Estados Unidos
Disputado
Rumelhart, Hinton y Williams popularizan la retropropagación
El artículo “Learning representations by back-propagating errors”, de David Rumelhart, Geoffrey Hinton y Ronald Williams, mostró cómo entrenar redes neuronales multicapa calculando el gradiente del error capa por capa. Esa capacidad de aprender representaciones internas rescataba al connectionismo del ostracismo y volvió viable el entrenamiento de redes profundas, aunque tardaría décadas en explotarse a escala.
Publicado en Nature, vol. 323 (1986).
Por qué es un hito
Es el motor matemático del aprendizaje profundo: sin retropropagación no habría AlexNet, Transformers ni modelos fundacionales modernos.
Actores
David E. RumelhartGeoffrey E. HintonRonald J. Williams
Tecnologías
retropropagaciónredes neuronales multicapadescenso de gradiente
Geografía
Estados Unidos
Fuentes
- Multilayer perceptron (artículo)Wikipedia · 2026 VerificadaVer fuente
Antecedentes
Conceptos relacionados
Embedding
Referencias al glosario del medio (en preparación).