Convolución: la rejilla 3×3 donde empieza la visión artificial
Dibuja una forma y mira cómo un diminuto filtro 3×3 encuentra sus bordes, la desenfoca o la enfoca. Es la operación exacta que impulsa las redes neuronales convolucionales.
Esta semana la máquina aprende a ver. El perceptrón trazó una línea, el balbuceador de Markov contó palabras y el tres en raya recorrió un árbol de jugadas. El juguete de hoy hace lo que todo modelo de imágenes hace primero: filtra píxeles.
El gadget de abajo es una zona de juego de convolución. Dibuja algo en el recuadro izquierdo (o pulsa Cargar demo), elige un filtro y mira cómo se actualiza el recuadro derecho. Cada filtro es una diminuta rejilla 3×3 de números llamada núcleo. La máquina desliza ese núcleo sobre cada píxel, multiplica los nueve vecinos por los nueve números, los suma y escribe el resultado. Esa única operación, repetida por toda la imagen, es la convolución.
Prueba esto:
- Deja el filtro en Bordes y carga la demo. Las formas macizas se reducen a sus meros contornos. El filtro reacciona al cambio: las zonas planas se oscurecen, los bordes se iluminan.
- Cambia a Desenfocar, Enfocar o Relieve y observa cómo se transforma el mismo dibujo. La pequeña rejilla del centro es exactamente la operación que se aplica.
- Dibuja tu propio garabato y mira qué conserva y qué descarta cada filtro.
Por qué importan los bordes
Encontrar bordes suena humilde, pero es el cimiento de la visión artificial. Un borde es donde algo cambia, y los objetos están hechos sobre todo de bordes. Apila muchos filtros de convolución y los primeros detectan bordes, los siguientes combinan bordes en esquinas y texturas, y los posteriores los ensamblan en ojos, ruedas o gatos.
La idea que despertó en 2012
La convolución en el procesamiento de imágenes tiene décadas. Lo que cambió fue la escala. En 2012, AlexNet apiló capas convolucionales sobre GPU y arrasó en el desafío ImageNet, inaugurando la era del aprendizaje profundo. Por dentro es el mismo gesto que haces aquí: un pequeño núcleo de red neuronal que recorre una imagen. La diferencia: una red de verdad no usa núcleos elegidos a mano como estos. Aprende los nueve números a partir de los datos, millones de veces.
Así que la humilde rejilla 3×3 es donde empieza la visión de las máquinas. Tú dibujas; el filtro decide qué merece atención.
¿Te perdiste las ediciones anteriores? Entrena un perceptrón, mira balbucear a una cadena de Markov o pierde contra el tres en raya invencible.