Explicar cómo varias capas pueden construir motivos simples hacia motivos más compuestos.
Prueba de éxito: explica «¿Por qué apilar varias capas?», realiza «Transparencias en cascada» y cita el límite de la comparación.
Para preparar un cartel, Samira recibe mosaicos de casas. Empieza detectando los bordes, junta algunos bordes en esquinas, y luego combina las esquinas en ventanas. Su compañero Emilio quiere buscar directamente «casa» en cada casilla y se pierde. Una red profunda puede aprender una progresión parecida: cada capa transforma la representación recibida. Los motivos útiles, sin embargo, no se deciden a mano y deben controlarse con nuevos ejemplos.
Para razonar como un o una científica, separa lo que se le da al modelo, lo que calcula y lo que se mide. Aquí, tu referencia es «¿Por qué apilar varias capas?».
El flujo muestra una composición gradual, y luego recuerda que el último paso es una verificación con un ejemplo nuevo. Lee el dibujo de arriba hacia abajo: cada flecha anuncia una transformación o una verificación, nunca un pensamiento de la máquina.
La comparación: Es como fabricar una figura con ladrillos: trazos, ángulos, formas, y luego el objeto completo.
Donde se queda corta: En una red, los «ladrillos» son números aprendidos, no conceptos que necesariamente lleven los mismos nombres que los nuestros. Una comparación ayuda a empezar; no reemplaza los datos, los cálculos ni una prueba.
Material: cuatro hojas transparentes o calcos, un rotulador y un mosaico 6 × 6
Tiempo sugerido: 10 a 20 minutos.
Observación esperada: cada capa reutiliza el resultado anterior y una información perdida temprano no puede recrearse por arte de magia.
Inventa un mosaico donde la regla simple «cuatro esquinas igual a ventana» falle, y explica por qué más profundidad no basta.
Un modelo complejo puede parecer impresionante y a la vez reproducir motivos accidentales. Compáralo siempre con una regla simple en una prueba separada.
Pregunta responsable: Si una línea base ya alcanza el objetivo, ¿qué beneficio concreto justificaría una red más profunda?
¿Qué produce una capa oculta?
Corrección: Una nueva representación numérica calculada a partir de la capa anterior.
¿Más capas garantiza un mejor resultado?
Corrección: No. La profundidad añade capacidad pero también dificultades de entrenamiento y de control.
¿Por qué probar con una imagen nunca vista?
Corrección: Para verificar que la jerarquía aprendida generaliza en vez de memorizar los mosaicos.
Constructora de representaciones — Ganas esta insignia si puedes explicar el esquema sin leer, mostrar el resultado de la actividad y corregir una respuesta errónea con amabilidad.