esencial

Una red se organiza en capas de unidades —las «neuronas»— conectadas por enlaces con un peso, un número que decide cuánto influye cada señal en la siguiente. Hay una capa de entrada, una o varias ocultas y una de salida. Entrenar la red consiste en ajustar esos pesos para que la salida se acerque a lo que se espera.

Ese ajuste se hace con descenso de gradiente, y los algoritmos que lo gobiernan han mejorado mucho: el descenso estocástico con inercia, o Adam, encuentran buenos valores antes y con menos ajuste manual.

Las funciones de activación, y por qué cambiaron

Cada unidad aplica una función de activación a lo que recibe. Durante años se usaron la sigmoide y la tangente hiperbólica, hasta que apareció un problema en las redes muy profundas: el gradiente desvanecido. Al propagar la corrección hacia atrás capa por capa, la señal se multiplica muchas veces por números pequeños y acaba siendo prácticamente cero, de modo que las primeras capas dejan de aprender.

La familia ReLU —y sus variantes Leaky ReLU, ReLU paramétrica o ELU— resolvió buena parte del problema con una idea sencilla: dejar pasar los valores positivos sin comprimirlos.

Las arquitecturas y para qué sirve cada una

• Convolucionales (CNN): destacan en tareas visuales porque preservan la jerarquía espacial de los datos — detectan primero bordes, después formas, después objetos.
• Recurrentes (RNN): pensadas para secuencias, mantienen un estado interno que funciona como memoria de lo ya visto.
• Atención y transformadores: sustituyeron a las recurrentes en lenguaje al permitir que el modelo pondere a la vez todas las partes de la entrada, sin recorrerla en orden.

La investigación sigue abriendo ramas: las redes cápsula, que buscan representar mejor las relaciones jerárquicas en imágenes, o las redes sobre grafos, que extienden todo esto a datos que no son ni tablas ni secuencias sino relaciones entre entidades.

Lo que han conseguido, con las cifras de sus autores

Juegos: AlphaGo

AlphaGo, de DeepMind, combinó redes convolucionales para interpretar el tablero con búsqueda en árbol. Su artículo declara un 99,8 % de victorias frente a otros programas de Go y una victoria por 5 a 0 sobre el campeón europeo — conviene la precisión: el Nature de 2016 documenta esa partida, y el enfrentamiento con Lee Sedol, de nivel mundial, vino después.

Lenguaje: BERT y GPT-3

BERT (Google, 2018) estableció el estado del arte en once tareas, elevando la puntuación GLUE al 80,5 %. GPT-3 (OpenAI, 2020) llegó a los 175.000 millones de parámetros, diez veces más que cualquier modelo no disperso anterior, y se aplicaba sin ajuste fino: la tarea se le daba en el propio texto de entrada.

Biología: AlphaFold

AlphaFold predice la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos, uno de los problemas abiertos clásicos de la biología. La base de datos que lo hizo útil para el mundo entero es una colaboración entre DeepMind y el EMBL-EBI, el Instituto Europeo de Bioinformática, anunciada el 22 de julio de 2021. Hoy contiene más de doscientos millones de estructuras predichas, de acceso abierto.

Conducción autónoma: el ejemplo que sí publica sus números

Aquí la diferencia entre las empresas del sector es instructiva. Waymo publica sus datos de seguridad con su denominador: hasta marzo de 2026 declara 220,6 millones de millas recorridas sin conductor humano, y compara sus incidentes con los de conductores humanos en las mismas zonas — un 94 % menos de choques con lesiones graves o peores, un 82 % menos de choques con lesiones y un 93 % menos de atropellos con lesiones a peatones. Y remite a tres trabajos publicados en la revista Traffic Injury Prevention que sustentan la metodología.

Se pueden discutir esas cifras — para eso están el denominador y la metodología publicados. Lo que no se puede discutir es una cifra que nadie publica. Cuando una empresa da el número, el periodo, la zona de comparación y el método revisado por pares, está haciendo una afirmación comprobable; cuando da solo el resultado, está haciendo publicidad.

Quién publica el denominador y quién no

El apartado anterior deja una prueba que sirve para todo el sector, y conviene formularla aparte porque es la más útil de este artículo.

Waymo publica las millas, el periodo, la zona de comparación y el método revisado por pares. Con eso, cualquiera puede discutir sus cifras: se puede objetar que las millas se acumulan en ciudades de clima benigno, que la comparación con conductores humanos incluye trayectos distintos, o que el periodo elegido favorece al sistema. Todas esas objeciones son posibles precisamente porque los datos están publicados.

Lo que no se puede discutir es una cifra que nadie publica. Y ésa es la asimetría que conviene tener presente: cuando una empresa da un porcentaje de mejora sin denominador, no está haciendo una afirmación débil — está haciendo una afirmación que no admite comprobación, que es una categoría distinta.

La consecuencia práctica es contraintuitiva: la empresa que publica datos criticables suele ser más fiable que la que solo publica conclusiones. Exponerse a la crítica cuesta, y quien lo hace normalmente es porque puede permitírselo.

Lo que una red neuronal no puede hacer por su cuenta

Queda un límite que ninguna de las cifras anteriores resuelve. Todos esos sistemas aprenden de lo que ya ocurrió: partidas jugadas, textos escritos, secuencias de proteínas medidas, kilómetros recorridos. Su competencia se apoya en que el futuro se parezca al pasado que vieron.

Cuando esa suposición falla —una situación de tráfico que no estaba en los datos, un tipo de documento que nadie anotó, una proteína sin parientes conocidos— el sistema no avisa de que está fuera de su terreno. Sigue respondiendo con la misma seguridad, porque nada en su diseño distingue «esto lo he visto mil veces» de «esto no lo he visto nunca».

Ésa es la razón de fondo por la que estos sistemas se despliegan con supervisión humana en los ámbitos donde un error cuesta caro. No es desconfianza hacia la tecnología: es que la propia arquitectura no incluye un mecanismo para decir «no sé».

Lo que sigue abierto

Dos frentes. El primero, la eficiencia: hacen falta redes que necesiten menos cómputo y menos datos etiquetados, y hacia ahí empujan el aprendizaje semisupervisado y el aprendizaje por refuerzo. El segundo, la interpretabilidad: seguimos sin poder explicar bien por qué una red profunda decide lo que decide, y eso condiciona su uso en cualquier ámbito donde haya que responder por una decisión.

La capacidad: cómo leer el logro de una red neuronal

1. Busque el denominador. «Un 94 % menos de choques» solo significa algo con las millas recorridas, el periodo y la población de comparación al lado. Waymo los da; conviene exigirlos siempre.

2. Compruebe contra quién se comparó. AlphaGo venció al campeón europeo en el artículo de 2016, no al campeón mundial. La diferencia no resta mérito: sitúa el resultado en su momento exacto.

3. Verifique quién firma qué. Los nombres propios se mezclan con facilidad — una institución que aparece citada en una nota de prensa no es necesariamente la que hizo el trabajo. Comprobarlo cuesta un minuto y evita repetir un error durante años.

El fondo

• AlphaGo (2016), en el PDF que aloja la propia DeepMind. La versión de Nature está tras muro de pago.
• BERT (2018) y GPT-3 (2020), ambos abiertos en arXiv.
• Anuncio de la base de datos de AlphaFold (EMBL-EBI, julio de 2021).
• Datos de seguridad de Waymo, con sus cifras acumuladas y los estudios en los que se apoyan.