Qué es
Una red neuronal es un modelo compuesto por capas de unidades simples (neuronas artificiales) conectadas entre sí. Cada conexión tiene un peso que se ajusta durante el entrenamiento, y cada neurona aplica una función de activación para decidir qué información pasa a la siguiente capa.
Cómo aprende
El proceso de entrenamiento ajusta los pesos de la red comparando la predicción con el resultado esperado y propagando el error hacia atrás (backpropagation) para corregir cada conexión. Repetido miles de veces sobre muchos ejemplos, la red va encontrando los patrones que minimizan el error.
Por qué es relevante
Las redes neuronales son la base de casi todo el auge reciente de la inteligencia artificial: desde el reconocimiento de imágenes hasta los modelos de lenguaje. Su capacidad para aprender representaciones complejas directamente de los datos, sin reglas escritas a mano, las volvió la herramienta central del deep learning.