049 — Perceptrón y límites de separabilidad

← Clase anterior · Índice de la parte · Clase siguiente →

Parte: 04 — Redes neuronales y deep learning
Nivel: intermedio-avanzado · Horas estimadas: 6
Laboratorio: neural · Estado: EXECUTABLE_CORE

🎯 Propósito

Comprender perceptrón y límites de separabilidad dentro de la evolución de la inteligencia artificial, implementar un experimento mínimo verificable y distinguir qué parte constituye evidencia frente a una afirmación todavía no comprobada.

📚 Resultados de aprendizaje

Al finalizar podrás:

  1. Explicar perceptrón y límites de separabilidad usando los conceptos perceptrón, separabilidad, pesos, sesgo.
  2. Ejecutar el laboratorio con una semilla explícita y revisar su contrato JSON.
  3. Identificar al menos un supuesto, una limitación y un riesgo de aplicación.
  4. Comparar el enfoque con la etapa anterior de la ruta de aprendizaje.
  5. Producir una evidencia reproducible y una conclusión que no exceda los datos.

🧩 Conceptos centrales

perceptrón, separabilidad, pesos, sesgo

🗺️ Ubicación en el mapa de la IA

El perceptrón (Rosenblatt, 1958) es la primera máquina de aprendizaje conexionista: en lugar de programar reglas simbólicas, ajusta pesos a partir de ejemplos. Su límite —solo resuelve problemas linealmente separables, como demostraron Minsky y Papert en 1969 con XOR— provocó el primer "invierno" de las redes neuronales y motiva directamente la clase siguiente: capas ocultas y backpropagation rompen esa barrera.

📖 Fundamentos

🧠 De la neurona biológica al modelo matemático

Una neurona artificial recibe entradas x = (x₁, …, xₙ), las pondera con pesos w = (w₁, …, wₙ), suma un sesgo b y aplica una función de activación. El perceptrón usa la función escalón:

z = w · x + b = Σᵢ wᵢ·xᵢ + b
ŷ = 1  si z ≥ 0
ŷ = 0  si z < 0

Geométricamente, w · x + b = 0 define un hiperplano: una recta en 2D, un plano en 3D. El perceptrón clasifica según el lado del hiperplano en que cae cada punto. El sesgo b desplaza el hiperplano fuera del origen; sin él, la frontera pasaría siempre por (0, 0).

🔁 Regla de aprendizaje del perceptrón

El algoritmo de Rosenblatt recorre los ejemplos y corrige solo cuando se equivoca:

para cada época:
    para cada ejemplo (x, y):
        ŷ = escalón(w · x + b)
        si ŷ ≠ y:
            w ← w + η · (y − ŷ) · x
            b ← b + η · (y − ŷ)

Con η (tasa de aprendizaje) > 0, la corrección empuja el hiperplano hacia el ejemplo mal clasificado: si y = 1 y ŷ = 0, suma x a los pesos (acerca la frontera); si y = 0 y ŷ = 1, resta x. El teorema de convergencia del perceptrón (Novikoff, 1962) garantiza que si los datos son linealmente separables con margen γ > 0, el algoritmo converge en un número finito de actualizaciones, acotado por (R/γ)², donde R es el radio de los datos.

🚧 Separabilidad lineal y el problema XOR

Un conjunto es linealmente separable si existe un hiperplano que deja todas las instancias positivas a un lado y las negativas al otro. XOR no lo es. Prueba por contradicción con las cuatro entradas booleanas (y = 1 para (0,1) y (1,0)):

(0,0) → 0:  b < 0
(0,1) → 1:  w₂ + b ≥ 0
(1,0) → 1:  w₁ + b ≥ 0
(1,1) → 0:  w₁ + w₂ + b < 0

Sumando las filas 2 y 3:  w₁ + w₂ + 2b ≥ 0  →  w₁ + w₂ + b ≥ −b > 0
Contradicción con la fila 4. No existe (w₁, w₂, b) que satisfaga las cuatro.

Minsky y Papert (Perceptrons, 1969) formalizaron esta y otras limitaciones (paridad, conectividad), lo que redujo drásticamente la financiación del conexionismo hasta que el MLP con backpropagation (clase 050) mostró que componer unidades no lineales en capas resuelve XOR y mucho más.

🧮 Ejemplo trabajado

Entrenamos un perceptrón para la función AND con w = (0, 0), b = 0, η = 1 y regla escalón(z ≥ 0 → 1). Primeras dos épocas (solo se muestran los pasos con actualización):

Paso x y z = w·x+b ŷ error (y−ŷ) w nuevo b nuevo
1.1 (0,0) 0 0 1 −1 (0,0) −1
1.4 (1,1) 1 −1 0 +1 (1,1) 0
2.1 (0,0) 0 0 1 −1 (1,1) −1
2.2 (0,1) 0 0 1 −1 (1,0) −2
2.4 (1,1) 1 −1 0 +1 (2,1) −1

Continuando el mismo procedimiento, el algoritmo converge en la época 6 con w = (2, 1), b = −3: comprueba que 2x₁ + x₂ − 3 ≥ 0 solo para (1,1). La frontera de decisión es la recta 2x₁ + x₂ = 3. Si repites el proceso con XOR, las actualizaciones ciclan indefinidamente: no hay hiperplano que encontrar.

📊 Propiedades y comparación

Modelo Frontera Salida Entrenamiento Converge si…
Perceptrón lineal binaria dura (0/1) regla de error, online datos separables (garantía finita)
Regresión logística lineal probabilidad σ(z) descenso de gradiente sobre pérdida convexa siempre (mínimo global)
SVM lineal lineal de margen máximo binaria + margen optimización convexa siempre
MLP (clase 050) no lineal flexible backpropagation, no convexo sin garantía global 
flowchart LR
    X1["x1"] -->|w1| S["Σ  z = w·x + b"]
    X2["x2"] -->|w2| S
    B["sesgo b"] --> S
    S --> A{"z ≥ 0"}
    A -->|sí| Y1["ŷ = 1"]
    A -->|no| Y0["ŷ = 0"]
    Y1 --> E["¿ŷ = y?"]
    Y0 --> E
    E -->|no| U["w ← w + η(y−ŷ)x"]
    U --> S

⚠️ Errores conceptuales frecuentes

  1. "El perceptrón minimiza una función de pérdida diferenciable." No: la regla de Rosenblatt es una corrección por error con salida escalón, no descenso de gradiente sobre una pérdida suave (eso es la regresión logística o ADALINE).
  2. "Si el perceptrón no converge, hay que entrenar más épocas." Si los datos no son linealmente separables, ninguna cantidad de épocas ayuda: el algoritmo cicla.
  3. "XOR demostró que las redes neuronales no sirven." Demostró que una capa no basta; un MLP con una capa oculta de 2 neuronas resuelve XOR exactamente.
  4. "El sesgo b es opcional." Sin sesgo, la frontera pasa por el origen y problemas triviales (p. ej. AND) pueden volverse irresolubles según la codificación.
  5. "Más features siempre ayudan a separar." Proyectar a dimensiones altas puede lograr separabilidad, pero también memorización sin generalización: separar el conjunto de entrenamiento no implica clasificar bien datos nuevos.

🚀 Del aprendizaje a la operación

Entre este núcleo educativo y un clasificador real faltan: features numéricas estandarizadas (no entradas booleanas de juguete), validación con datos separados del entrenamiento, una pérdida calibrada en probabilidad si la decisión tiene costos asimétricos, y monitoreo de deriva de datos. Hoy nadie despliega un perceptrón puro, pero su regla de actualización sobrevive en cada capa lineal de una red moderna.

🧪 Laboratorio

python lab.py

El laboratorio llama a ai_evolution.labs.run_lab("neural"). Esta decisión evita 183 implementaciones divergentes: cada clase tiene un entrypoint propio, pero los motores didácticos se prueban como una biblioteca común.

🔍 Evidencia esperada

📓 Notebooks

📝 Evaluación

Criterio Peso
Comprensión conceptual 25 %
Ejecución reproducible 25 %
Interpretación basada en evidencia 25 %
Riesgos, límites y mejora propuesta 25 %

Consulta assessment.md para preguntas y criterio de aceptación.

⚠️ Errores comunes

Síntoma Causa probable Corrección
El código corre, pero no hay conclusión Se confundió ejecución con aprendizaje Explica qué demuestra y qué no demuestra
El resultado cambia sin explicación No se registró semilla o configuración Conserva semilla, versión y parámetros
Se promete uso real Se extrapoló desde una demo educativa Declara entorno, datos, límites y revisión humana
Se copia una métrica aislada No existe baseline ni costo de error Añade comparación y criterio de decisión

❓ Preguntas frecuentes

¿Debo usar una API comercial?
No. El núcleo funciona localmente. Las extensiones LIVE se documentan por separado.

¿El laboratorio representa una implementación industrial?
No por sí solo. Enseña el contrato y el patrón; producción exige integración, seguridad, observabilidad, pruebas y operación.

¿Dónde profundizo?
Revisa las especializaciones enlazadas en el README raíz y la ruta siguiente.

🔗 Referencias

📜 Papers que fundamentan esta clase

Bloque generado por python scripts/link_papers_to_classes.py. La fuente es papers/catalog/papers.json.

Paper Año Qué desbloqueó Miniatura
P01 · El perceptrón: un modelo probabilístico de almacenamiento y organización de información en el cerebro 1958 Primera máquina que aprende sus propios pesos a partir de ejemplos en lugar de ejecutar reglas escritas por una persona. notebook

Cada ficha explica el problema anterior, la matemática mínima, los límites y los errores de atribución más frecuentes. Para leerlas con método: cómo leer un paper de IA · anexos matemáticos.

📚 Bibliografía de apoyo

Bloque generado por python scripts/link_sources_to_classes.py. Cada obra lleva su localizador verificado en sources/bibliography.json.

Los papers dicen de dónde salió el mecanismo. Estas obras lo desarrollan con el espacio que una clase no tiene: teoría completa, demostraciones y ejercicios.

Obra Edición Localizador Papel en esta clase
Goodfellow, Ian, Bengio, Yoshua y Courville, Aaron — Deep Learning 2016 ISBN 9780262035613 · web de la obra citada en las referencias de esta clase · cap. 6 · obra de referencia de la parte 04
Murphy, Kevin P. — Probabilistic Machine Learning 2022 ISBN 9780262046824 · web de la obra obra de referencia de la parte 04 · modelos profundos desde la probabilidad

⬅️ Clase anterior

048 — Proyecto: producto ML reproducible

➡️ Siguiente clase

050 — MLP y backpropagation

📝 Evaluación completa

❓ Preguntas

  1. Define perceptrón y límites de separabilidad sin usar una marca o framework como definición.
  2. Explica la relación entre perceptrón, separabilidad, pesos, sesgo.
  3. Ejecuta lab.py dos veces con la misma semilla. ¿Qué debe conservarse?
  4. Identifica una afirmación permitida y una afirmación exagerada sobre el resultado.
  5. Propón una prueba negativa o un caso límite.

🏆 Reto verificable

Amplía el resultado del laboratorio con una clave student_extension que incluya:

✅ Criterio de aceptación