"Red neuronal" se usa como sinónimo de "IA", pero son matemáticas muy concretas: sumas, multiplicaciones y una función de umbral, repetidas miles de veces. En este artículo explicamos el perceptrón (la neurona más simple), qué cambia en una CNN, y lo mostramos con un caso real en producción, no un diagrama de pizarrón: la red de ~11,500 parámetros que decide las jugadas de un bot de IA en un videojuego de estrategia.
Una red neuronal artificial es una función matemática que aprende a partir de ejemplos, en vez de seguir reglas escritas a mano. Recibe números de entrada (pueden ser el precio de un producto, los píxeles de una imagen, o la posición de unidades en un mapa de juego), los combina en varias capas de "neuronas", y produce una salida: una predicción, una clasificación, una decisión. Lo que hace "aprender" a la red es el entrenamiento: ajustar miles o millones de números internos (los pesos) para que, dado un ejemplo de entrada, la salida se acerque cada vez más al resultado correcto.
Antes de las redes profundas de hoy existió el perceptrón (1958, Frank Rosenblatt): una sola neurona artificial. Su matemática completa son tres pasos:
Cada entrada x tiene su propio peso w, que mide cuánto importa esa entrada para la decisión. z es simplemente la suma de todas las entradas multiplicadas por su peso. f(z) convierte ese número en la salida real — en el perceptrón original, un simple sí/no según si z supera un umbral. La tercera línea es el aprendizaje: si la red se equivocó, ajusta cada peso un poco, en la dirección que reduce el error, multiplicado por una tasa de aprendizaje η (eta). Repetido miles de veces sobre miles de ejemplos, los pesos convergen a valores que, en conjunto, "saben" resolver el problema.
Una limitación real del perceptrón: una sola neurona solo puede separar datos con una línea recta. Para patrones más complejos hace falta apilar neuronas en capas — eso es, literalmente, lo que significa "deep" en "deep learning": varias capas de neuronas, cada una aprendiendo una combinación distinta de lo que detectó la capa anterior.
Una red neuronal convolucional (CNN, por "Convolutional Neural Network") es una red diseñada específicamente para datos con estructura espacial: imágenes, mapas, cualquier cosa donde la posición relativa importa. La diferencia clave frente a una capa densa (donde cada neurona mira todas las entradas a la vez) es que una neurona convolucional solo mira una pequeña ventana local — por ejemplo, un bloque de 3×3 píxeles — y ese mismo filtro se desliza por toda la imagen, buscando el mismo patrón en cada posición. Esto tiene dos ventajas prácticas: muchas menos conexiones que aprender (el filtro se reutiliza en vez de tener un peso distinto para cada píxel de cada posición), y detección de patrones sin importar dónde aparezcan en la imagen.
Una CNN típica apila varias de estas capas convolucionales (cada una detectando patrones más complejos que la anterior: bordes, luego formas, luego objetos), intercaladas con capas de "pooling" que resumen/reducen la información, y termina en una o más capas densas normales que toman esa información ya condensada y producen la decisión final.
Para que esto no se quede en teoría, así se ve una CNN real, chica pero en producción de verdad: el modelo que controla a los bots de IA de CraftWar (un RTS 1v1 desarrollado internamente), jugando partidas reales contra otros jugadores y bots, en un servidor de Linux, sin GPU, en milisegundos por jugada.
Cada "jugada" del bot arranca convirtiendo el mapa de la partida en una imagen diminuta de 16×16 píxeles con 4 canales — igual que una foto normal tiene 3 canales (rojo/verde/azul), esta tiene: mis unidades, unidades enemigas, unidades neutrales, y densidad de árboles. A eso se le suman 13 números sueltos (oro, madera, población, en qué ola de enemigos van, estadísticas de combate). Esa imagen pasa por la red:
| Capa | Qué hace | Parámetros |
|---|---|---|
| conv1 | 8 filtros 3×3, detecta patrones locales básicos | 296 |
| conv2 | 16 filtros 3×3, combina lo que vio conv1 | 1,168 |
| pooling | resume el mapa 16×16 a un resumen de 4×4 | 0 (sin pesos) |
| capa densa (fc1) | 269 entradas → 32 neuronas | 8,640 |
| 9 cabezas de salida | 9 decisiones distintas en paralelo (qué construir, atacar o retirarse, etc.) | 1,419 |
| Total | ≈11,523 parámetros |
Dos decisiones de diseño reales valen la pena destacar. Primero, 9 cabezas de salida en paralelo en vez de una sola: el tronco de la red (las capas conv1/conv2/fc1) se calcula una sola vez por jugada, y a partir de ahí, 9 mini-clasificadores independientes responden 9 preguntas distintas al mismo tiempo — qué unidad entrenar, si subir una torre, si el héroe debe pelear o retirarse — en vez de nueve pasadas completas por la red. Segundo, y menos común: la inferencia es matemática entera, no de punto flotante. Cada peso se guarda como un entero de 16 bits en formato de punto fijo (el valor real multiplicado por 256), y toda la red corre sin un solo "float". La razón es específica del producto: CraftWar es multijugador con simulación sincronizada entre ambos jugadores (lockstep); si la red usara decimales normales, dos computadoras distintas podrían redondear de forma ligeramente distinta y desincronizar la partida. Con enteros, el resultado es idéntico, bit por bit, siempre.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel