Una neurona artificial, también llamada preceptrón es una función matemática. Las neuronas biológicas han servido de inspiración para la creación de la función matemática. Ello no supone que esa función funcione como una neurona humana ni de ningún otro animal. Es una función matemática simple que toma unos valores iniciales y devuelve un 1 (aceptación) o un 0 (rechazo). La función sigue el siguiente esquema:
En este esquema los valores de entrada son lasx1,…, x5 , la salida es la y. Hay una serie de valores intermedios w1,…,w5llamados pesos, que son números internos de la neurona entre 0 y 1. El funcionamiento de la neurona es muy simple: multiplica cada peso con el valor asociado, y suma los resultados. Eso es lo que representa el símbolo en el centro de la imagen. Finalmente, hay lo que se llama una función de activación. Esta es una función matemática que devuelve un valor entre 0 y 1. Si el valor es cercano a 1, se asume un valor de verdad, si es cercano a 0 de falsedad y los valores intermedios expresan incertidumbre.
Los pesos de la neurona son valores que cambian en el proceso de entrenamiento.
Las redes neuronales se van agrupando por capas para formar una red neuronal. En el siguiente gráfico podemos observar una red neuronal con cuatro capas identificadas por los colores. Cada neurona artificial está representada con un círculo.
La primera neurona es un poco especial porque sus valores de entrada pueden ser valores numéricos sin restricciones. Los valores de entrada en esta primera etapa pueden estar compartidos por todas las neuronas. Los resultados de la primera capa de neuronas sirven como valores de entrada para la segunda capa en azul. Como vimos anteriormente, estos valores están entre 0 y 1. Hay una tercera capa en verde que toma los valores de la capa anteriores y vuelve a aplicar las mismas operaciones. Estas dos capas se llaman capas ocultas porque se encargan de cálculos intermedios. Finalmente, hay una capa final. Esta capa final puede tener una o varias neuronas. En el caso del dibujo hay una sola neurona. Por tanto, esa red neuronal devolverá un valor de certeza o falsedad. Una vez que la red esté entrenada, es decir, que los pesos de todas las neuronas estén convenientemente ajustados, responderá con un grado de certeza a la determinada pregunta para la cual está diseñada. Cuando la última capa tiene varias neuronas, se pretende que la red neuronal seleccione una opción entre varias. Es decir, que la pregunta para la que está diseñada la red es una pregunta de opción múltiple. Cada neurona de la última capa está relacionada con una opción. Lo que realmente hace la red neuronal es asignar un grado de certeza a cada opción.
