Retropropagación

Explicado fácil

Cuando una red se equivoca, hay que saber a quién “culpar”. La retropropagación reparte la responsabilidad del error entre todas las conexiones de la red, empezando por la salida y yendo hacia atrás, para que cada una se corrija en la medida justa.

Una analogía

En una cadena de producción sale un producto defectuoso. Un inspector va de la última estación a la primera preguntando “¿cuánto de este defecto vino de ti?” y cada estación ajusta su trabajo en proporción.

Un ejemplo

Una red predice “gato” con 30 % de seguridad cuando era un gato. El error es grande; la retropropagación calcula, para cada uno de sus millones de pesos, si debe subir o bajar y cuánto, para que la próxima vez la seguridad sea mayor.

Cómo funciona (nivel técnico)

Es la aplicación sistemática de la regla de la cadena del cálculo sobre el grafo de operaciones de la red. Una pasada hacia delante calcula la salida y la pérdida, guardando valores intermedios; una pasada hacia atrás calcula el gradiente de la pérdida respecto a cada parámetro reutilizando esos cálculos. Su coste es comparable al de la pasada hacia delante, lo que la hace viable para modelos con miles de millones de parámetros. Hoy los marcos como PyTorch lo automatizan (diferenciación automática).

Errores comunes

• Confundirla con el optimizador. La retropropagación solo calcula los gradientes; el descenso del gradiente los usa para actualizar los pesos.
• Pensar que el cerebro funciona así. No hay evidencia de que lo haga.