{"id":33499,"date":"2025-07-03T11:18:37","date_gmt":"2025-07-03T09:18:37","guid":{"rendered":"https:\/\/www.codemotion.com\/magazine\/?p=33499"},"modified":"2025-07-03T11:24:44","modified_gmt":"2025-07-03T09:24:44","slug":"el-perceptron-redes-neuronales-la-primera-piedra","status":"publish","type":"post","link":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/","title":{"rendered":"El Perceptr\u00f3n &#8211; Redes Neuronales: La Primera Piedra"},"content":{"rendered":"\n<p>Imagina un cerebro diminuto, una c\u00e9lula digital que puede aprender a tomar decisiones simples. Eso, en esencia, es un <strong>perceptr\u00f3n<\/strong>, el h\u00e9roe olvidado que sent\u00f3 las bases de las potentes redes neuronales que hoy impulsan la inteligencia artificial. No te asustes con los t\u00e9rminos t\u00e9cnicos; vamos a desglosarlos pieza por pieza hasta que todo encaje.<\/p>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-perceptron-y-redes-neuronales\"><strong>Perceptr\u00f3n y Redes Neuronales<\/strong><\/h2>\n\n\n\n<p>Piensa en tu propio cerebro. Est\u00e1 compuesto por miles de millones de neuronas interconectadas que se comunican entre s\u00ed. Cuando ves un perro, ciertas neuronas se \u201cactivan\u201d de una manera espec\u00edfica, permiti\u00e9ndote reconocerlo. Las redes neuronales artificiales son una simplificaci\u00f3n de este proceso biol\u00f3gico. Son sistemas computacionales inspirados en el cerebro que pueden aprender de los datos, identificar patrones y tomar decisiones.<\/p>\n\n\n\n<p>El <strong>perceptr\u00f3n<\/strong> es la neurona m\u00e1s b\u00e1sica de estas redes. Es la unidad fundamental que recibe informaci\u00f3n, la procesa y emite una se\u00f1al de salida. Una neurona artificial que toma varias entradas, las pondera y produce una salida binaria (0 o 1). Antes de ver el perceptr\u00f3n, asom\u00e9monos a las herramientas <a href=\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/las-matematicas-el-lenguaje-del-machine-learning\/\">matem\u00e1ticas<\/a> que lo hacen posible: <strong>vectores<\/strong>, <strong>matrices<\/strong> y el <strong>producto escalar<\/strong>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading has-text-align-left\" id=\"h-entendiendo-los-nbsp-vectores\"><strong>Entendiendo los&nbsp;Vectores<\/strong><\/h3>\n\n\n\n<p>Un <strong>vector<\/strong> es simplemente una lista ordenada de n\u00fameros. Puedes pensar en \u00e9l como una flecha en el espacio que apunta a una ubicaci\u00f3n espec\u00edfica. <strong>Vector<\/strong>: una lista ordenada de n\u00fameros. Ejemplo: <em>v = [2, \u20131, 4].<\/em><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Nuestras entradas forman un vector: <em>X=[x1\u200b,x2\u200b,x3\u200b]<\/em><\/li>\n\n\n\n<li>Nuestros pesos forman otro vector: <em>W=[w1\u200b,w2\u200b,w3\u200b]<\/em><\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-perceptron-entradas-pesos-y-nbsp-salida\"><strong>Perceptr\u00f3n: Entradas, Pesos y&nbsp;Salida<\/strong><\/h2>\n\n\n\n<p>Imagina nuestro perceptr\u00f3n como una balanza inteligente.<\/p>\n\n\n\n<p><strong><em>Entradas (Inputs):<\/em><\/strong> Son los datos que le damos al perceptr\u00f3n. Piensa en ellas como diferentes caracter\u00edsticas o \u201cpistas\u201d sobre algo. Por ejemplo, si queremos que nuestro perceptr\u00f3n decida si una fruta es una manzana, las entradas podr\u00edan ser:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Forma (\u00bfredonda?)<\/li>\n\n\n\n<li>Color (\u00bfrojo o verde?)<\/li>\n\n\n\n<li>Tama\u00f1o (\u00bfpeque\u00f1o\/mediano?)<\/li>\n<\/ul>\n\n\n\n<p>Cada entrada es un n\u00famero. Podemos representarlas como un conjunto de n\u00fameros: <em>[x1\u200b,x2\u200b,x3\u200b,\u2026,xn\u200b].<\/em><\/p>\n\n\n\n<h3 class=\"wp-block-heading has-text-align-left\" id=\"h-entendiendo-las-nbsp-matrices\"><strong>Entendiendo las&nbsp;Matrices<\/strong><\/h3>\n\n\n\n<p>Una <strong>matriz<\/strong> es una colecci\u00f3n rectangular de n\u00fameros, organizada en filas y columnas. Piensa en una tabla de datos. Un arreglo bidimensional de n\u00fameros (varios vectores apilados)<\/p>\n\n\n\n<p>En una red neuronal multicapa, podemos representar todos los pesos entre una capa y la siguiente como una matriz. Esto permite realizar c\u00e1lculos muy eficientes utilizando <strong>multiplicaci\u00f3n de matrices<\/strong>, que es una generalizaci\u00f3n del producto escalar. Cada columna de la matriz de pesos podr\u00eda representar los pesos para un perceptr\u00f3n espec\u00edfico en la siguiente capa. Ejemplo:<\/p>\n\n\n<pre class=\"wp-block-code\"><span><code class=\"hljs\">M = &#91;&#91;2, -1, 4],\n     &#91;1,  0, 3],\n     &#91;5,  2, 1]]<\/code><\/span><\/pre>\n\n\n<p><strong><em>\u00bfPara qu\u00e9 sirven?<\/em><\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Representar datos de entrada (vectores)<\/li>\n\n\n\n<li>Pesar esas entradas (vector de pesos)<\/li>\n\n\n\n<li>Hacer operaciones con muchas neuronas a la vez (matrices de pesos)<\/li>\n<\/ul>\n\n\n\n<p><strong><em>Pesos (Weights):<\/em><\/strong> Aqu\u00ed es donde la \u201cinteligencia\u201d del perceptr\u00f3n comienza a manifestarse. Cada entrada tiene un <strong>peso<\/strong> asociado. Piensa en los pesos como la \u201cimportancia\u201d que el perceptr\u00f3n le da a cada pista.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Si el color rojo es muy importante para identificar una manzana, el peso asociado al \u201ccolor rojo\u201d ser\u00e1 alto.<\/li>\n\n\n\n<li>Si el tama\u00f1o no es tan importante, su peso ser\u00e1 m\u00e1s bajo.<\/li>\n<\/ul>\n\n\n\n<p>Estos pesos son n\u00fameros que el perceptr\u00f3n <strong>aprende<\/strong> y ajusta con el tiempo. Los representamos como otro conjunto de n\u00fameros: <em>[w1\u200b,w2\u200b,w3\u200b,\u2026,wn\u200b].<\/em><\/p>\n\n\n\n<p><strong><em>Sesgo (Bias): <\/em><\/strong>Es como un \u201cumbral\u201d adicional o un \u201cempuj\u00f3n\u201d que el perceptr\u00f3n puede tener. Nos ayuda a ajustar la salida incluso cuando todas las entradas son cero. Piensa en ello como un valor predeterminado que siempre est\u00e1 ah\u00ed, independientemente de las entradas.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter\"><a class=\"alt=&quot;Producto escalar en perceptr\u00f3n redes neuronales&quot;\" href=\"https:\/\/cdn.you.com\/youagent-images\/gpt-image-1\/c3313dae-ebc0-4879-8fac-3164e33035da.png\" target=\"_blank\" rel=\" noreferrer noopener\"><img decoding=\"async\" src=\"https:\/\/cdn-images-1.medium.com\/max\/800\/1*_PxchsFHC4ImMtoZUjSN2Q.png\" alt=\"\"\/><\/a><\/figure><\/div>\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-el-proceso-interno-del-perceptron\"><strong>El Proceso Interno del Perceptr\u00f3n<\/strong><\/h2>\n\n\n\n<p>Ahora, veamos c\u00f3mo el perceptr\u00f3n redes neurales que toman una decisi\u00f3n. El coraz\u00f3n del perceptr\u00f3n es una operaci\u00f3n simple pero poderosa:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong><em>Paso 1: Multiplicar y Sumar (El \u201cProducto Escalar\u201d)<\/em><\/strong><\/li>\n<\/ul>\n\n\n\n<p>El perceptr\u00f3n toma cada entrada <em>(xi\u200b)<\/em> y la multiplica por su peso correspondiente <em>(wi\u200b)<\/em>. Luego, suma todos estos productos y le a\u00f1ade el sesgo <em>(b)<\/em>. Imagina que tenemos dos entradas <em>(x1\u200b,x2\u200b)<\/em> y sus pesos correspondientes <em>(w1\u200b,w2\u200b)<\/em> y un sesgo <em>(b)<\/em>. El c\u00e1lculo ser\u00eda:<\/p>\n\n\n\n<p><strong>Resultado<\/strong>=<strong><em>(x1\u200b\u2217w1\u200b)+(x2\u200b\u2217w2\u200b)+b<\/em><\/strong><\/p>\n\n\n\n<p>Este paso es crucial y aqu\u00ed es donde entran en juego los <strong>vectores<\/strong> y el <strong>producto escalar<\/strong>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-producto-escalar\"><strong>Producto escalar<\/strong><\/h3>\n\n\n\n<p>El producto escalar (o <strong><em>dot product<\/em><\/strong>) entre dos vectores v y w de la misma longitud es la suma de multiplicar componente a componente:<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"293\" height=\"33\" src=\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/06\/10iC4cJ5GLPBhzBpNztrpDw.jpg\" alt=\"\" class=\"wp-image-33590\"\/><\/figure>\n\n\n\n<p>Ejemplo:<\/p>\n\n\n<pre class=\"wp-block-code\"><span><code class=\"hljs\">v = &#91;2, -1, 4]\nw = &#91;1,  3, 0]<\/code><\/span><\/pre>\n\n\n<p>En el perceptr\u00f3n, este valor decide si la neurona \u201cdispara\u201d <em>(1)<\/em> o no <em>(0)<\/em>.<\/p>\n\n\n\n<p>En otras palabras, nuestro producto punto es una operaci\u00f3n matem\u00e1tica entre dos vectores que produce un \u00fanico n\u00famero. Es exactamente lo que hicimos en el Paso 1:<\/p>\n\n\n\n<p>Para dos vectores <strong><em>A=[a1\u200b,a2\u200b,\u2026,an\u200b]<\/em><\/strong> y <strong><em>B=[b1\u200b,b2\u200b,\u2026,bn\u200b]<\/em><\/strong>, el producto escalar es:<\/p>\n\n\n\n<p><strong><em>A\u22c5B=(a1\u200b\u2217b1\u200b)+(a2\u200b\u2217b2\u200b)+\u2026+(an\u200b\u2217bn\u200b)<\/em><\/strong><\/p>\n\n\n\n<p>Entonces, el \u201cmultiplicar y sumar\u201d dentro del perceptr\u00f3n es en realidad el <strong>producto escalar<\/strong> entre el vector de entradas y el vector de pesos. Esto es incre\u00edblemente eficiente para procesar datos.<\/p>\n\n\n\n<p>Por lo tanto, el c\u00e1lculo del perceptr\u00f3n se puede expresar de forma compacta como:<\/p>\n\n\n\n<p><strong>Resultado<\/strong>=<strong><em>(X\u22c5W)+b<\/em><\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong><em>Paso 2: La Decisi\u00f3n (Funci\u00f3n de Activaci\u00f3n)<\/em><\/strong><\/li>\n<\/ul>\n\n\n\n<p>Una vez que el perceptr\u00f3n ha combinado sus entradas con sus pesos y el sesgo, el resultado pasa por una \u201cfunci\u00f3n de activaci\u00f3n\u201d. Esta funci\u00f3n es como un interruptor. Para el perceptr\u00f3n original, esta funci\u00f3n era muy simple:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Si el resultado supera un cierto umbral (por ejemplo, cero), el perceptr\u00f3n se \u201cactiva\u201d y emite un 1.<\/li>\n\n\n\n<li>Si no lo supera, emite un 0.<\/li>\n<\/ul>\n\n\n\n<p>Es decir, una vez que tenemos el <code>Resultado<\/code>, el perceptr\u00f3n lo pasa por su funci\u00f3n de activaci\u00f3n. Para el perceptr\u00f3n original, esto es una funci\u00f3n escal\u00f3n o de umbral:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Si <strong><em>Resultado\u2265Umbral<\/em><\/strong> (o <strong><em>Resultado\u22650 <\/em><\/strong>si el umbral est\u00e1 incorporado en el sesgo), la salida es <strong><em>1<\/em><\/strong>.<\/li>\n\n\n\n<li>Si <strong><em>Resultado&lt;Umbral<\/em><\/strong>, la salida es <strong><em>0<\/em><\/strong>.<\/li>\n<\/ul>\n\n\n\n<p>\u00a1Y eso es todo! El perceptr\u00f3n ha tomado una decisi\u00f3n. Es una decisi\u00f3n binaria: s\u00ed o no, 1 o 0.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter\"><a class=\"alt=&quot;Entrenamiento de perceptr\u00f3n redes neuronales&quot;\" href=\"https:\/\/cdn.you.com\/youagent-images\/gpt-image-1\/03dc3556-8ac7-47b9-8f86-cc1d61d8a8db.png\" target=\"_blank\" rel=\" noreferrer noopener\"><img decoding=\"async\" src=\"https:\/\/cdn-images-1.medium.com\/max\/800\/1*aqb8iqLuojApTEXIAtnslw.png\" alt=\"\"\/><\/a><\/figure><\/div>\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-el-perceptron-paso-a-nbsp-paso\"><strong>El perceptr\u00f3n paso a&nbsp;paso<\/strong><\/h2>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Entradas<\/strong>: <strong><em>x = [x\u2081, x\u2082,&nbsp;\u2026, x\u2099]<\/em><\/strong><\/li>\n\n\n\n<li><strong>Pesos<\/strong>: <strong><em>w = [w\u2081, w\u2082,&nbsp;\u2026, w\u2099]<\/em><\/strong><\/li>\n\n\n\n<li><strong>Sesgo<\/strong> (bias): un n\u00famero <strong><em>b<\/em><\/strong> que desplaza la frontera de decisi\u00f3n<\/li>\n\n\n\n<li><strong>C\u00e1lculo interno<\/strong>: <strong><em>z = dot(w, x) + b<\/em><\/strong><\/li>\n\n\n\n<li><strong>Funci\u00f3n de activaci\u00f3n<\/strong> (step): <strong><em>y = 1 si z \u2265 0, y = 0 si z &lt; 0<\/em><\/strong><\/li>\n<\/ol>\n\n\n\n<p>Este simple esquema aprende a clasificar datos linealmente separables.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-ejemplo-de-implementacion-basica-en-python-sin-librerias\"><strong>Ejemplo de Implementaci\u00f3n b\u00e1sica en Python (sin librer\u00edas)<\/strong><\/h3>\n\n\n<pre class=\"wp-block-code\"><span><code class=\"hljs\"># perceptron_simple.py\nimport random\n\nclass Perceptron:\n    def __init__(self, n_inputs, lr=0.1):\n        # Inicializamos pesos al azar y sesgo en 0\n        self.weights = &#91;random.uniform(-1, 1) for _ in range(n_inputs)]\n        self.bias = 0.0\n        self.lr = lr  # tasa de aprendizaje\n\n    def activation(self, z):\n        # Funci\u00f3n escal\u00f3n\n        return 1 if z &gt;= 0 else 0\n\n    def predict(self, x):\n        # Producto escalar + bias\n        z = sum(w * xi for w, xi in zip(self.weights, x)) + self.bias\n        return self.activation(z)\n\n    def train(self, training_data, epochs=10):\n        # training_data: lista de (entrada, etiqueta)\n        for epoch in range(epochs):\n            for x, target in training_data:\n                y = self.predict(x)\n                error = target - y\n                # Ajuste de pesos y bias\n                for i in range(len(self.weights)):\n                    self.weights&#91;i] += self.lr * error * x&#91;i]\n                self.bias += self.lr * error\n\n# Ejemplo de uso: puerta l\u00f3gica AND\nif __name__ == \"__main__\":\n    # Datos AND: entradas y salidas esperadas\n    data = &#91;\n        (&#91;0, 0], 0),\n        (&#91;0, 1], 0),\n        (&#91;1, 0], 0),\n        (&#91;1, 1], 1),\n    ]\n    p = Perceptron(n_inputs=2, lr=0.2)\n    p.train(data, epochs=20)\n\n    # Probamos\n    for x, _ in data:\n        print(f\"{x} -&gt; {p.predict(x)}\")<\/code><\/span><\/pre>\n\n\n<p><strong><em>Explicaci\u00f3n:<\/em><\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><code>self.weights<\/code>: lista de pesos <em>w\u2081\u2026w\u2099<\/em><\/li>\n\n\n\n<li><code>self.bias<\/code>: sesgo <em>b<\/em><\/li>\n\n\n\n<li>En cada muestra calculamos <code>y<\/code>, comparamos con la etiqueta <code>target<\/code> y actualizamos:<\/li>\n\n\n\n<li><em>w\u1d62 \u2190 w\u1d62 + \u03b1\u00b7(target\u2013y)\u00b7x\u1d62<\/em><\/li>\n\n\n\n<li><em>b \u2190 b + \u03b1\u00b7(target\u2013y)<\/em><\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"h-ejemplo-usando-numpy-para-vectores-y-nbsp-matrices\"><strong>Ejemplo Usando NumPy para vectores y&nbsp;matrices<\/strong><\/h3>\n\n\n<pre class=\"wp-block-code\"><span><code class=\"hljs\">import numpy as np\n\nclass PerceptronNumpy:\n    def __init__(self, n_inputs, lr=0.1):\n        self.weights = np.random.uniform(-1, 1, size=n_inputs)\n        self.bias = 0.0\n        self.lr = lr\n\n    def activation(self, z):\n        return np.where(z &gt;= 0, 1, 0)\n\n    def predict(self, X):\n        # X puede ser matriz: cada fila es un ejemplo\n        z = X.dot(self.weights) + self.bias\n        return self.activation(z)\n\n    def train(self, X, y, epochs=10):\n        for _ in range(epochs):\n            y_pred = self.predict(X)\n            error = y - y_pred\n            # Vectorizado:\n            self.weights += self.lr * X.T.dot(error)\n            self.bias += self.lr * error.sum()\n\n# Ejemplo AND\nX = np.array(&#91;&#91;0,0],&#91;0,1],&#91;1,0],&#91;1,1]])\ny = np.array(&#91;0,0,0,1])\n\np = PerceptronNumpy(n_inputs=2, lr=0.2)\np.train(X, y, epochs=20)\nprint(p.predict(X))  # &#91;0 0 0 1]<\/code><\/span><\/pre>\n\n\n<p><strong><em>Ventajas de NumPy:<\/em><\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><code>X.dot(self.weights)<\/code> calcula todos los productos escalares de golpe.<\/li>\n\n\n\n<li>Operaciones enteramente vectorizadas, mucho m\u00e1s r\u00e1pidas.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-como-aprende-el-perceptron\"><strong>\u00bfC\u00f3mo Aprende el Perceptr\u00f3n?<\/strong><\/h2>\n\n\n\n<p>Al principio, los pesos y el sesgo del perceptr\u00f3n son aleatorios. Por lo tanto, sus decisiones ser\u00e1n probablemente incorrectas. Aqu\u00ed es donde entra el aprendizaje. El perceptr\u00f3n aprende a trav\u00e9s de un proceso de prueba y error, ajustando sus pesos y sesgo para tomar mejores decisiones.<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Ejemplo de Entrenamiento:<\/strong> Le mostramos al perceptr\u00f3n un ejemplo (por ejemplo, una imagen de una manzana) y le decimos cu\u00e1l deber\u00eda ser la salida correcta (1, porque es una manzana).<\/li>\n\n\n\n<li><strong>Calcular Error:<\/strong> El perceptr\u00f3n hace su predicci\u00f3n (digamos, 0). Comparamos su predicci\u00f3n con la salida correcta. \u00a1Hay un error!<\/li>\n\n\n\n<li><strong>Ajustar Pesos:<\/strong> Si el perceptr\u00f3n se equivoc\u00f3, ajustamos los pesos y el sesgo.<\/li>\n<\/ol>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Si la salida esperada era 1 pero el perceptr\u00f3n dio 0 (es decir, subestim\u00f3), aumentamos los pesos de las entradas que contribuyeron a la subestimaci\u00f3n y\/o aumentamos el sesgo.<\/li>\n\n\n\n<li>Si la salida esperada era 0 pero el perceptr\u00f3n dio 1 (es decir, sobreestim\u00f3), disminuimos los pesos de las entradas que contribuyeron a la sobreestimaci\u00f3n y\/o disminuimos el sesgo.<\/li>\n<\/ul>\n\n\n\n<p>Este ajuste se hace de una manera espec\u00edfica, siguiendo una <strong><em>\u201cregla de aprendizaje\u201d<\/em><\/strong> (conocida como la <em>regla de aprendizaje del perceptr\u00f3n<\/em>), para que el perceptr\u00f3n converja y aprenda a clasificar correctamente los datos que ha visto. Repetimos este proceso miles o millones de veces con diferentes ejemplos hasta que el perceptr\u00f3n sea lo suficientemente preciso.<\/p>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-limitaciones-del-perceptron-original\"><strong>Limitaciones del Perceptr\u00f3n Original<\/strong><\/h2>\n\n\n\n<p>Si bien el perceptr\u00f3n fue un avance revolucionario, ten\u00eda una limitaci\u00f3n importante: solo pod\u00eda resolver problemas que eran <strong>linealmente separables<\/strong>. Imagina un gr\u00e1fico con puntos rojos y azules. Si puedes dibujar una l\u00ednea recta en el gr\u00e1fico que separe perfectamente todos los puntos rojos de todos los puntos azules, entonces el problema es linealmente separable. El perceptr\u00f3n es excelente para esto.<\/p>\n\n\n\n<p>Pero, \u00bfqu\u00e9 pasa si los puntos rojos y azules est\u00e1n mezclados de tal manera que no puedes separarlos con una sola l\u00ednea recta? (Piensa en una <em>\u201cX\u201d<\/em> donde los puntos rojos est\u00e1n en los brazos superior izquierdo y superior derecho, y los azules en los brazos inferior izquierdo y inferior derecho). El perceptr\u00f3n simple no puede resolver este tipo de problemas. Esta limitaci\u00f3n llev\u00f3 a una pausa en la investigaci\u00f3n de redes neuronales durante a\u00f1os, conocida como el <strong><em>\u201cinvierno de la IA\u201d<\/em><\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-center\" id=\"h-mas-alla-del-perceptron-simple-redes-multicapa\"><strong>M\u00e1s All\u00e1 del Perceptr\u00f3n Simple: Redes Multicapa<\/strong><\/h2>\n\n\n\n<p>La soluci\u00f3n a la limitaci\u00f3n del perceptr\u00f3n fue la creaci\u00f3n de <strong><a href=\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/deep-learning-y-redes-neuronales-una-guia-completa\/\">redes neuronales<\/a> multicapa<\/strong> (tambi\u00e9n conocidas como <em>Multi-Layer Perceptrons<\/em> o <em>MLPs<\/em>). Estas redes apilan m\u00faltiples perceptrones en diferentes \u201ccapas\u201d:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Capa de Entrada:<\/strong> Recibe los datos originales.<\/li>\n\n\n\n<li><strong>Capas Ocultas:<\/strong> Aqu\u00ed es donde ocurre la magia real. M\u00faltiples perceptrones trabajan juntos, procesando la informaci\u00f3n de la capa anterior y extrayendo caracter\u00edsticas m\u00e1s complejas. Cada perceptr\u00f3n en estas capas puede detectar un patr\u00f3n diferente.<\/li>\n\n\n\n<li><strong>Capa de Salida:<\/strong> Produce la predicci\u00f3n final.<\/li>\n<\/ul>\n\n\n\n<p>Al combinar muchos perceptrones en capas, con funciones de activaci\u00f3n m\u00e1s sofisticadas (no solo el simple <em>\u201cs\u00ed\/no\u201d<\/em>), las redes neuronales pueden aprender a resolver problemas incre\u00edblemente complejos y no linealmente separables. Aqu\u00ed es donde entra en juego las famosas <strong>matrices<\/strong>.<\/p>\n\n\n\n<p>El perceptr\u00f3n, en su simplicidad, es la semilla de la que han brotado las maravillas de la inteligencia artificial moderna. Aunque no puede resolver todos los problemas por s\u00ed solo, su concepto de entradas ponderadas, suma y activaci\u00f3n binaria sent\u00f3 las bases para el desarrollo de arquitecturas mucho m\u00e1s complejas.<\/p>\n\n\n\n<p>Entender el perceptr\u00f3n no es solo aprender una pieza de la historia de la IA; es comprender el principio fundamental de c\u00f3mo las m\u00e1quinas pueden aprender a tomar decisiones a partir de los datos. Desde este humilde comienzo, hemos llegado a las redes neuronales profundas que hoy reconocen rostros, traducen idiomas y conducen veh\u00edculos. El perceptr\u00f3n redes neurales, con sus vectores, pesos y producto escalar, fue la primera y crucial chispa.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter\"><a class=\"alt=&quot;Entrenamiento de perceptr\u00f3n: input - output&quot;\" href=\"https:\/\/cdn.you.com\/youagent-images\/gpt-image-1\/4ada326e-586c-4971-b946-7b6b6ce1a0bf.png\" target=\"_blank\" rel=\" noreferrer noopener\"><img decoding=\"async\" src=\"https:\/\/cdn-images-1.medium.com\/max\/800\/1*rxw1KvrW2RuzSs1A7RXxaA.png\" alt=\"\"\/><\/a><\/figure><\/div>\n\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Imagina un cerebro diminuto, una c\u00e9lula digital que puede aprender a tomar decisiones simples. Eso, en esencia, es un perceptr\u00f3n, el h\u00e9roe olvidado que sent\u00f3 las bases de las potentes redes neuronales que hoy impulsan la inteligencia artificial. No te asustes con los t\u00e9rminos t\u00e9cnicos; vamos a desglosarlos pieza por pieza hasta que todo encaje.&#8230; <a class=\"more-link\" href=\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\">Read more<\/a><\/p>\n","protected":false},"author":313,"featured_media":33598,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_editorskit_title_hidden":false,"_editorskit_reading_time":0,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","_uag_custom_page_level_css":"","_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[10610,10642,10598],"tags":[13076,10664,13074],"collections":[12986,13078,13080],"class_list":{"0":"post-33499","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-aprendizaje-automatico","8":"category-deep-learning-es","9":"category-inteligencia-artificial","10":"tag-deep-learning-es","11":"tag-ia","12":"tag-redes-neuronales","13":"collections-ai-es","14":"collections-deep-learning-es","15":"collections-redes-neuronales-es","16":"entry"},"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v26.9 (Yoast SEO v26.9) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>Perceptr\u00f3n - Redes Neuronales: la primera piedra<\/title>\n<meta name=\"description\" content=\"Perceptr\u00f3n - Redes Neuronales: descubre c\u00f3mo funciona esta neurona artificial b\u00e1sica con vectores, producto escalar y umbral.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"El Perceptr\u00f3n - Redes Neuronales: La Primera Piedra\" \/>\n<meta property=\"og:description\" content=\"Perceptr\u00f3n - Redes Neuronales: descubre c\u00f3mo funciona esta neurona artificial b\u00e1sica con vectores, producto escalar y umbral.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\" \/>\n<meta property=\"og:site_name\" content=\"Codemotion Magazine\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Codemotion.Italy\/\" \/>\n<meta property=\"article:published_time\" content=\"2025-07-03T09:18:37+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-07-03T09:24:44+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Orli Dun\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@CodemotionIT\" \/>\n<meta name=\"twitter:site\" content=\"@CodemotionIT\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Orli Dun\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\"},\"author\":{\"name\":\"Orli Dun\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/37ca255c359cc54110ac89eb4fa7db42\"},\"headline\":\"El Perceptr\u00f3n &#8211; Redes Neuronales: La Primera Piedra\",\"datePublished\":\"2025-07-03T09:18:37+00:00\",\"dateModified\":\"2025-07-03T09:24:44+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\"},\"wordCount\":1832,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#organization\"},\"image\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg\",\"keywords\":[\"Deep Learning\",\"IA\",\"Redes Neuronales\"],\"articleSection\":[\"Aprendizaje autom\u00e1tico\",\"Deep Learning\",\"Inteligencia Artificial\"],\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\",\"url\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\",\"name\":\"Perceptr\u00f3n - Redes Neuronales: la primera piedra\",\"isPartOf\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg\",\"datePublished\":\"2025-07-03T09:18:37+00:00\",\"dateModified\":\"2025-07-03T09:24:44+00:00\",\"description\":\"Perceptr\u00f3n - Redes Neuronales: descubre c\u00f3mo funciona esta neurona artificial b\u00e1sica con vectores, producto escalar y umbral.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage\",\"url\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg\",\"contentUrl\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg\",\"width\":1280,\"height\":720},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.codemotion.com\/magazine\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Inteligencia Artificial\",\"item\":\"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"El Perceptr\u00f3n &#8211; Redes Neuronales: La Primera Piedra\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#website\",\"url\":\"https:\/\/www.codemotion.com\/magazine\/\",\"name\":\"Codemotion Magazine\",\"description\":\"We code the future. Together\",\"publisher\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.codemotion.com\/magazine\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#organization\",\"name\":\"Codemotion\",\"url\":\"https:\/\/www.codemotion.com\/magazine\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png\",\"contentUrl\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png\",\"width\":225,\"height\":225,\"caption\":\"Codemotion\"},\"image\":{\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/Codemotion.Italy\/\",\"https:\/\/x.com\/CodemotionIT\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/37ca255c359cc54110ac89eb4fa7db42\",\"name\":\"Orli Dun\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/04\/alura-profile-100x100.png\",\"contentUrl\":\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/04\/alura-profile-100x100.png\",\"caption\":\"Orli Dun\"},\"description\":\"From finance to the digital revolution! Systems Engineer | Cloud &amp; AI | Tech Creator | Community Leader #foramillionfriends\",\"sameAs\":[\"https:\/\/orlidun.vercel.app\/\",\"https:\/\/www.linkedin.com\/in\/orlibetdungonzalez\"],\"url\":\"https:\/\/www.codemotion.com\/magazine\/author\/orli-dun\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Perceptr\u00f3n - Redes Neuronales: la primera piedra","description":"Perceptr\u00f3n - Redes Neuronales: descubre c\u00f3mo funciona esta neurona artificial b\u00e1sica con vectores, producto escalar y umbral.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/","og_locale":"en_US","og_type":"article","og_title":"El Perceptr\u00f3n - Redes Neuronales: La Primera Piedra","og_description":"Perceptr\u00f3n - Redes Neuronales: descubre c\u00f3mo funciona esta neurona artificial b\u00e1sica con vectores, producto escalar y umbral.","og_url":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/","og_site_name":"Codemotion Magazine","article_publisher":"https:\/\/www.facebook.com\/Codemotion.Italy\/","article_published_time":"2025-07-03T09:18:37+00:00","article_modified_time":"2025-07-03T09:24:44+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg","type":"image\/jpeg"}],"author":"Orli Dun","twitter_card":"summary_large_image","twitter_creator":"@CodemotionIT","twitter_site":"@CodemotionIT","twitter_misc":{"Written by":"Orli Dun","Est. reading time":"9 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#article","isPartOf":{"@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/"},"author":{"name":"Orli Dun","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/37ca255c359cc54110ac89eb4fa7db42"},"headline":"El Perceptr\u00f3n &#8211; Redes Neuronales: La Primera Piedra","datePublished":"2025-07-03T09:18:37+00:00","dateModified":"2025-07-03T09:24:44+00:00","mainEntityOfPage":{"@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/"},"wordCount":1832,"commentCount":0,"publisher":{"@id":"https:\/\/www.codemotion.com\/magazine\/#organization"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage"},"thumbnailUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg","keywords":["Deep Learning","IA","Redes Neuronales"],"articleSection":["Aprendizaje autom\u00e1tico","Deep Learning","Inteligencia Artificial"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/","url":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/","name":"Perceptr\u00f3n - Redes Neuronales: la primera piedra","isPartOf":{"@id":"https:\/\/www.codemotion.com\/magazine\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage"},"thumbnailUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg","datePublished":"2025-07-03T09:18:37+00:00","dateModified":"2025-07-03T09:24:44+00:00","description":"Perceptr\u00f3n - Redes Neuronales: descubre c\u00f3mo funciona esta neurona artificial b\u00e1sica con vectores, producto escalar y umbral.","breadcrumb":{"@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#primaryimage","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg","width":1280,"height":720},{"@type":"BreadcrumbList","@id":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/el-perceptron-redes-neuronales-la-primera-piedra\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.codemotion.com\/magazine\/"},{"@type":"ListItem","position":2,"name":"Inteligencia Artificial","item":"https:\/\/www.codemotion.com\/magazine\/es\/inteligencia-artificial\/"},{"@type":"ListItem","position":3,"name":"El Perceptr\u00f3n &#8211; Redes Neuronales: La Primera Piedra"}]},{"@type":"WebSite","@id":"https:\/\/www.codemotion.com\/magazine\/#website","url":"https:\/\/www.codemotion.com\/magazine\/","name":"Codemotion Magazine","description":"We code the future. Together","publisher":{"@id":"https:\/\/www.codemotion.com\/magazine\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.codemotion.com\/magazine\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/www.codemotion.com\/magazine\/#organization","name":"Codemotion","url":"https:\/\/www.codemotion.com\/magazine\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png","width":225,"height":225,"caption":"Codemotion"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/Codemotion.Italy\/","https:\/\/x.com\/CodemotionIT"]},{"@type":"Person","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/37ca255c359cc54110ac89eb4fa7db42","name":"Orli Dun","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/image\/","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/04\/alura-profile-100x100.png","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/04\/alura-profile-100x100.png","caption":"Orli Dun"},"description":"From finance to the digital revolution! Systems Engineer | Cloud &amp; AI | Tech Creator | Community Leader #foramillionfriends","sameAs":["https:\/\/orlidun.vercel.app\/","https:\/\/www.linkedin.com\/in\/orlibetdungonzalez"],"url":"https:\/\/www.codemotion.com\/magazine\/author\/orli-dun\/"}]}},"featured_image_src":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-600x400.jpg","featured_image_src_square":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-600x600.jpg","author_info":{"display_name":"Orli Dun","author_link":"https:\/\/www.codemotion.com\/magazine\/author\/orli-dun\/"},"uagb_featured_image_src":{"full":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg",1280,720,false],"thumbnail":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-150x150.jpg",150,150,true],"medium":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-300x169.jpg",300,169,true],"medium_large":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-768x432.jpg",768,432,true],"large":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-1024x576.jpg",1024,576,true],"1536x1536":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg",1280,720,false],"2048x2048":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales.jpg",1280,720,false],"small-home-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-100x100.jpg",100,100,true],"sidebar-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-180x128.jpg",180,128,true],"genesis-singular-images":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-896x504.jpg",896,504,true],"archive-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-400x225.jpg",400,225,true],"gb-block-post-grid-landscape":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-600x400.jpg",600,400,true],"gb-block-post-grid-square":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2025\/07\/redes-neuronales-600x600.jpg",600,600,true]},"uagb_author_info":{"display_name":"Orli Dun","author_link":"https:\/\/www.codemotion.com\/magazine\/author\/orli-dun\/"},"uagb_comment_info":0,"uagb_excerpt":"Imagina un cerebro diminuto, una c\u00e9lula digital que puede aprender a tomar decisiones simples. Eso, en esencia, es un perceptr\u00f3n, el h\u00e9roe olvidado que sent\u00f3 las bases de las potentes redes neuronales que hoy impulsan la inteligencia artificial. No te asustes con los t\u00e9rminos t\u00e9cnicos; vamos a desglosarlos pieza por pieza hasta que todo encaje.&#8230;&hellip;","lang":"es","_links":{"self":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/33499","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/users\/313"}],"replies":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/comments?post=33499"}],"version-history":[{"count":3,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/33499\/revisions"}],"predecessor-version":[{"id":33597,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/33499\/revisions\/33597"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/media\/33598"}],"wp:attachment":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/media?parent=33499"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/categories?post=33499"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/tags?post=33499"},{"taxonomy":"collections","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/collections?post=33499"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}