Explicaciones extra — conexión neuronal, dendritas, axón, sinapsis y peso

Este archivo sirve como apoyo para entender mejor la vista de la neurona en la presentación de Hinton. Está pensado para resolver una duda muy común:

¿cómo se conectan realmente las neuronas y qué es exactamente lo que “se refuerza” cuando una red o un cerebro aprende?

Respuesta corta

Las dendritas suelen recibir señales.
El axón suele enviar la señal.
La sinapsis es el punto funcional de contacto entre una neurona y otra.
En el aprendizaje, lo que normalmente se fortalece o debilita es la eficacia de la sinapsis, no el axón completo.
En redes artificiales, el equivalente más cercano de esa fuerza sináptica es el peso de la conexión.

La conexión típica entre dos neuronas

La secuencia más común es esta:

neurona A

dendritas → soma → axón

luego:

terminal del axón de A → sinapsis → dendrita de neurona B

Dicho de otra manera:

La neurona A recibe señales por sus dendritas.
El soma integra esas señales.
Si se supera cierto umbral, se genera un potencial de acción.
Ese potencial viaja por el axón.
Llega al terminal del axón.
Ahí se liberan neurotransmisores.
Los neurotransmisores actúan sobre la neurona B, normalmente en una dendrita.
La neurona B integra esa señal con muchas otras.

La fórmula oral más clara es esta:

dendrita → soma → axón → sinapsis → dendrita de otra neurona

¿Las dendritas se conectan con sinapsis?

Sí, pero conviene decirlo con precisión.

No es que “la dendrita sea la sinapsis”, sino que:

la dendrita es una estructura receptora
la sinapsis es el punto funcional de transmisión
muchas sinapsis ocurren precisamente sobre las dendritas o sobre espinas dendríticas

Por eso, en vez de decir:

“la dendrita conecta con la sinapsis”

queda mejor decir:

“la dendrita recibe sinapsis de otras neuronas”

Eso es anatómica y conceptualmente más exacto.

Qué hace cada parte

Dendritas

Reciben señales de muchas neuronas distintas.
Esas señales pueden ser excitatorias o inhibitorias.
Llevan esa información hacia el soma.
En la analogía con redes artificiales, se parecen a las entradas.

Soma

Integra lo que llega desde las dendritas.
Si la señal total supera cierto umbral, la neurona dispara.
En la analogía artificial, se parece al momento de integración + activación.

Axón

Conduce el potencial de acción hacia otras células.
Es la vía de salida de la neurona.
En la analogía artificial, se parece a la salida de la unidad.

Sinapsis

Es donde una neurona influye sobre otra.
Puede cambiar su eficacia con la experiencia.
En la analogía artificial, es lo más cercano al peso de la conexión.

Entonces, ¿qué se refuerza cuando hay aprendizaje?

La respuesta más importante es esta:

Se refuerza la sinapsis

Cuando una conexión se vuelve “más fuerte”, normalmente lo que cambia es la eficacia sináptica.

Eso puede implicar varias cosas biológicas:

que la neurona presináptica libere más neurotransmisor
que la neurona postsináptica tenga más receptores o responda mejor
que la espina dendrítica cambie de forma o tamaño
que aumente la probabilidad de que esa señal produzca efecto

Entonces, si una neurona “influye más” sobre otra, no significa necesariamente que “toda la neurona pesa más”, sino que:

cierta sinapsis entre ambas se volvió más eficaz

¿Se refuerza el axón?

No en el sentido principal en que se habla de aprendizaje en Hinton o en la comparación estándar con redes artificiales.

El axón puede sufrir cambios biológicos indirectos o estructurales —por ejemplo, mielinización o crecimiento—, pero si lo que queremos explicar es aprendizaje por cambio de conexión, entonces lo más correcto es decir:

lo que se fortalece o debilita principalmente es la sinapsis

El axón transporta la señal. La sinapsis regula cuánta influencia tiene esa señal sobre la siguiente neurona.

¿Una neurona “cobra más peso”?

Esa forma de decirlo puede servir intuitivamente, pero es técnicamente imprecisa.

En redes artificiales, el peso no pertenece a la neurona aislada, sino a la conexión entre dos unidades.

Por eso conviene decir:

no tanto “la neurona ganó peso”
sino “la conexión ganó peso”
o mejor todavía: “la sinapsis se fortaleció”

En términos biológicos, la influencia no está guardada en una sola parte de la neurona, sino en la relación funcional entre una neurona y otra.

La regla de Hebb y por qué importa aquí

La formulación clásica de Hebb se resume así:

las neuronas que se activan juntas tienden a fortalecer su conexión

Eso no significa que el axón completo de una neurona se vuelva “más poderoso” en general.

Significa algo más preciso:

si la neurona A participa repetidamente en la activación de la neurona B
entonces la conexión entre A y B puede volverse más eficaz

Eso vuelve más probable que, en el futuro, la actividad de A contribuya otra vez a activar a B.

En ese sentido, Hebb habla de fortalecimiento sináptico, no de un “engorde” general de la neurona.

La analogía con redes artificiales

La comparación más útil para la presentación es esta:

Biología	Red artificial
Dendritas	Entradas
Soma	Integración + activación
Axón	Salida
Sinapsis	Peso

La equivalencia más importante es esta:

el peso artificial se parece más a la fuerza de la sinapsis que al axón o a la neurona completa

Eso es justo lo que conviene enfatizar cuando se explica la simplificación de Hinton.

El ciclo completo explicado de forma simple

Una explicación clara y compacta sería esta:

Una neurona recibe señales por sus dendritas.
El soma integra todas esas entradas.
Si la señal supera cierto umbral, dispara un potencial de acción.
Ese potencial viaja por el axón.
En el terminal axónico ocurre la sinapsis con otra neurona.
La siguiente neurona recibe esa señal normalmente por una dendrita.
Si la experiencia modifica la eficacia de esa sinapsis, decimos que hubo aprendizaje.

Frases correctas para usar en exposición

Estas frases son seguras y claras:

La dendrita recibe señales de otras neuronas.
El axón lleva la señal hacia otras neuronas.
La sinapsis es el punto donde una neurona influye sobre otra.
Aprender consiste, en buena medida, en cambiar la eficacia de ciertas sinapsis.
En la red artificial, el peso corresponde mejor a la fuerza de la conexión que a la neurona aislada.

Frases que conviene evitar o corregir

Estas pueden inducir confusión si se dicen sin matiz:

“la dendrita manda la señal”
“el axón es el peso”
“la neurona gana peso”
“lo que se refuerza es toda la neurona”

Mejor reemplazarlas por:

la dendrita recibe
el axón conduce
la sinapsis modula la fuerza de la conexión
el peso está en la relación funcional entre neuronas

Fórmula oral muy usable para clase

Si quieres explicarlo en menos de 20 segundos, una versión muy clara es esta:

“La secuencia básica es: dendrita, soma, axón y sinapsis. La dendrita recibe la señal, el soma la integra, el axón la envía y la sinapsis regula cuánto influye una neurona sobre otra. Por eso, cuando hablamos de aprendizaje, lo que normalmente cambia no es el axón entero, sino la fuerza de la sinapsis.”

Conexión directa con Hinton

Esto ayuda a entender mejor la simplificación de Hinton:

Hinton no conserva toda la biología de la neurona real.
Conserva sobre todo la idea de que la experiencia modifica la fuerza de las conexiones.
Por eso el elemento más importante de la analogía no es el axón aislado, sino el peso de la conexión.

En una frase:

Hinton no modela la neurona completa; modela, sobre todo, la dinámica de cambio en la fuerza de las conexiones.

Resumen final

Si hubiera que dejar una sola idea firme, sería esta:

Las dendritas reciben señales, los axones las envían y lo que normalmente se fortalece en el aprendizaje es la sinapsis; por eso el “peso” de una red artificial se parece más a la fuerza de la conexión que a una parte aislada de la neurona.