¿Qué es una capa oculta y por qué ahí ocurre la “magia”?

Cuando pasamos del perceptrón a una red neuronal, aparece un elemento clave que transforma por completo su capacidad de aprendizaje: la capa oculta. A diferencia de la capa de entrada, que solo recibe los datos, y la capa de salida, que entrega una respuesta, las capas ocultas son donde la red realmente aprende. En estas capas, cada neurona combina la información recibida mediante pesos, bias y funciones de activación, permitiendo que la red construya representaciones cada vez más abstractas de los datos.

La “magia” ocurre porque una capa oculta no se limita a detectar patrones simples; en cambio, aprende relaciones complejas entre las entradas. Por ejemplo, en una imagen, una primera capa oculta puede aprender bordes y formas básicas, mientras que capas más profundas combinan esos patrones para reconocer objetos completos. Gracias a este proceso jerárquico, la red deja de ver datos aislados y comienza a entender estructuras, algo que un solo perceptrón no puede lograr.

Además, las capas ocultas permiten que una red neuronal resuelva problemas no lineales, es decir, situaciones donde la respuesta no puede separarse con una simple línea. Esta capacidad es la base del aprendizaje profundo (deep learning) y explica por qué las redes neuronales modernas pueden reconocer rostros, entender lenguaje y tomar decisiones complejas. Concluimos que, las capas ocultas son el motor interno de una red neuronal: el lugar donde los datos se transforman en conocimiento.

Referencia: 

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436-444.