El algoritmo de retropropagación (backpropagation) es el método que permite a una red neuronal aprender de sus errores: calcula cuánto contribuyó cada peso al error final y ajusta esos pesos en la dirección que reduce el error. Sin él, entrenar redes profundas sería inviable a mano, y gran parte del deep learning actual no existiría.
Idea en 30 segundos
- Forward pass: la entrada atraviesa capas y produce una predicción.
- Función de pérdida: mides el error (por ejemplo, diferencia vs etiqueta).
- Backward pass: el error se propaga de la salida a la entrada.
- Update: cada peso se mueve un poco (learning rate) para bajar el error.
Repite miles de veces con muchos ejemplos y la red converge hacia pesos que aciertan. Eso es entrenar, dicho sin misterio.
Analogía simple
Imagina una receta con 20 perillas. Pruebas el plato, ves qué falló (sal, fuego, tiempo) y ajustas cada perilla según su culpa. La retropropagación es la contabilidad de culpas de cada perilla (peso). La gracia matemática es que esa contabilidad se puede calcular de forma eficiente con la regla de la cadena, capa por capa, en vez de probar cada perilla por separado.
Un ejemplo mínimo con números
Una neurona con dos entradas: predice 0.8 y la respuesta correcta es 1.0. El error es 0.2. La pregunta es cuánto mover cada peso. Si un peso aportó mucho a la predicción, recibe gran parte del ajuste; si aportó poco, se mueve poco. El learning rate decide el tamaño del paso: con 0.01 el cambio es prudente, con 1.0 puedes pasarte de largo y empeorar. Multiplica este razonamiento por millones de pesos y capas, y tienes el entrenamiento de una red moderna.
Conceptos que debes dominar
| Concepto | Qué es | Error típico |
|---|---|---|
| Gradiente | Dirección de mayor subida del error | Pensar que gradiente alto siempre es malo |
| Learning rate | Tamaño del paso de actualización | Demasiado alto diverge; bajo no aprende |
| Función de pérdida | Cómo mides el error | Usar una métrica que no coincide con el objetivo |
| Overfitting | Memorizar train, fallar en real | No validar con datos nuevos |
El error más común de principiantes es obsesionarse con la arquitectura y descuidar los datos. Una red simple con datos limpios y tasa razonable supera a una red sofisticada con datos sucios y learning rate al azar.
Entrenamiento vs inferencia
Cuando chateas con un modelo ocurre solo el forward pass: la entrada atraviesa la red y sale una predicción. Eso es inferencia. La retropropagación ocurre en el entrenamiento, cuando hay etiquetas o señales de error para ajustar pesos. Por eso "el modelo aprende de tu conversación" es en general falso: sin ciclo de pérdida y actualización, no hay aprendizaje, solo contexto temporal.
Mini checklist para practicar
- Entrena un clasificador simple (MNIST o CSV tabular).
- Dibuja la curva de loss en train vs validación.
- Cambia learning rate ×10 y observa.
- Explica en voz alta: "el error de la capa N depende de…".
Si la curva de validación empeora mientras la de train mejora, estás viendo overfitting en vivo. Si el loss oscila sin bajar, tu learning rate probablemente es alto. Estos dos diagnósticos cubren la mitad de los entrenamientos que fallan.