La historia de la IA

Red convolucional de LeCun

Etapa 3 · Del auge experto al giro estadístico (1980–2011) › Redes neuronales

Linaje
Neuronas y redes
Tipo
Aplicación

Quién

Bell Labs

Qué ocurrió

Yann LeCun y sus colegas de los Bell Labs publican en Neural Computation «Backpropagation Applied to Handwritten Zip Code Recognition»: una red convolucional entrenada con retropropagación lee los códigos postales manuscritos del servicio postal de Estados Unidos.

Qué aportó

Une la arquitectura del neocognitrón con la retropropagación. La red aprende sola los filtros que detectan rasgos, y la convolución se convierte en la herramienta central de la visión por computador.

Desarrollo

El neocognitrón de Fukushima ya alternaba capas que detectan rasgos locales con capas que toleran desplazamientos, pero aprendía sin supervisión y con reglas ad hoc. LeCun, que había pasado por el grupo de Hinton en Toronto antes de llegar a los Bell Labs, propuso entrenar toda la arquitectura de principio a fin con retropropagación. En 1987, en el laboratorio ATR de Japón, Alex Waibel y sus colegas habían entrenado de ese modo una red con pesos compartidos en el tiempo para reconocer fonemas; LeCun llevó la idea a las imágenes.

La idea central es compartir pesos. En una capa convolucional, el mismo pequeño detector se aplica en todas las posiciones de la imagen, de modo que un rasgo útil en una esquina lo es también en el centro. Eso reduce de forma drástica el número de parámetros y deja que la red aprenda qué detectores necesita en lugar de que un ingeniero los diseñe.

La red de 1989 se entrenó con unos miles de dígitos de códigos postales escaneados de cartas reales y alcanzó una tasa de error baja en dígitos que no había visto. Era una aplicación práctica, no un ejemplo de juguete: el mismo equipo llevó después la técnica a la lectura automática de cheques.

La ACM destacó al conceder a LeCun el premio Turing de 2018, anunciado en 2019, que fue el primero en entrenar una red convolucional con imágenes de dígitos manuscritos. Las redes convolucionales, ampliadas y entrenadas con GPU, dominarían la visión por computador desde 2012.

Una cuadrícula de 6 × 6 que representa la imagen, con un recuadro de 3 × 3 resaltado en la esquina superior izquierda y otro discontinuo en la inferior derecha. Líneas unen el recuadro con un filtro de 3 × 3, el mismo en toda la imagen, y el filtro con una casilla de un mapa de rasgos de 4 × 4.

Un filtro de 3 × 3 recorre la imagen con los mismos nueve pesos y anota en un mapa dónde aparece su rasgo.

Nivel técnico

Una capa convolucional aplica el mismo filtro en todas las posiciones de la imagen. Con una imagen de n × n y un filtro de k × k, el resultado es un mapa de (n − k + 1) × (n − k + 1) respuestas, y cada una es la suma de los k² píxeles de la ventana multiplicados por los pesos del filtro.

Compartir los pesos tiene dos efectos. Hay muchos menos parámetros: un filtro de 5 × 5 tiene 25 pesos y un sesgo, sea cual sea el tamaño de la imagen, mientras que sin compartirlos cada posición del mapa tendría sus propios 25. Y el rasgo se detecta igual en cualquier lugar: si el trazo se desplaza, su respuesta se desplaza con él en el mapa.

Entre capas convolucionales se reduce la resolución, primero con submuestreo y más tarde con el máximo de cada ventana, para que las capas altas vean regiones cada vez mayores y toleren pequeñas deformaciones. La retropropagación ajusta los filtros como cualquier otro peso: nadie los diseña a mano.

Vídeos

Viene de

  • Neocognitron (octubre de 1979)

    Herencia sin relación directa demostrada

    Misma arquitectura jerárquica; LeCun añade el entrenamiento por retropropagación

  • Retropropagación de Rumelhart, Hinton y Williams (octubre de 1986)

    Influencia directa documentada

    La red de 1989 se entrena con retropropagación, como dice el título del artículo

Lleva a

  • LeNet-5 y MNIST (1998)

    Influencia directa documentada

    LeNet-5 es la evolución, en el mismo grupo, de la red convolucional de 1989

Hilos que pasan por aquí

Bibliografía

Fuente original

Cómo citar

«Red convolucional de LeCun». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/lecun-red-convolucional

Última revisión de esta ficha: 13 de noviembre de 2026.

Abrir en la cronología interactiva