El perceptrón es la neurona artificial más simple y el punto de partida de todas las redes neuronales. Recibe unas entradas, las pondera, suma un sesgo y decide una salida con una función de activación. Entender esa mecánica es entender, en pequeño, lo que hace una red entera. En esta guía abrimos el perceptrón pieza a pieza: qué calcula, qué puede aprender y dónde está su límite. La misma explicación está disponible en inglés.

Fórmula clave $\hat{y} = \operatorname{step}(\mathbf{w}\cdot\mathbf{x} + b)$

Puntos clave

  • El perceptrón es una neurona artificial que combina varias entradas en una única decisión binaria.
  • Su cálculo se resume en ŷ = step(w · x + b): pondera las entradas con los pesos, añade el sesgo y aplica una función de activación.
  • Frank Rosenblatt lo presentó en 1958; su máquina Mark I usaba 400 fotocélulas en una rejilla de 20 por 20 para «ver» patrones.
  • Un solo perceptrón solo separa datos linealmente, por lo que no puede aprender la función XOR, como demostraron Minsky y Papert en 1969.
  • Apilando perceptrones en capas se supera ese límite: esa es la idea que da lugar al mapa de las matemáticas de las redes neuronales.

¿Qué es un perceptrón?

Un perceptrón es un modelo matemático de una neurona: toma varios números de entrada y produce un único número de salida, casi siempre un 0 o un 1. Es la unidad de decisión más básica del aprendizaje automático, y sobre ella se construye todo lo demás.

Frank Rosenblatt, psicólogo del laboratorio aeronáutico de Cornell, lo presentó en 1958 en la revista Psychological Review. No era solo teoría: construyó una máquina física, el Mark I Perceptron, con 400 fotocélulas dispuestas en una rejilla de 20 por 20 y potenciómetros que ajustaban los pesos de forma automática. La prensa de la época lo recibió con entusiasmo desmedido; The New York Times, en 1958, lo describió como «el embrión de un ordenador electrónico que la Marina espera que pueda caminar, hablar, ver y ser consciente de su existencia». La realidad fue más modesta, pero la idea era revolucionaria: una máquina que aprende de los ejemplos.

Entradas, pesos y sesgo

El perceptrón trabaja con tres ingredientes. Las entradas son los datos, que escribimos como un vector x = (x₁, x₂, …, xₙ). Los pesos w = (w₁, w₂, …, wₙ) miden la importancia de cada entrada. El sesgo b es un número que desplaza la decisión, como el término independiente de una recta.

El corazón del cálculo es el producto escalar entre pesos y entradas, la misma operación que estudiamos en el producto escalar y la neurona:

$$z = \mathbf{w}\cdot\mathbf{x} + b = \sum_{i} w_i x_i + b = w_1 x_1 + w_2 x_2 + \dots + w_n x_n + b$$

Ese valor z (a veces llamado preactivación) resume toda la evidencia a favor o en contra de activar la neurona. Si el peso w₂ es grande y positivo, la entrada x₂ empuja con fuerza hacia el «sí»; si es negativo, empuja hacia el «no». El sesgo fija cuánto de exigente es la neurona antes de decidir.

La función de activación

El número z todavía no es una decisión, sino una puntuación. La función de activación la convierte en salida. En el perceptrón clásico esa función es el escalón (step function): devuelve 1 si z ≥ 0 y 0 en caso contrario. Así, la fórmula completa de la neurona es:

$$\hat{y} = \operatorname{step}(\mathbf{w}\cdot\mathbf{x} + b)$$

Puedes verla en detalle en la función escalón. El escalón tiene un problema: su derivada es cero casi en todas partes, lo que impide entrenar redes profundas con descenso de gradiente. Por eso las redes modernas sustituyen el escalón por funciones suaves como la sigmoide o la ReLU, pero la estructura activación(pesos · entradas + sesgo) es exactamente la misma que en 1958.

Qué puede y qué no puede aprender

Un perceptrón traza una frontera de decisión que es una recta (o un plano, en más dimensiones). Todo lo que caiga a un lado se clasifica como 1 y lo del otro como 0. Esto funciona perfectamente cuando las dos clases son linealmente separables, es decir, cuando existe una línea recta que las divide sin errores.

La frontera de decisión es exactamente el conjunto de puntos donde $\mathbf{w}\cdot\mathbf{x} + b = 0$: una recta en dos dimensiones y un hiperplano en más. Cambiar el sesgo $b$ desplaza esa frontera sin girarla.

El límite llegó en 1969, cuando Marvin Minsky y Seymour Papert publicaron Perceptrons y demostraron que un único perceptrón no puede resolver la función XOR, porque sus casos no son separables por una sola recta. Aquella crítica enfrió la financiación y abrió el primer «invierno de la IA». La solución, que tardó años en imponerse, es apilar neuronas en varias capas: una red multicapa sí resuelve la XOR, y con la retropropagación se puede entrenar de forma eficiente.

Ver por qué la XOR no es separable

La XOR vale 1 en $(0,1)$ y $(1,0)$, y 0 en $(0,0)$ y $(1,1)$. Una recta separadora $\mathbf{w}\cdot\mathbf{x} + b = 0$ necesitaría $b<0$ (para que $(0,0)$ dé 0), $w_1 + b \geq 0$ y $w_2 + b \geq 0$ (para que $(1,0)$ y $(0,1)$ den 1) y $w_1 + w_2 + b < 0$ (para que $(1,1)$ dé 0). Sumando las dos desigualdades del medio: $w_1 + w_2 \geq -2b$; la última exige $w_1 + w_2 < -b$. Como $b<0$, se cumple $-2b > -b$, así que ningún valor satisface las dos a la vez. No existe tal recta.

Ejemplo: una compuerta lógica

Veamos un perceptrón que calcula la compuerta AND, que devuelve 1 solo cuando sus dos entradas valen 1. Elegimos los pesos $w_1 = 1$, $w_2 = 1$ y el sesgo $b = -1{,}5$, y aplicamos el escalón sobre $z = x_1 + x_2 – 1{,}5$:

  • Entradas $(0, 0)$: $z = -1{,}5$, salida $\operatorname{step}(-1{,}5) = 0$.
  • Entradas $(1, 0)$: $z = -0{,}5$, salida $0$.
  • Entradas $(0, 1)$: $z = -0{,}5$, salida $0$.
  • Entradas $(1, 1)$: $z = 0{,}5$, salida $\operatorname{step}(0{,}5) = 1$.

La neurona reproduce la tabla de verdad del AND con solo tres números ajustables. Si intentaras hacer lo mismo con la XOR, no encontrarías ningún trío de pesos y sesgo que funcione: ahí es donde un solo perceptrón se queda corto y hace falta una segunda capa.

Preguntas frecuentes

¿En qué se diferencia un perceptrón de una neurona real?

Un perceptrón es una simplificación matemática. Toma la idea de que una neurona suma señales de entrada y «se dispara» al superar un umbral, pero prescinde de la química, el tiempo y la biología. Es un modelo útil, no una copia del cerebro.

¿Por qué no puede un perceptrón aprender la XOR?

Porque la XOR no es linealmente separable: no existe una recta que deje los casos que dan 1 a un lado y los que dan 0 al otro. Un perceptrón solo dibuja fronteras rectas, así que necesita al menos una capa oculta para resolverla.

¿Sigue siendo útil el perceptrón hoy?

Sí, como concepto. Cada neurona de una red profunda es un perceptrón con una función de activación suave. Entender el original hace mucho más fácil comprender modelos con miles de millones de parámetros.

Conclusión

El perceptrón condensa en una fórmula, $\hat{y} = \operatorname{step}(\mathbf{w}\cdot\mathbf{x} + b)$, la idea central del aprendizaje profundo: ponderar entradas, sumar un sesgo y decidir con una activación. Conocer su anatomía y su límite (la separabilidad lineal) es el mejor punto de partida antes de estudiar redes de varias capas. El siguiente paso natural es repasar el mapa completo de las matemáticas de las redes neuronales.

Fuentes: [1] Perceptron (Wikipedia)[1], [2] Deep Learning (Goodfellow, Bengio y Courville)[2], [3] Neural Networks and Deep Learning (Michael Nielsen)[3].

Visitas: 0

Fuentes

  1. Perceptron (Wikipedia)
  2. Deep Learning (Goodfellow, Bengio y Courville)
  3. Neural Networks and Deep Learning (Michael Nielsen)

Ruta: La neurona y las funciones de activación