<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by David Díaz Solis on Medium]]></title>
        <description><![CDATA[Stories by David Díaz Solis on Medium]]></description>
        <link>https://medium.com/@ddiazsolis?source=rss-47d977dc557f------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Ap0BqUBF5xkBH_zW01dqbw.jpeg</url>
            <title>Stories by David Díaz Solis on Medium</title>
            <link>https://medium.com/@ddiazsolis?source=rss-47d977dc557f------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 00:33:10 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@ddiazsolis/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[I Built a TensorFlow Playground — But for Embeddings and Autoencoders]]></title>
            <link>https://medium.com/@ddiazsolis/i-built-a-tensorflow-playground-but-for-embeddings-and-autoencoders-49e96e0123d3?source=rss-47d977dc557f------2</link>
            <guid isPermaLink="false">https://medium.com/p/49e96e0123d3</guid>
            <category><![CDATA[interactive]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[embedding]]></category>
            <category><![CDATA[visualization]]></category>
            <category><![CDATA[autoencoder]]></category>
            <dc:creator><![CDATA[David Díaz Solis]]></dc:creator>
            <pubDate>Fri, 06 Mar 2026 13:07:48 GMT</pubDate>
            <atom:updated>2026-03-06T13:07:48.169Z</atom:updated>
            <content:encoded><![CDATA[<h3>An interactive tool to finally see how neural networks compress meaning into numbers</h3><p><strong>🔗 Try it now:</strong> <a href="https://autoencoder-embeddings-playground-303001901203.us-west1.run.app/">Autoencoder Embeddings Playground</a></p><h3>The Problem: Embeddings Are Everywhere, But Nobody Explains Them Well</h3><p>If you’ve used ChatGPT, searched on Google, or gotten a recommendation on Spotify, you’ve already benefited from <strong>embeddings</strong> — compact numerical representations that capture the <em>meaning</em> of data. They are the invisible backbone of modern AI.</p><p>But here’s the thing: <strong>most people who use embeddings don’t really understand how they’re built.</strong></p><p>The typical explanation goes something like: <em>“an embedding is a dense vector representation in a lower-dimensional space…”</em> — and at that point, you’ve already lost 90% of your audience.</p><p>I wanted to fix that.</p><h3>The Inspiration: What TensorFlow Playground Did for Neural Networks</h3><p>Back in 2016, Google’s <a href="https://playground.tensorflow.org/">TensorFlow Playground</a> changed how people learn about neural networks. Instead of reading equations, you could <strong>see</strong> neurons firing, watch decision boundaries form in real-time, and tweak parameters with instant visual feedback.</p><p>It was a revelation. Suddenly, concepts like hidden layers, activation functions, and overfitting became <em>tangible</em>.</p><p>I thought: <strong>why doesn’t something like this exist for embeddings and autoencoders?</strong></p><p>So I built it.</p><h3>What Is the Autoencoder Embeddings Playground?</h3><p>It’s an <strong>interactive, browser-based tool</strong> where you can:</p><ul><li><strong>Watch an autoencoder train in real-time</strong> — see the encoder compress data and the decoder reconstruct it, step by step</li><li><strong>Visualize the embedding space</strong> — observe how data points organize themselves in the compressed latent space as training progresses</li><li><strong>Tweak the architecture</strong> — change the number of layers, the size of the bottleneck, the activation functions, and immediately see the impact</li><li><strong>Understand reconstruction error</strong> — visually compare the original input with what the autoencoder reconstructs, and grasp <em>why</em> the bottleneck forces the network to learn meaningful representations</li><li><strong>Experiment freely</strong> — no installation, no code, no setup. Just open the link and play</li></ul><p><strong>🔗 </strong><a href="https://autoencoder-embeddings-playground-303001901203.us-west1.run.app/"><strong>Launch the Playground</strong></a></p><h3>How It Works: A 2-Minute Crash Course</h3><h3>What’s an Autoencoder?</h3><p>Think of it as a <strong>copy machine with a tiny pipe in the middle</strong>.</p><p>You feed in data (say, an image or a set of features). The <strong>encoder</strong> squeezes that data through a narrow bottleneck — forcing it to keep only the most essential information. The <strong>decoder</strong> then tries to reconstruct the original data from that compressed version.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*B-URMiqPYuj-spZNLLL1WQ.png" /><figcaption>Autoencoder Architecture Example</figcaption></figure><pre>Input (high-dimensional) <br>    → Encoder → [Bottleneck / Latent Space] → Decoder → <br>        Reconstructed Output</pre><p>The magic happens at the bottleneck: those few numbers that survive the compression <strong>are the embedding</strong>. They represent the essence of the input in a compact form.</p><h3>What’s an Embedding?</h3><p>An embedding is just <strong>a list of numbers that represents something meaningful</strong>. Think of it as coordinates — but instead of describing a position in physical space, they describe a position in <em>meaning space</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2puGIv0A8G_nXhiwMt9beg.png" /><figcaption>Autoencoder rebuilts the input and generate an embedding vector</figcaption></figure><p>Similar items end up close together. Different items end up far apart. You can simply visualize them to find similarities (no need for a clustering algorithm).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sbrhgnuYvZmnDUGN7MPYBw.png" /><figcaption>Visual representation of the embeddings, each dot represents an image from the original dataset.</figcaption></figure><p>Since the embeddings are vectors, we can also compare them. And you can do math on them: the classic example is that in word embeddings, “king” minus “man” plus “woman” gives you something very close to “queen.” In the context of the MNIST fashion dataset, you could combine them to come up with a new type of trousers!.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fedZ0xgs0Qc-UMSaK2tzCQ.png" /><figcaption>You can compare to embeddings and calculate their similarity, for example, using a distance metric like Cosine.</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zxuYq6DEzSM97--oKWsh7w.png" /><figcaption>You can operate on them to create new combinations that are plausible in the latent space</figcaption></figure><h3>Why Autoencoders for Embeddings?</h3><p>Because autoencoders learn embeddings <strong>without needing labeled data</strong>. You don’t need to tell the network what’s similar — it figures it out by trying to compress and reconstruct. The structure of the data itself teaches the network what matters.</p><h3>What You’ll Discover by Playing</h3><p>Here are a few experiments to try in the playground:</p><h3>1. The Bottleneck Effect</h3><p>Start with a large bottleneck and progressively make it smaller. Watch how the reconstruction quality changes. At some point, the autoencoder is forced to make trade-offs — and those trade-offs reveal what the network considers <em>important</em>.</p><h3>2. Clustering in Latent Space</h3><p>As training progresses, watch the embedding visualization. You’ll see data points that are similar start to cluster together — not because you told the network they were similar, but because <strong>compression naturally groups things by similarity</strong>.</p><h3>3. The Role of Depth</h3><p>Add or remove layers. A deeper network can learn more complex representations, but it’s also harder to train. Find the sweet spot visually.</p><h3>4. Activation Functions Matter</h3><p>Switch between ReLU, Sigmoid, Linear, and Tanh. Each creates a different geometry in the latent space. See it happen live.</p><h3>Why This Matters Beyond the Playground</h3><p>Understanding embeddings isn’t just academic curiosity. They power:</p><ul><li><strong>Search engines</strong> — your query is embedded and compared to documents in the embedding space</li><li><strong>Recommendation systems</strong> — Netflix and Spotify embed users and content, then find the closest matches</li><li><strong>Large Language Models</strong> — every token in GPT, Claude, and Gemini is first converted to an embedding before any processing happens</li><li><strong>Computer vision</strong> — image recognition models compress visual information into embeddings to classify and compare</li><li><strong>RAG (Retrieval Augmented Generation)</strong> — the backbone of modern AI applications that combine search with generation</li></ul><p>If you understand how autoencoders create embeddings, you understand a core building block of nearly everything happening in AI today.</p><h3>The Technical Stack (For the Curious)</h3><p>The playground is built as a web application inspired by the architecture philosophy of <a href="https://playground.tensorflow.org/">TensorFlow Playground</a>:</p><ul><li><strong>Real-time training visualization</strong> — the neural network trains directly in the interface, with live updates</li><li><strong>Interactive parameter controls</strong> — modify architecture and hyperparameters on the fly</li><li><strong>Embedding space visualization</strong> — watch the latent space evolve during training using dimensionality reduction techniques</li><li><strong>Deployed on Google Cloud Run</strong> — accessible from anywhere, no setup needed</li></ul><p>The goal was to make it as frictionless as TensorFlow Playground: one click, instant understanding.</p><h3>Try It. Break It. Learn.</h3><p>The best way to understand embeddings is not to read about them — it’s to <strong>see them form in real-time</strong> and break things on purpose.</p><p><strong>🔗 </strong><a href="https://autoencoder-embeddings-playground-303001901203.us-west1.run.app/"><strong>Open the Autoencoder Embeddings Playground</strong></a></p><p>Play with it. Shrink the bottleneck until nothing works. Add layers until everything explodes. Find the configuration that produces the most beautiful clustering. Then you’ll truly <em>get</em> embeddings.</p><h3>Further Reading / Lecturas Recomendadas</h3><ul><li><a href="https://playground.tensorflow.org/">TensorFlow Playground</a> — the original inspiration for interactive ML learning</li><li><a href="https://cloud.google.com/blog/products/ai-machine-learning/understanding-neural-networks-with-tensorflow-playground">Understanding Neural Networks with TensorFlow Playground</a> — Google Cloud blog post on the original playground</li><li><a href="https://blog.keras.io/building-autoencoders-in-keras.html">Building Autoencoders in Keras</a> — the classic guide to implementing autoencoders</li><li><a href="https://jalammar.github.io/illustrated-word2vec/">Word2Vec Explained</a> — Jay Alammar’s visual guide to word embeddings</li><li><a href="https://jalammar.github.io/illustrated-transformer/">The Illustrated Transformer</a> — essential reading for understanding how embeddings work in modern LLMs</li><li><a href="https://vickiboykis.com/what_are_embeddings/">What Are Embeddings?</a> — Vicki Boykis’s comprehensive guide</li></ul><p><em>If you found this useful, give it a 👏 and share it with someone who’s trying to understand how modern AI really works under the hood.</em></p><p><em>Si te resultó útil, dale un 👏 y compártelo con alguien que esté intentando entender cómo funciona realmente la IA moderna por dentro.</em></p><p><strong>Tags:</strong> Machine Learning Deep Learning Embeddings Autoencoders Interactive Learning TensorFlow AI Education Neural Networks</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=49e96e0123d3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[IA: ¿Humo o Fuego?]]></title>
            <link>https://medium.com/@ddiazsolis/ia-humo-o-fuego-1e73634db649?source=rss-47d977dc557f------2</link>
            <guid isPermaLink="false">https://medium.com/p/1e73634db649</guid>
            <category><![CDATA[ai-human-relationships]]></category>
            <category><![CDATA[ai-human-co-creation]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[ai-agent]]></category>
            <dc:creator><![CDATA[David Díaz Solis]]></dc:creator>
            <pubDate>Fri, 16 May 2025 12:57:49 GMT</pubDate>
            <atom:updated>2025-05-16T12:57:49.461Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>IA: ¿Humo o Fuego?</strong></p><p><strong>Automatización, Aumentación, Competencia y Humanidad: Consejos para sobrevivir en la era de las tarifas</strong></p><p><em>Por David Díaz, abril 2025 (con la ayuda de su modelo de lenguaje a gran escala favorito)</em></p><p><strong>Introducción</strong></p><p>En este artículo comparto mi visión sobre la última revolución tecnológica que vivimos, una que, vertiginosamente, mueve la línea de lo posible cada día.</p><p>La inteligencia artificial — protagonista de esta transformación — nos plantea interrogantes clave: ¿qué es moda pasajera (humo) y qué representa una disrupción duradera (fuego)? ¿Cómo será el mundo cuando nos hayamos acostumbrado a su presencia, como hoy lo estamos a los smartphones o redes sociales?</p><p>La automatización y aumentación impulsadas por la IA ya transforman las reglas del juego. No se trata solo de adoptar nuevas tecnologías, sino de comprender cómo estas herramientas potencian la competencia, sacuden el comercio global y redefinen lo humano en lo digital.</p><p>A continuación, repasaré definiciones clave y el estado actual de la IA. Luego, compartiré consejos prácticos para destacar en esta Era de las Tarifas, donde la capacidad de discernir lo esencial será clave para seguir siendo competitivos… y humanos.</p><p><strong>1. ¿Cómo llegamos aquí?</strong></p><p>Para muchos, la historia de la IA comenzó con ChatGPT. Pero esta tecnología tiene más de siete décadas de historia. Su desarrollo se construyó sobre avances matemáticos, papers académicos y colaboraciones interdisciplinarias. (Mi primer paper en IA aplicada a finanzas es de 2008.)</p><p>Lo que vemos hoy no es moda, sino la convergencia de factores acumulados. A diferencia de otras tecnologías mediáticas — como el metaverso o el blockchain — la IA se basa en fundamentos sólidos. Se parece más a la computación cuántica: aún en desarrollo, pero con base científica profunda.</p><p>Tres factores permitieron su salto a lo cotidiano:</p><p><strong>El poder del dato</strong>: la digitalización masiva (internet, redes, sensores) generó big data para entrenar modelos cada vez más potentes.</p><p><strong>El poder del cómputo:</strong> el crecimiento de GPUs permitió entrenar modelos con miles de millones de parámetros.</p><p><strong>El poder del algoritmo:</strong> arquitecturas como Transformers (<em>Attention is all you need!</em>) y su interfaz conversacional hicieron accesible la tecnología, ocultando la complejidad tras una experiencia natural.</p><p>Lo que parece irrupción súbita es, en realidad, el resultado de décadas de ciencia, datos, hardware y diseño de experiencia. No es humo: es fuego. Y quizás, apenas la chispa.</p><p><strong>2. La IA hoy. Cómo se construye, su evolución reciente y características principales.</strong></p><p>Para entender lo que realmente es un <em>Large Languague Model (LLM) </em>como ChatGPT, Claude, Gemini o DeepSeek, conviene desmitificar un poco el proceso. A veces da la impresión de que simplemente alguien recolectó toda la información de internet, se la pasó a un algoritmo, y este, como por arte de magia, aprendió a dominar el lenguaje. Pero la realidad es bastante más compleja — y más interesante.</p><p>El crear y entrenar un modelo requiere una serie de pasos y decisiones de diseño, las que además nos han ido proveyendo modelos cada vez más capaces y con más funcionalidades. Podemos entender esta evolución como una serie de versiones que fueron incorporando nuevas capacidades. Aquí las resumo en cuatro grandes etapas:</p><p><strong>Versión 1.0: El modelo que aprende a hablar</strong></p><p>Los modelos de lenguaje a gran escala (Large Language Models, o LLMs) como ChatGPT se entrenan utilizando cantidades masivas de información disponible públicamente en internet. Su primer objetivo es aprender a dominar el lenguaje: comprender su estructura, sus matices, sus ambigüedades, y generar texto coherente a partir de una instrucción o <em>prompt</em>.</p><p>Este proceso se basa en una idea fundamental pero poderosa: si un modelo puede predecir correctamente cuál es la siguiente palabra en una frase, es porque ha internalizado las reglas, patrones y contextos del idioma. Para lograrlo, se le alimenta con una gigantesca colección de textos — libros, sitios web, artículos periodísticos, foros, código fuente, papers académicos y más — que permiten que el modelo aprenda las relaciones estadísticas entre palabras, frases y conceptos.</p><p>Sin embargo, no se trata solo de acumular más y más datos. Tan importante como la cantidad es la calidad: qué tipo de contenido se utiliza, cómo se selecciona, y cómo se procesa. Aquí aparece una dimensión crítica — y muchas veces ignorada — del proceso: la limpieza y curaduría de los datos.</p><p>Antes de entrenar al modelo, hay que decidir qué textos incluir, cuáles excluir, qué fragmentos enfatizar y qué tipos de lenguaje censurar o limitar. Estas decisiones no son neutrales: constituyen una línea editorial implícita. Determinan, en la práctica, la personalidad del modelo. Influyen en su tono, en sus prioridades temáticas, en los valores que tiende a reflejar… y también en sus sesgos.</p><p>Ese primer modelo resultante, entrenado con los datos ya curados, sabe hablar. Puede formar frases gramaticalmente correctas, imitar distintos estilos y mantener una conversación fluida. Pero no necesariamente dice cosas útiles o ciertas. Es como un hablante recién alfabetizado: domina el lenguaje, pero aún no ha aprendido a usarlo con propósito, ni a distinguir lo importante de lo trivial.</p><p>Esta es la primera gran etapa en la evolución de los modelos. Una etapa que, aunque invisible para el usuario final, determina en gran medida el carácter del sistema con el que interactuamos.</p><p><strong>Versión 2.0: El modelo refinado que entiende instrucciones</strong></p><p>A continuación, viene una segunda etapa conocida como <em>fine-tuning</em> o <em>post training</em>, que puede incluir aprendizaje por refuerzo con retroalimentación humana (<em>RLHF</em>). Este proceso es <strong>muy intensivo en trabajo humano</strong>, porque implica enseñarle al modelo qué tipo de respuestas son preferibles, dándole ejemplos, puntuando sus respuestas, o incluso corrigiéndolo. Es importante notar aquí nuevamente la mano del editor, es el dueño o empresa que crea el modelo la que define qué es preferible, y cómo se realiza esta sintonía fina adicional.</p><p>Así nace la segunda generación de modelos, también conocidos como <em>instruct models</em>. Ya no solo saben hablar: <strong>responden de forma útil, relevante y alineada con lo que el humano espera</strong>. Son mucho más útiles en la práctica, pero siguen teniendo limitaciones importantes:</p><ul><li><strong>Alucinaciones</strong>: Aunque son más coherentes, siguen siendo probabilísticos. Pueden inventar datos con gran seguridad.</li><li><strong>Fecha de corte</strong>: Solo “saben” lo que había en los datos con los que fueron entrenados. No aprenden de nuevas situaciones y no han incorporado en su memoria todos los hechos o noticias que han ocurrido desde la fecha en la que fueron entrenados (no conocen el diario del día de hoy)</li><li><strong>Consumo de recursos</strong>: Son inmensos en peso y demanda computacional, tanto para entrenarlos como para usarlos. Por eso viven en la nube: <strong>ni tu celular ni tu notebook podrían correrlos localmente</strong>, y necesitan conexión a internet para funcionar.</li></ul><p>Y aquí es donde emerge otra idea clave: el <em>prompt engineering</em>. Como la calidad de la respuesta del modelo depende de cómo se formula la instrucción de entrada, <strong>el arte de preguntar bien se convierte en una nueva habilidad profesional</strong>. Instrucciones claras, ejemplos concretos y contexto útil producen mejores resultados.</p><p><strong>Versión 3.0: Modelos multimodales y con herramientas</strong></p><p>La siguiente gran evolución amplía el alcance de la IA más allá del texto. Los modelos más avanzados hoy son <strong>multimodales</strong>: no solo procesan lenguaje escrito, sino que también entienden imágenes, audio, video, tablas o incluso comandos estructurados. Por ejemplo, ChatGPT puede interpretar una foto, resumir un video o responder preguntas sobre una hoja de cálculo cargada por el usuario.</p><p>Otro momento “Eureka” de esta revolución ocurre cuando descubrimos que estos modelos no solo comprenden el lenguaje humano, sino también los <strong>lenguajes de programación</strong> con los que fueron creados. Si pueden escribir código como un desarrollador senior, ¿por qué no pedirles que construyan herramientas o scripts por nosotros? Y si les damos permiso para ejecutarlos, pueden interactuar no solo con personas, sino también con <strong>sistemas computacionales</strong> externos: APIs, bases de datos, navegadores o incluso software corporativo.</p><p>Gracias a estas capacidades, pueden escribir y ejecutar instrucciones que les permiten buscar en internet, conectarse al Banco Central, consultar documentos internos, analizar imágenes o automatizar flujos de trabajo empresariales.</p><p>Esto lleva a una mejora clave: <strong>respuestas más precisas, ancladas en evidencia actual</strong>. Por ejemplo, si le preguntas qué tarifa impuso Trump a las importaciones chinas en 2025, el modelo ya no necesita “inventar” una respuesta a partir de sus datos entrenados: puede utilizar una herramienta de búsqueda o conectarse a Wikipedia para obtener el dato correcto y actualizado.</p><p>Lo mismo aplica en contextos empresariales. Imagina una empresa minera que quiere ofrecer a sus trabajadores un asistente virtual que responda preguntas sobre políticas internas de seguridad, medio ambiente o cumplimiento normativo. El modelo puede acceder a los manuales de compliance o gestión de riesgo — guardados como PDF o documentos internos — y generar respuestas precisas, personalizadas y citables.</p><p>Este tipo de arquitectura se conoce como <strong>Retrieval-Augmented Generation (RAG)</strong>. En vez de depender solo de su entrenamiento previo, el modelo combina su capacidad lingüística con <strong>acceso dinámico a fuentes externas de conocimiento</strong>, lo que lo convierte en una herramienta mucho más útil, segura y verificable para entornos reales.</p><p><strong>Versión 4.0: Modelos con autonomía (AI agents)</strong></p><p>La inteligencia artificial ha alcanzado un nuevo umbral con la aparición de los <strong>agentes inteligentes</strong> (AI agents): modelos que no solo dominan el lenguaje y siguen instrucciones, sino que también pueden actuar con un grado notable de <strong>autonomía</strong>, llevando a cabo tareas complejas sin necesidad de intervención constante.</p><p>Un avance clave en este ámbito es el desarrollo del <strong>Model Context Protocol (MCP)</strong> por parte de <strong>Anthropic</strong>, creadores del modelo <strong>Claude</strong>. El MCP es un estándar abierto que permite conectar asistentes de IA con múltiples sistemas y fuentes de datos — repositorios de documentos, aplicaciones empresariales, entornos de desarrollo, entre otros — . Su objetivo es que los modelos accedan a información precisa y relevante en tiempo real, de forma segura y estructurada.</p><p>Gracias al MCP, los agentes ya no están limitados al conocimiento almacenado en su entrenamiento: ahora pueden integrarse fluidamente con herramientas y datos externos, y ejecutar flujos de trabajo más amplios. Esto les permite:</p><ul><li><strong>Planificar tareas</strong>: descomponer problemas en pasos concretos y ordenados.</li><li><strong>Reflexionar sobre el proceso</strong>: evaluar si los pasos que están siguiendo son adecuados y adaptarlos según los resultados.</li><li><strong>Buscar y reunir información</strong>: consultar diversas fuentes, internas o externas, para fundamentar sus decisiones.</li><li><strong>Interactuar con herramientas específicas</strong>: usar APIs, documentos internos o software empresarial según la tarea.</li><li><strong>Generar contenido intermedio</strong>: producir informes, resúmenes o cálculos como parte de una cadena de trabajo.</li><li><strong>Entregar soluciones razonadas</strong>: no solo dan una respuesta, sino que explican paso a paso cómo llegaron a ella.</li></ul><p>Una funcionalidad ejemplar de esta nueva generación es el <strong>“uso de computadora”</strong> en Claude, que le permite controlar interfaces gráficas: navegar por internet, hacer clic, escribir o ejecutar comandos, todo bajo autorización del usuario. Así, tareas repetitivas pueden delegarse al modelo, liberando tiempo para actividades más estratégicas o creativas.</p><p>Con estas capacidades, la IA deja de ser un asistente que responde consultas y se convierte en un <strong>colaborador autónomo</strong> que piensa, improvisa y actúa dentro de los límites definidos. Esta evolución plantea no solo desafíos tecnológicos, sino también organizacionales y éticos: nos obliga a repensar cómo diseñamos el trabajo, cómo tomamos decisiones y qué rol queremos darle a la inteligencia artificial en nuestra vida profesional.</p><p><strong>3. Tenemos IA, ¿y ahora qué?</strong></p><p>Una vez superada la sorpresa inicial — esa mezcla de asombro, fascinación y temor — surge la pregunta inevitable: ¿qué hacemos con esta tecnología? ¿Cómo la integramos, regulamos y aprovechamos? ¿Y qué lugar le reservamos al ser humano en un mundo donde las máquinas no solo ejecutan tareas, sino que también razonan, crean y hasta aconsejan?</p><p>La irrupción de la inteligencia artificial ha desbordado los marcos tradicionales de adopción tecnológica. No estamos simplemente ante una herramienta nueva, sino frente a un <strong>nuevo tipo de socio cognitivo</strong>. Las organizaciones más ágiles ya no se preguntan si usar IA, sino cómo integrarla sin perder el alma del negocio, cómo automatizar sin deshumanizar.</p><p>Y como si esto no fuera suficiente, el desarrollo de la IA ocurre en un <strong>contexto geopolítico inestable</strong>. La llamada <em>Era de las Tarifas</em> no es solo una disputa comercial entre Estados Unidos y China: es también una batalla por el liderazgo tecnológico del siglo XXI.</p><p>Restricciones a la exportación de chips avanzados, carreras por modelos fundacionales, bloqueos de inversión y nacionalización de infraestructuras clave son síntomas de esta nueva guerra fría digital. En este escenario, <strong>la soberanía tecnológica ya no es un lujo: es una prioridad estratégica</strong>, y la inteligencia artificial está en el centro del tablero.</p><p>Esto plantea desafíos prácticos. ¿Con datos de qué países se entrenan los modelos? ¿Bajo qué valores culturales? ¿Con qué nivel de transparencia? Lo que parece una decisión técnica es, en realidad, profundamente política.</p><p>Las organizaciones enfrentan una paradoja. Por un lado, necesitan subirse al tren de la IA para seguir siendo competitivas. Por otro, temen perder el control, destruir empleos o caer en dilemas éticos complejos. La solución no está en resistirse ni en adoptar la tecnología sin reflexión, sino en comprender que estamos ante un <strong>cambio de paradigma</strong>. Adoptar IA no es solo una decisión técnica: es una decisión estratégica, cultural y humana.</p><p>Las preguntas clave ya no son cuántos tokens consume un modelo o qué tan rápido responde. Son preguntas más profundas:</p><ul><li>¿Qué tareas queremos delegar y cuáles queremos seguir haciendo?</li><li>¿Cómo garantizamos que las decisiones automatizadas sean justas, explicables y auditables?</li><li>¿Qué valores queremos que reflejen nuestros sistemas inteligentes?</li></ul><p>En resumen: ya tenemos inteligencia artificial. Ahora nos toca decidir <strong>qué tipo de sociedad queremos construir con ella</strong>.</p><p><strong>4. Competencia, productividad y el nuevo entorno laboral: De la automatización a la aumentación</strong></p><p>Durante años, el principal temor ante el avance de la inteligencia artificial fue el <strong>reemplazo masivo de empleos</strong>. La narrativa era clara: las máquinas automatizarían tareas humanas y dejarían a millones sin trabajo. Si bien esa preocupación no es infundada, la realidad que estamos viviendo es más compleja — y también más esperanzadora.</p><p>Más allá de la <strong>automatización</strong>, emerge una oportunidad poderosa: la <strong>aumentación</strong>. No se trata solo de delegar tareas a las máquinas, sino de <strong>trabajar con ellas</strong>, usarlas como copilotos que amplifican nuestras capacidades, mejoran nuestra productividad y nos liberan para enfocarnos en lo que realmente agrega valor.</p><p>La IA puede redactar un correo, pero también ayudarte a escribir uno más claro. Puede analizar datos en segundos, pero también ayudarte a interpretarlos con sentido estratégico. Puede resumir un contrato, pero también alertarte de cláusulas inusuales. No se trata solo de sustitución: se trata de <strong>amplificación inteligente</strong>.</p><p><strong>El nuevo factor competitivo</strong></p><p>En este contexto, la verdadera competencia no será entre humanos y máquinas, sino entre quienes <strong>usan IA eficazmente y quienes no</strong>. Como en su momento ocurrió con la computación personal o internet, dominar estas herramientas será un diferenciador clave — tanto a nivel individual como organizacional.</p><p>Quienes sepan <strong>formular buenas preguntas</strong>, delegar con criterio y combinar intuición con análisis algorítmico estarán mejor posicionados. Del mismo modo, las empresas que integren la IA con visión estratégica — no solo para reducir costos, sino para mejorar la experiencia, acelerar la innovación y tomar mejores decisiones — tendrán una ventaja estructural.</p><p><strong>Nuevas habilidades para nuevos trabajos</strong></p><p>Este cambio también redefine qué significa estar “preparado para el futuro”. Ya no basta con programar o tener un título técnico. Las habilidades más valoradas serán la <strong>adaptabilidad</strong>, el juicio para interpretar respuestas generadas por IA y, sobre todo, aquellas cualidades que las máquinas no pueden replicar: la empatía, la comunicación efectiva, el pensamiento crítico, la creatividad y la ética.</p><p>La IA puede procesar millones de documentos, pero no puede entender el trasfondo emocional de una conversación difícil. Puede darte opciones, pero no puede decidir con valores ni asumir responsabilidades humanas.</p><p><strong>Un entorno más fluido, pero más incierto</strong></p><p>El entorno laboral que emerge es más dinámico, pero también más incierto. Los roles evolucionan rápidamente, las jerarquías se flexibilizan, y la línea entre tareas técnicas y creativas se difumina. Muchos trabajos desaparecerán, sí, pero muchos otros surgirán — algunos que aún ni imaginamos.</p><p>La pregunta ya no es si la IA eliminará empleos. La verdadera pregunta es:<br> <strong>¿Qué tipo de trabajo queremos que haga la IA… y qué trabajo queremos seguir haciendo nosotros?</strong></p><p><strong>5. Más datos, más decisiones… y más humanidad: Consejos para sobrevivir (y destacar) en la era de las tarifas</strong></p><p>Vivimos rodeados de datos. Decidimos con dashboards, medimos con métricas, optimizamos con modelos. Pero, paradójicamente, cuanto más nos apoyamos en la inteligencia artificial, más evidente se vuelve lo que no puede reemplazar: el juicio, la empatía, la intuición. La IA es poderosa, pero no sabe lo que nos importa. Puede predecir tendencias, pero no tiene valores. Puede argumentar con lógica, pero no tiene propósito.</p><p>En esta era de sobrecarga informativa, guerras comerciales y algoritmos omnipresentes, lo más escaso — y valioso — es la claridad humana. El verdadero diferencial ya no está solo en saber usar tecnología, sino en saber cuándo no usarla. En reconocer cuándo una decisión requiere contexto, matices o simplemente una conversación cara a cara.</p><p>Frente a este escenario, aquí van algunos principios para navegar (y destacar) en la era de la IA y las tarifas:</p><ul><li><strong>Aprende a pensar con máquinas, pero no como una máquina.</strong> Usa la IA como copiloto, no como piloto automático. La tecnología puede ayudarte a volar más alto, pero solo si tú sigues a cargo del rumbo.</li><li><strong>No subcontrates tu criterio.</strong> Delega tareas, pero no delegues tu responsabilidad de entender lo que haces y por qué lo haces.</li><li><strong>Cultiva lo que no se puede automatizar.</strong> La empatía, la creatividad, la capacidad de conectar ideas dispares… son ventajas evolutivas. Y ahora, también lo son laborales.</li><li><strong>Sigue aprendiendo, incluso lo que no es útil hoy.</strong> El mundo cambia rápido. Lo que parece inútil hoy, puede ser esencial mañana. El pensamiento lateral y la curiosidad son activos estratégicos.</li><li><strong>Prepara tu lugar en el sistema.</strong> Ya no basta con tener un currículum. Necesitas un rol claro en una red de valor, saber qué aportas y a quién, en un entorno que mezcla humanos, máquinas y mercados cada vez más inestables.</li></ul><p>En tiempos donde todo parece moverse más rápido de lo que podemos procesar, lo más revolucionario quizás no sea adoptar la próxima gran herramienta… sino detenerse a pensar, con calma, en lo que realmente queremos construir.</p><p><strong>Epílogo: construir con inteligencia</strong></p><p>La inteligencia artificial no es el final de nada. Es el comienzo de una nueva etapa: más incierta, más exigente, pero también más llena de posibilidades. No se trata de competir contra las máquinas, sino de <strong>redefinir lo que significa ser inteligente, ser humano, ser relevante</strong>.</p><p>Tenemos a disposición herramientas extraordinarias. Pero el verdadero reto no está en dominarlas, sino en usarlas para <strong>construir una sociedad más justa, más creativa y más consciente</strong>. Una donde los datos informen, pero no dicten. Donde la tecnología potencie, pero no sustituya. Donde el progreso no se mida solo en velocidad, sino también en dirección.</p><p>La inteligencia artificial ya está aquí. Ahora nos toca a nosotros ser más de inteligentes.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1e73634db649" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Blog: Cómo funciona el algoritmo de backpropagation]]></title>
            <link>https://medium.com/@ddiazsolis/blog-c%C3%B3mo-funciona-el-algoritmo-de-backpropagation-22575308f14b?source=rss-47d977dc557f------2</link>
            <guid isPermaLink="false">https://medium.com/p/22575308f14b</guid>
            <category><![CDATA[neural-networks]]></category>
            <category><![CDATA[tutorial-python]]></category>
            <category><![CDATA[backpropagation]]></category>
            <category><![CDATA[gradient-descent]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[David Díaz Solis]]></dc:creator>
            <pubDate>Wed, 26 Aug 2020 22:06:55 GMT</pubDate>
            <atom:updated>2020-08-26T22:06:55.734Z</atom:updated>
            <content:encoded><![CDATA[<p>por David Díaz S. Ph.D.</p><p>Inspirado en el artículo de: <a href="https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/">https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/</a></p><p>En este blog discutiremos paso a paso cómo funciona el algoritmo de retropropagación hacia atrás, que es una pieza fundamental de las Redes Neuronales Artificiales y muchas veces es considerado un “misterio”.</p><p>Está desarrollado en “seudo código”, es decir, se explica como si estuviéramos con “papel y lápiz” desarrollando los cálculos, sin embargo, se entrega una versión simple de los mismos para ser ejecutada en Python.</p><p>De manera fundamental, el algoritmo actualizará los parámetros de la red retropropagando el error hacia las capas interiores de la misma. Este proceso se realiza “de derecha a izquierda”, es decir, se parte primero estimando el efecto que los parámetros de las capas más cerca de la salida tienen en el output de la red, y con esa información se comienza a estimar progresivamente el efecto de los parámetros de las capas ocultas hasta llegar a las capas de entrada.</p><p>Para poder entender su funcionamiento, se recomienda tener conocimientos básicos de cálculo diferencial, esencialmente, de la regla de la cadena.</p><p>A continuación, discutimos en detalle este algoritmo.</p><h3>1. Definiendo la Arquitectura de la Red,</h3><p>Supongamos una red simple con dos inputs i1 e i2, con una capa oculta con dos neuronas h1 y h2, y dos neuronas en la capa de salida o1 y o2:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/436/1*G62cGJguZOXMQ7ElKpEACA.png" /><figcaption>Figura 1</figcaption></figure><p>En esta red, tanto las neuronas de la capa oculta, h1 y h2, y las de la capa de salida, o1 y o2 están siendo “activadas” ocupando la función logística (también conocida como sigmoide):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/227/1*TpDgFYgXoY4ktsyKHNGviQ.png" /><figcaption>Ecuación 1</figcaption></figure><p>Supongamos ahora que queremos entrenar nuestra red con los siguientes valores:</p><p>cuando el input es i1= 0.05 queremos que nuestra salida sea o1=0.01 y</p><p>cuando el input es i2= 0.1 queremos que nuestra salida sea o2=0.99</p><p>En nuestra primera iteración inicializaremos los parámetros de la red aleatoriamente. Supongamos que obtenemos los siguientes valores para nuestros coeficientes w y b:</p><p>b1=0.35 b2=0.6</p><p>w1=0.15 w2=0.2 w3=0.25 w4=0.3 w5=0.4 w6=0.45 w7=0.5 w8=0.55</p><p>visualmente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/436/1*j_YYqFqHeHwT3hcFe0MbHg.png" /><figcaption>Figura 2</figcaption></figure><pre>#podemos escribir esto en código de Python</pre><pre># los inputs están dados</pre><pre>i1=0.05</pre><pre>i2=0.1</pre><pre># los outputs están dados</pre><pre>o1=0.01</pre><pre>o2=0.99</pre><pre># iniciamos los parámetros w y b aleatoriamente y obtenemos estos resultados:</pre><pre>b1=0.35</pre><pre>b2=0.6</pre><pre><br>w1=0.15</pre><pre>w2=0.2</pre><pre>w3=0.25</pre><pre>w4=0.3</pre><pre>w5=0.4</pre><pre>w6=0.45</pre><pre>w7=0.5</pre><pre>w8=0.55</pre><pre># por supuesto en un código real tendríamos que inicializar los parámetros con alguna función aleatoria, por ejemplo, w_i=numpy.random.randn() o similar</pre><h3>2. FORWARD PASS</h3><p>Como ya contamos con los pesos aleatorios iniciales, podemos hacer los cálculos correspondientes. Esto se conoce como “forward pass”, o “feed forward” porque haremos entrar los inputs a la red, “de izquierda hacia la derecha”, realizando todos los cálculos hasta obtener nuestra primera estimación de las salidas de la red o1 y o2:</p><pre># Propagando los datos hacia adelante -&gt;</pre><pre># Calculamos los valores netos de la neuronas de la capa oculta (netos, es decir, antes de aplicarles la función de activación logística)</pre><pre># podemos ver que es solo una suma ponderada de los inputs a los que se les suma un término constante o &quot;bias&quot;:</pre><pre>net_h1=i1*w1+i2*w2+b1</pre><pre>net_h2=i1*w3+i2*w4+b1</pre><pre>print(&#39;net_h1=&#39;+ str(net_h1))</pre><pre>print(&#39;net_h2=&#39;+str(net_h2))</pre><p>el resultado será:</p><p>net_h1=0.3775</p><p>net_h2=0.39249999999999996</p><pre># Para calcular los valores finales o &quot;output&quot; de la neuronas, necesitamos aplicar la función de activación logística (u otra).</pre><pre># primero la definimos ocupando la Ecuación 1:</pre><pre>import numpy as np</pre><pre>def logistic_func(net):</pre><pre>    out=1/(1+np.exp(-net))</pre><pre>return out</pre><pre># ahora la aplico a cada una de las neuronas de la capa oculta</pre><pre>out_h1=logistic_func(net_h1)</pre><pre>out_h2=logistic_func(net_h2)</pre><pre>print(&#39;out_h1=&#39;+ str(out_h1))</pre><pre>print(&#39;out_h2=&#39;+ str(out_h2))</pre><p>el resultado será:</p><p>out_h1=0.5932699921071872</p><p>out_h2=0.596884378259767</p><p>Dado que ya hemos calculado los valores de la capa oculta, podemos proceder a calcular los valores de las neuronas de la capa de salida:</p><pre># primero calculamos el valor neto ocupando los pesos respectivos. notar que el input de las neuronas de la capa de salida o1 y o2,</pre><pre>#es el output de las neuronas de la capa oculta</pre><pre>net_o1=out_h1*w5+out_h2*w6+b2</pre><pre>net_o2=out_h1*w7+out_h2*w8+b2</pre><pre>print(&#39;net_o1=&#39;+ str(net_o1))</pre><pre>print(&#39;net_o2=&#39;+ str(net_o2))</pre><p>El valor resultante es:</p><p>net_o1=1.10590596705977</p><p>net_o2=1.2249214040964653</p><pre># nuevamente, a estos valores netos le aplicamos la función de activación Ecuación 1.</pre><pre>out_o1=logistic_func(net_o1)</pre><pre>out_o2=logistic_func(net_o2)</pre><pre><br>print(&#39;out_o1=&#39;+ str(out_o1))</pre><pre>print(&#39;out_o2=&#39;+ str(out_o2))</pre><p>Los resultados son:</p><p>out_o1=0.7513650695523157</p><p>out_o2=0.7729284653214625</p><p>Ya contamos con nuestra primera estimación para o1 y o2. Podemos comparar estos valores con respecto a los valores que deseamos la red aprenda a replicar i1 y i2. La diferencia entre ellos es el “error” de nuestra red:</p><pre># Calculamos los errores</pre><pre>e1=out_o1-o1</pre><pre>e2=out_o2-o2</pre><pre>print(e1,e2)</pre><p>0.7413650695523157 -0.21707153467853746</p><p>Podemos observar que los valores predichos out_o1 y out_o2 están lejos de los valores buscados o1 y o2, por lo tanto, los errores son bastante grandes. Esto se debe a que los parámetros w y b que escogimos obviamente todavía no han sido optimizados.</p><p>Para medir qué tan lejos estamos de los valores deseados, ocupamos una métrica o medida de ajuste, también conocida como función de costo o función de pérdida (en inglés Cost function o Loss Function).</p><p>Existen muchas, pero en este ejemplo implementaremos una de las más utilizadas: el Error Cuadrático o Squared Error.</p><p>Se calcula simplemente como la diferencia al cuadrado, a veces multiplicada por una constante, en este caso 1/2, para facilitar algunas derivadas que ocuparemos más adelante en el proceso de optimización.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/434/1*P_P1T6PcuB0Yym7pGEoRzg.png" /><figcaption>Ecuación 2</figcaption></figure><pre>loss_e1=0.5*(e1**2)</pre><pre>loss_e2=0.5*(e2**2)</pre><pre>print(loss_e1,loss_e2)</pre><p>0.274811083176155</p><p>0.023560025583847746</p><p>luego el error total de la red será simplemente la suma total de los errores al cuadrado cometidos en cada predicción.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/894/1*f58EdW8PNbiY6CDzjHE0sg.png" /><figcaption>Ecuación 3</figcaption></figure><pre>total_error=loss_e1+loss_e2</pre><pre>print(total_error)</pre><p>0.2983711087600027</p><h3>3. BACKWARD PASS. Optimizando los parámetros w y b de la red</h3><p>Sabemos que los parámetros w y b escogidos inicialmente no son óptimos, por lo que ahora queremos optimizarlos.</p><p>Para ello ocuparemos la técnica de gradiente descendiente. La idea es intentar estimar el efecto que cada uno de los parámetros de la red tiene sobre el error total de la misma. Si conocemos, por ejemplo, que incrementar el valor de w5 reducirá el error total, entonces, en la próxima iteración querremos ocupar un valor w5_actualizado&gt;w5_anterior.</p><p>Dado que la red tiene muchas capas y muchas neuronas en cada capa, el procedimiento a seguir consiste en ir preguntándonos cómo afecta cada uno de los parámetros de manera “encadenada”, es decir, iremos recorriendo la red desde la salida hacia la entrada, o, de derecha hacia la izquierda, e iremos viendo el efecto conjunto de cada sub-parte.</p><h3>3.1 Efecto de los parámetros de la capa de salida en el Error Total</h3><p>Primero entonces, estimaremos el efecto de los parámetros w5, w6, w7, w8 en las neuronas de la capa de salida de la red, o1 y o2, y por consecuente, en los errores respectivos e1 y e2, y así en el error total.</p><p>Por ejemplo, ¿comencemos preguntándonos cúanto cambia el error total cuando cambia el parámetro w5?</p><p>Para contestar esta pregunta observe la Figura 3</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/649/1*d1NXKynofZltZsU4Y9P7GQ.png" /><figcaption>Figura 3</figcaption></figure><p>Vemos que se produce una “cadena”, dado que el error total depende del valor Eo1 y Eo2, y estos del output de las neuronas o1 y o2.</p><p>A su vez, el valor ouput de o1, depende del valor neto de o1 y este finalmente de w5 y del valor de salida output de h1.</p><p>Como el E_o2, no depende de w5 ni directa, ni indirectamente lo podemos omitir.</p><p>Podemos expresar esta relación matemáticamente como una derivada parcial:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/562/1*UKRo9PUx_QMERCs2ZLWjpA.png" /></figure><p>Note que la derivada de la Ecuación 3 sólo nos muestra cómo el resultado de la red se ve afectado por un sólo parámetro (w5) de la capa oculta. Dado que la red contiene muchos parámetros, al conjunto de derivadas que representan cómo se afectan cada uno de los w y b se conoce como “Gradiente”.</p><p>Note además que el efecto de w5 en el error total (Ecuación 3), puede ser descompuesto en los componentes de la “cadena” mencionada cuando discutimos la Figura 3. Veamos ahora como podemos estimar cada uno de los estos componentes.</p><h3>3.1.1 Componente 1: cómo cambia el error total cuando cambia el out o1</h3><p>Para estimar este efecto, necesitamos derivar el error total definido en la Ecuación 2, con respecto al output de la neurona o1. Derivando obtenemos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/715/1*mBqd9DpkSaC2R8fPOCSWsA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/610/1*c7Gqy6S-gXBI8Hh6ifecjA.png" /></figure><p>Dado que conocemos el valor de o1 (target) y el valor de salida estimado por la red (out_o1) podemos calcular este efecto:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*65s0jWNHB2vB6gzFzKeasQ.png" /></figure><pre># numéricamente:</pre><pre>delta_e_wr_delta_out_o1=-(o1-out_o1)</pre><pre>print(delta_e_wr_delta_out_o1)</pre><p>0.7413650695523157</p><p>notar que el resultado es simplemente el Error 01!</p><h3>3.1.2 Componente 2: ¿Cómo cambia el output de la neurona de salida 1 con respecto al valor de su input?</h3><p>es equivalente a encontrar la derivada de la función de activación, en este caso logística, con respecto a su input. Recordando la Ecuación 1:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/227/1*TpDgFYgXoY4ktsyKHNGviQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/832/1*QnkMT5nyT-kha6O8hz_biQ.png" /></figure><p>Su derivada respecto a su input es:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*vvWiH-w4_v7qGsla1VYirQ.png" /><figcaption>Ecuación 5</figcaption></figure><p>luego,</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/989/1*ZsDfqPsiePU0P2rB2cQFDQ.png" /></figure><pre>#por lo tanto:</pre><pre>delta_o1_wr_net_o1=out_o1*(1-out_o1)</pre><pre>print(delta_o1_wr_net_o1)</pre><p>0.18681560180895948</p><h3>3.1.3 Componente 3: ¿cómo cambia el valor neto de la neurona o1 cuando cambia w5?</h3><p>es simplemente el valor de la neurona h1</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/548/1*IpU_xk0_JbRhe8qYSnhJWg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/796/1*7bJPwINJCS_taR4L3rhKNw.png" /><figcaption>Ecuación 6</figcaption></figure><pre>#numericamente:</pre><pre>delta_net_o1_wr_w5=out_h1</pre><pre>print(delta_net_o1_wr_w5)</pre><p>0.5932699921071872</p><h3>3.1.4 Finalmente puedo obtener el resultado de la pregunta original:</h3><h3>¿ Cúanto cambia el Error Total cuando cambia el parámetro w5?</h3><p>Recordando la Ecuación 3:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/562/1*UKRo9PUx_QMERCs2ZLWjpA.png" /></figure><pre>delta_e_total_wr_w5=delta_e_wr_delta_out_o1*delta_o1_wr_net_o1*delta_net_o1_wr_w5</pre><pre>print(delta_e_total_wr_w5)</pre><p>0.08216704056423078</p><pre>## o equivalentemente</pre><pre>e1*out_o1*(1-out_o1)*out_h1</pre><p>0.08216704056423078</p><h3>Esta ecuación también se conoce como “delta rule”:</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/754/1*2qj0t9S2L3-0sxXP6H8AEA.png" /><figcaption>Ecuación 7</figcaption></figure><p>Podemos replicar el proceso o ocupar la delta rule para obtener las derivadas de los parámetros faltantes, w6, w7, w8:</p><pre>delta_e_total_wr_w6=e1*out_o1*(1-out_o1)*out_h2</pre><pre>delta_e_total_wr_w7=e2*out_o2*(1-out_o2)*out_h1</pre><pre>delta_e_total_wr_w8=e2*out_o2*(1-out_o2)*out_h2</pre><pre>print(delta_e_total_wr_w6,delta_e_total_wr_w7,delta_e_total_wr_w8)</pre><p>0.08266762784753325</p><p>0.02260254047747507</p><p>-0.022740242215978222</p><h3>3.2 Actualizando los parámetros de la capa de salida usando los gradientes estimados.</h3><p>Conociendo el gradiente (matriz de todas las derivadas parciales) ahora podemos calcular los nuevos pesos siguiendo la lógica del gradiente descendiente (me muevo en la dirección opuesta para minimizar el error).</p><p>por ejemplo para actualizar el parametro w5:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/863/1*XcqSHShER30M2lZa9Y4_Uw.png" /><figcaption>Ecuación 8</figcaption></figure><p>n representa a la letra griega “eta” y se conoce como la tasa de aprendizaje o “learning rate”, en este caso eta=0.5</p><pre>#numericamente</pre><pre>eta=0.5</pre><pre>w5_new=w5-eta*delta_e_total_wr_w5</pre><pre>print(w5_new)</pre><p>0.35891647971788465</p><pre>#equivalentemente para los otros parámetros:</pre><pre>w6_new=w6-eta*delta_e_total_wr_w6</pre><pre>w7_new=w7-eta*delta_e_total_wr_w7</pre><pre>w8_new=w8-eta*delta_e_total_wr_w8</pre><pre>print(w6_new,w7_new,w8_new)</pre><p>0.4086661860762334</p><p>0.5113012702387375</p><p>0.5613701211079891</p><h3>4. Siguiente paso: ¿Cómo actualizar los parámetros de la capa oculta?</h3><p>Procedamos ahora a discutir como podemos estimar el efecto de los parámetros que están más “escondidos” en la red, es decir, aquellos que no se encuentran directamente conectados a las salidas.</p><p>Por ejemplo, ¿cómo podemos estimar cúanto afecta el parametro w1 al error total y así, poder optimizarlo en la próxima iteración?</p><p>visualmente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/802/1*JBO2pe1vOmiEJTpTBSyPOw.png" /><figcaption>Figura 4</figcaption></figure><p>Una vez más ocuparemos el truco del encadenamiento de efectos, o “regla de la cadena”.</p><p>En la figura anterior podemos ver la cadena de eventos que nos interesa. El error Total depende de la salida de las neuronas o1 y o2. Éstas a su vez dependen del output de la neurona h1. Este ouput depende del valor antes de la activación, es decir, del valor neto. Finalmente, este valor neto depende de w1.</p><p>Matemáticamente podemos mostrar esta relación cómo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/421/1*CltITxulcbGuhGv-vv9XVw.png" /><figcaption>Ecuación 9</figcaption></figure><p>La Ecuación 9 es clave para contestar nuestra pregunta, pero note que está compuesta por 3 componentes principales. Además, cada uno de estos componentes estará “encadenado” a los resultados de las capas posteriores, es decir, tendrá sub-componentes propios que tendremos que ir estimando cuidadosamente.</p><p>Así, el primer término de la Ecuación 9, puede a su vez ser descompuesto en 2 sub-componentes, las partes que corresponden a cada uno de los errores (Ecuación 10):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/315/1*lCnl5oG_6uXkNGebH5HFmg.png" /><figcaption>Ecuación 10</figcaption></figure><h3>4.1 Podemos estimar ahora el primer término:</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/299/1*89QBWqSNdOuSOCJ_VVnITg.png" /><figcaption>Ecuación 11</figcaption></figure><h3>4.1.1 Respecto del primer componente, ya conocemos su estructura y valores númericos:</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/71/1*DC1Y3GgwLZ9PqyfYZ1YSWA.png" /><figcaption>Ecuación 12</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/914/1*aTYTQDJW7FVcvDqGDK6jLg.png" /><figcaption>Ecuación 13</figcaption></figure><pre>delta_e_o1_wr_delta_out_o1=-(o1-out_o1)</pre><pre>print(delta_e_o1_wr_delta_out_o1)</pre><p>0.7413650695523157</p><pre>delta_o1_wr_net_o1=out_o1*(1-out_o1)</pre><pre>print(delta_o1_wr_net_o1)</pre><p>0.18681560180895948</p><pre># valor estimado:</pre><pre>delta_eo1_wr_net_o1=delta_e_o1_wr_delta_out_o1*delta_o1_wr_net_o1</pre><pre>print(delta_eo1_wr_net_o1)</pre><p>0.13849856162855698</p><h3>4.1.2 Respecto del segundo componente:</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/71/1*vmjAyG8PnK5tDc2CucplKw.png" /><figcaption>Ecuación 14</figcaption></figure><p>Podemos estimar esta derivada cómo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/548/1*IpU_xk0_JbRhe8qYSnhJWg.png" /><figcaption>Ecuación 15</figcaption></figure><p>Lo que nos da como resultado simplemente w5:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/254/1*wYGZzRexdFzH-XPTq8w6QA.png" /><figcaption>Ecuación 16</figcaption></figure><pre>delta_net_o1_wr_out_h1=w5</pre><pre>print(delta_net_o1_wr_out_h1)</pre><p>0.4</p><p>Como ya tenemos todos los componentes podemos estimar el primer término de la ecuación 10:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/820/1*gT5RtrvJE48ix_qdCpsKZA.png" /></figure><pre>delta_e_o1_wr_out_h1=delta_eo1_wr_net_o1*delta_net_o1_wr_out_h1</pre><pre>print(delta_e_o1_wr_out_h1)</pre><p>0.05539942465142279</p><h3>4.2 Podemos replicar ahora esta lógica para estimar el segundo término de la ecuación 10:</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/71/1*f1wsjTVjP9t-foI1BqBbVw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/313/1*rRP2MJIH15kNITxgsaiJbw.png" /></figure><pre># Estimando el segundo componente de la ecuación 10:</pre><pre>delta_e_o2_wr_delta_out_o2=-(o2-out_o2)</pre><pre>print(&quot;delta_e_o2_wr_delta_out_o2&quot;)</pre><pre>print(delta_e_o2_wr_delta_out_o2)</pre><pre><br>delta_o2_wr_net_o2=out_o2*(1-out_o2)</pre><pre>print(&quot;delta_o2_wr_net_o2&quot;)</pre><pre>print(delta_o2_wr_net_o2)</pre><pre>delta_eo2_wr_net_o2=delta_e_o2_wr_delta_out_o2*delta_o2_wr_net_o2</pre><pre>print(&quot;delta_eo2_wr_net_o2&quot;)</pre><pre>print(delta_eo2_wr_net_o2)</pre><pre><br>delta_net_o2_wr_out_h1=w7  # notar que en este caso la derivada nos da w7</pre><pre>print(&quot;delta_net_o2_wr_out_h1&quot;)</pre><pre>print(delta_net_o2_wr_out_h1)</pre><pre><br>delta_e_o2_wr_out_h1=delta_eo2_wr_net_o2*delta_net_o2_wr_out_h1</pre><pre>print(&quot;delta_e_o2_wr_out_h1&quot;)</pre><pre>print(delta_e_o2_wr_out_h1)</pre><p>delta_e_o2_wr_delta_out_o2</p><p>0.21707153467853746</p><p>delta_o2_wr_net_o2</p><p>0.17551005281727122</p><p>delta_eo2_wr_net_o2</p><p>0.03809823651655623</p><p>delta_net_o2_wr_out_h1</p><p>0.5</p><p>delta_e_o2_wr_out_h1</p><p>-0.019049118258278114</p><p>El resultado de la ecuación 10 es:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/984/1*fXcMPvVGPcUOmlqR0W_Rjw.png" /></figure><pre># El resultado de la ecuación 10 es:</pre><pre>delta_e_total_delta_out_h1=delta_e_o1_wr_out_h1+delta_e_o2_wr_out_h1</pre><pre>print(&quot;delta_e_total_delta_out_h1&quot;)</pre><pre>print(delta_e_total_delta_out_h1)</pre><p>delta_e_total_delta_out_h1 0.03635030639314468</p><h3>4.5 Cálculo final del gradiente.</h3><p>Recordando, la ecuación 10, representa sólo el primer componente de la ecuación 9, la que finalmente nos dará el efecto total del parámetro w1 en el error total:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/421/1*CltITxulcbGuhGv-vv9XVw.png" /><figcaption>Ecuación 9</figcaption></figure><p>Ahora estimaremos los otros dos componentes de la Ecuación 9, siguiendo la lógica que ocupamos en la sección anterior:</p><p>Para el componente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/254/1*wYGZzRexdFzH-XPTq8w6QA.png" /></figure><p>sabemos que</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/232/1*ORUP2Q_9i16hEI0Z3pqFOQ.png" /></figure><p>y que su derivada respecto de la entrada neta es:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/995/1*MRq5Vq6Bw7LbYL6zoT0ZcA.png" /></figure><pre>delta_out_h1_wr_delta_net_h1=out_h1*(1-out_h1)</pre><pre>print(&quot;delta_out_h1_wr_delta_net_h1&quot;)</pre><pre>print(delta_out_h1_wr_delta_net_h1)</pre><p>delta_out_h1_wr_delta_net_h1</p><p>0.24130070857232525</p><p>Para el componente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/71/1*qnBTsLCUoHcDoTAncWPhgQ.png" /></figure><p>calculamos la derivada del valor con respecto al w correspondiente, en este caso w1:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/453/1*xvjfEIxc1KFzpfq8O9rrrw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/242/1*VMQ24r5fk7rYoSMiJI5pvw.png" /></figure><pre>delta_net_h1_wr_w1=i1</pre><pre>print(&quot;delta_net_h1_wr_w1&quot;)</pre><pre>print(delta_net_h1_wr_w1)</pre><p>delta_net_h1_wr_w1</p><p>0.05</p><p>Ahora ya contamos con todos los componentes de la Ecuación 9:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/421/1*CltITxulcbGuhGv-vv9XVw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*8Z_57uhDKwGOniaZT9MqyQ.png" /></figure><pre>delta_e_total_wr_delta_w1=delta_e_total_delta_out_h1*delta_out_h1_wr_delta_net_h1*delta_net_h1_wr_w1</pre><pre>print(&quot;delta_e_total_wr_delta_w1&quot;)</pre><pre>print(delta_e_total_wr_delta_w1)</pre><p>delta_e_total_wr_delta_w1</p><p>0.00043856773447434685</p><h3>4.6 Actualizando los parámetros de la capa oculta</h3><p>Cómo ya hemos estimado la derivada del error total respecto de w1 (Ecuación 9), podemos ocupar este gradiente para actualizar el parámetro hacía uno que disminuya el error. El nuevo valor del parámetro w1 será:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/896/1*u9nFynldZh_7Jz5jr_H_hA.png" /></figure><pre>w1_new=w1-eta*delta_e_total_wr_delta_w1</pre><pre>print(&quot;w1_new&quot;)</pre><pre>print(w1_new)</pre><p>w1_new</p><p>0.1497807161327628</p><p>Repetiendo este procedimiento para w2, w3, y w4 obtendriamos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/509/1*02pgpWmLDT9exIpEzfeJtA.png" /></figure><h4>** Ejercicio propuesto. Verifique que los nuevos valores de w2, w3, y w4 son los indicados en la celda anterior.**</h4><h3>5. Nueva iteración usando los parámetros actualizados.</h3><p>Si ahora ocupamos los nuevos valores de los parámetros obtendremos:</p><pre># Propagando los datos hacia adelante -&gt;</pre><pre># Calculamos los valores netos de la neuronas de la capa oculta (netos, es decir, antes de aplicarles la función de activación logística)</pre><pre># podemos ver que es solo una suma ponderada de los inputs a los que se les suma un término constante o &quot;bias&quot;:</pre><pre>w1=w1_new</pre><pre>w2=0.19956143</pre><pre>w3=0.24975114</pre><pre>w4=0.29950229</pre><pre>w5=w5_new</pre><pre>w6=w6_new</pre><pre>w7=w8_new</pre><pre><br>net_h1=i1*w1+i2*w2+b1</pre><pre>net_h2=i1*w3+i2*w4+b1</pre><pre>print(&#39;net_h1=&#39;+ str(net_h1))</pre><pre>print(&#39;net_h2=&#39;+str(net_h2))</pre><p>net_h1=0.37744517880663814</p><p>net_h2=0.392437786</p><pre># necesitamos aplicar la función de activación logística (u otra).</pre><pre># ahora la aplico a cada una de las neuronas de la capa oculta</pre><pre>out_h1=logistic_func(net_h1)</pre><pre>out_h2=logistic_func(net_h2)</pre><pre><br>print(&#39;out_h1=&#39;+ str(out_h1))</pre><pre>print(&#39;out_h2=&#39;+ str(out_h2))</pre><p>out_h1=0.5932567636467482</p><p>out_h2=0.5968694086464008</p><pre># calculamos el valor neto ocupando los pesos respectivos. notar que el input de las neuronas de la capa de salida o1 y o2,</pre><pre>#es el output de las neuronas de la capa oculta</pre><pre>net_o1=out_h1*w5+out_h2*w6+b2</pre><pre>net_o2=out_h1*w7+out_h2*w8+b2</pre><pre><br>print(&#39;net_o1=&#39;+ str(net_o1))</pre><pre>print(&#39;net_o2=&#39;+ str(net_o2))</pre><p>net_o1=1.0568499739940174</p><p>net_o2=1.2613147960120292</p><pre># nuevamente, a estos valores netos le aplicamos la función de activación Ecuación 1.</pre><pre>out_o1=logistic_func(net_o1)</pre><pre>out_o2=logistic_func(net_o2)</pre><pre>print(&#39;out_o1=&#39;+ str(out_o1))</pre><pre>print(&#39;out_o2=&#39;+ str(out_o2))</pre><p>out_o1=0.7420881111887568</p><p>out_o2=0.7792523595555513</p><pre># Calculamos los errores</pre><pre>e1=out_o1-o1</pre><pre>e2=out_o2-o2</pre><pre>print(e1,e2)</pre><p>0.7320881111887568 -0.21074764044444871</p><pre>loss_e1=0.5*(e1**2)</pre><pre>loss_e2=0.5*(e2**2)</pre><pre>print(loss_e1,loss_e2)</pre><p>0.26797650127196077 0.022207283976451317</p><pre>total_error=loss_e1+loss_e2</pre><pre>print(total_error)</pre><p>0.2901837852484121</p><p>Podremos notar que el error total en esta iteración (dado el eta=0.5) disminuyó considerablemente desde el valor inicial 0.298371109, a un valor de 0.2901837852484121. Si repitieramos este proceso muchas veces, lograriamos disminuir el error consistentemente, en el algunos caso incluso llegando a Error total=0.</p><h3>Si la red contara con muchas más capas ocultas, se seguiría repitiendo esta lógica hasta lograr optimizar todos los parámetros de la misma. La misma lógica se puede extender para optimizar también los parámetros b1 y b2 (bias o constantes).</h3><ul><li>Para redes muy grandes, o más bien, que cuenten con muchas capas ocultas secuenciales del tipo “deep learning” este algoritmo puede tener problemas conocidos como “exploding or vanishing gradient”. Existen maneras de solucionar esta problemática, pero estan fuera del propósito de este artículo.</li></ul><h3>Este es el fin de este artículo, si deseas puedes visitar mi google colab donde se pueden ir ejecutando los códigos de python respectivos:</h3><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/29e68731d86e5e38baee98a00056099e/href">https://medium.com/media/29e68731d86e5e38baee98a00056099e/href</a></iframe><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=22575308f14b" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>