Si quieres comprender genuinamente el aprendizaje profundo en lugar de solo llamar APIs, implementar un perceptrón desde cero es el punto de partida correcto. Es una neurona artificial individual: toma entradas numéricas, multiplica cada una por un peso aprendido, suma los resultados, añade un término de sesgo y lo pasa a través de una función de activación para producir una salida. Ese es todo el paso hacia adelante —y cada transformador o red convolucional que uses alguna vez es solo millones de estos apilados y encadenados juntos.
El mecanismo de aprendizaje es igualmente simple. Durante el entrenamiento, el perceptrón compara su salida con la etiqueta correcta, calcula el error y ajusta cada peso en la dirección que reduce ese error. Este es el núcleo del descenso de gradiente —sin necesidad de librerías de retropropagación, porque con una sola neurona no hay nada que propagar. Implementar este ciclo tú mismo, en Python puro con NumPy, hace que las matemáticas sean tangibles de una manera que leer ecuaciones nunca logra.
Un perceptrón clásico con una función de activación escalonada solo puede resolver problemas linealmente separables —es decir, puede aprender compuertas lógicas AND u OR pero fallará en XOR. Esa limitación no es un defecto que ocultar; es exactamente la razón por la que se inventaron las redes multicapa. Entender dónde una sola neurona se quiebra te dice precisamente por qué la profundidad importa en las arquitecturas modernas.
El valor práctico aquí es diagnóstico. Cuando una red neuronal se comporta mal —gradientes que desaparecen, pérdida descontrolada, neuronas muertas— los ingenieros que han construido la versión atómica manualmente saben qué buscar. No están adivinando el comportamiento de una caja negra; tienen un modelo mental fundamentado en la aritmética. Pasar una tarde en un perceptrón desde cero genera interés compuesto cada vez que depuras algo más complejo.
Para empezar: implementa el paso hacia adelante (suma ponderada + sesgo + activación), luego la regla de actualización de pesos (peso += tasa_aprendizaje error entrada) y ejecútalo en un conjunto de datos simple de clasificación binaria. Reemplaza la función escalonada por una sigmoide y ya habrás entrado en territorio de regresión logística. Desde ahí, añadir una capa oculta es el siguiente paso natural —y de repente la retropropagación ya no es misteriosa.