
Una red neuronal con múltiples capas ocultas, capaz de aprender patrones complejos a partir de datos.Una red neuronal profunda es un modelo de inteligencia artificial compuesto por múltiples capas de nodos interconectados (neuronas), donde cada capa transforma los datos de entrada en representaciones cada vez más abstractas. El término 'profunda' se refiere a las numerosas capas ocultas entre la entrada y la salida, que permiten a la red aprender características jerárquicas, desde bordes simples en imágenes hasta objetos complejos, o desde fonemas hasta frases completas en el habla.
El concepto de arquitecturas profundas se remonta a la década de 1960 con el perceptrón, pero entrenar redes profundas era poco práctico hasta los años 2000, cuando técnicas como el preentrenamiento por capas y las activaciones ReLU, junto con la computación con GPU, hicieron viable el aprendizaje profundo. La victoria de AlexNet en ImageNet en 2012 marcó la revolución moderna del aprendizaje profundo.
Cada neurona en una capa calcula una suma ponderada de sus entradas, añade un sesgo y aplica una función de activación no lineal (por ejemplo, ReLU). Durante el entrenamiento, la red ajusta estos pesos mediante retropropagación, que calcula el gradiente de una función de pérdida con respecto a cada peso y los actualiza mediante descenso de gradiente. Con suficientes datos y potencia computacional, la red aprende a minimizar los errores de predicción. La estructura jerárquica implica que las capas iniciales capturan características de bajo nivel, mientras que las capas más profundas las combinan en conceptos de alto nivel.
Las redes neuronales profundas se utilizan en el reconocimiento de imágenes, el procesamiento del lenguaje natural, la conducción autónoma, el diagnóstico médico y la investigación científica, desde la detección de ondas gravitacionales hasta la clasificación de galaxias.
Las redes neuronales profundas pueden ser engañadas añadiendo pequeñas perturbaciones imperceptibles a las imágenes, lo que hace que clasifiquen erróneamente un panda como un gibón con alta confianza, un fenómeno conocido como ejemplos adversarios.









