Sala 3 · Los inviernos · 1986

Retropropagación del error

Retropropagación del error (Rumelhart, Hinton y Williams, 1986): Cómo entrenar redes de varias capas.

En 1986 David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron en Nature un método para entrenar redes con capas ocultas: se mide el error en la salida y se lo reparte hacia atrás, capa por capa, para corregir los pesos. Resolvió el problema que Minsky y Papert habían señalado en 1969.

El 9 de octubre de 1986, la revista Nature publicó una carta de cuatro páginas de David Rumelhart, Geoffrey Hinton y Ronald Williams: "Learning representations by back-propagating errors." Respondía a la pregunta que dejó abierta el libro Perceptrons en la Sala 2: ¿cómo se entrena una red con capas ocultas?

El método funciona en dos pasadas. Primero, un ejemplo avanza por la red y produce una salida. Esa salida se compara con la respuesta correcta, y la diferencia se mide como un error. Luego el error se envía hacia atrás, capa por capa, y con la regla de la cadena del cálculo se determina cuánto contribuyó cada conexión a ese error. Cada peso se ajusta un poco en la dirección que reduce el error. Si se repite con muchos ejemplos, la red mejora poco a poco.

El título del artículo destaca un resultado importante: las capas ocultas aprendieron por sí solas representaciones internas útiles. Nadie le indicó a la red qué rasgos buscar. Los descubrió porque ayudaban a reducir el error. Esas representaciones aprendidas son lo que da su potencia al aprendizaje profundo.

Las matemáticas ya tenían su propia historia. Seppo Linnainmaa describió en 1970 el método general para calcular derivadas hacia atrás, y Paul Werbos propuso aplicarlo a las redes neuronales en su tesis doctoral de 1974. Lo que hizo el artículo de 1986 fue demostrar con claridad que funcionaba y darlo a conocer a un público amplio, junto con los libros Parallel Distributed Processing publicados ese mismo año.

Las computadoras de la época eran demasiado lentas y los datos demasiado escasos para llegar muy lejos. Pero todos los modelos grandes que se entrenan hoy, incluidos los modelos de lenguaje con los que conversas, siguen aprendiendo mediante retropropagación (backpropagation).

Pregúntale a tu IA: explícame la retropropagación con una red de solo dos pesos y números reales. Sin jerga.

¿Sabías que…? La idea tenía antecedentes: Paul Werbos la había propuesto en su tesis de 1974.

Fuente: doi.org/10.1038/323533a0

Verla en el museo →

← Las redes de Hopfield · El segundo invierno →

Toda la Sala 3: Los inviernos

Cómo citar: Nazareno, I. (2026). Retropropagación del error (1986). New Mind Museum. Consultado el 17 de noviembre de 2026, en https://newmindmuseum.com/es/museo/retropropagacion-del-error-1986/