1
LA NEURONA ARTIFICIAL DE
McCULLOCH Y PITTS
Leandro Reina Castillo Cód. 68162503
Corporación Universitaria Unitec – Ingeniería De Sistemas
68162503@unitec.edu.co
Abstract
The neuronal model of McCulloch and Pitts it was
the first modern neuronal model, and has served as
an inspiration for the development of others neural
models However, in many of the studies in which
they refer to this model, no correctly interprets the
meaning that McCulloch and Pitts originally
intended to give, attributing characteristics or
functions that were not described by their authors,
or subtracting importance to the processing
capacity of the model. On the other hand, the
McCulloch-Pitts model by itself it is regaining
importance because it is one of the few digital
models in discrete time and, as to perform
electronic or computational implementations of the
Artificial neurons are currently used digital
systems, with most models current analogs it is
necessary to make certain adaptations to the models
at the time of implant them, which makes this
implantation difficult and inaccurate with respect
to behavior theoretical derived from the model.
KEY WORDS
 neuron
 synaptic
 model
 artificial
Resumen
El modelo neuronal de McCulloch y Pitts fue el
primer modelo neuronal moderno, y ha servido de
inspiración para el desarrollo de otros modelos
neuronales. Sin embargo, en muchos de los estudios
en que refieren a este modelo, no se interpreta
correctamente el sentido que quisieron dar
originalmente McCulloch y Pitts, atribuyéndole
características o funciones que no fueron descritas
por sus autores, o restándole importancia a la
capacidad de procesamiento del modelo. Por otro
lado, el modelo McCulloch-Pitts por sí mismo está
retomando importancia debido a que es uno de los
pocos modelos digitales en tiempo discreto y, como
para realizar implantaciones electrónicas o
computacionales de las neuronas artificiales en la
actualidad se utilizan sistemas digitales, con la
mayoría de los modelos analógicos actuales es
necesario realizar ciertas adaptaciones a los
modelos al momento de implantarlos, lo que
dificulta y hace imprecisa a dicha implantación con
respecto al comportamiento teórico derivado del
modelo. [1]
Palabras Clave
 neurona
 sináptico
 modelo
 artificial
I.Introducción
En el año de 1943, el ser humano, en un intento de simular
el comportamiento biológico del cerebro y entender cómo
se lleva a cabo el complejo proceso del aprendizaje,
propuso un modelo matemático capaz de aprender:
llamado Neurona de McCulloch-Pitts, siendo este
concepto la primera Neurona Artificial de que se tenga
conocimiento. A partir de entonces, surgieron numerosos
 2

desarrollos científicos basados en esta aportación. La z = f (w1 x + w2 y + b)

Neurona Artificial proporciona los medios idóneos para
realizar clasificación de patrones, imitando el La función de activación f es seleccionada de acuerdo a
funcionamiento del sistema biológico sensorial. Fue el la tarea realizada por la neurona. [3]
primer modelo computacional de la red nerviosa del
III. Características y funcionalidad del modelo
cerebro humano, y es en sí, el primer trabajo de un
autómata de estados finitos. [2] Para ilustrar la funcionalidad del modelo McCulloch-Pitts
vamos a revisar el comportamiento de algunas neuronas.
II. Definición Para ilustrar esto vamos a utilizar la representación
gráfica que utilizaron sus autores en el artículo que
Fue el primer modelo matemático de una neurona describe al modelo, el cual se muestra en la figura 2.
artificial, creado con el fin de llevar a cabo tareas
simples, fue presentado en el año 1943 en un trabajo
conjunto entre el psiquiatra y neuroanatomista Warren
McCulloch y el matemático Walter Pitts.

El mismo consta de:

Figura 2: representación gráfica de una neurona y sus tipos
 Las entradas x e y de conexiones. [1]
 Los pesos sinápticos w1 y w2 correspondientes
a cada entrada Cabe mencionar que en la actualidad esta forma de
 Un término aditivo b representar a la neurona también ya cayó en desuso, sin
 Una función de activación f embargo, la utilizamos aquí simplemente para ilustrar las
 Una salida z ideas originales de McCulloch y Pitts. Un ejemplo de su
funcionamiento lo podemos tener si consideramos una
neurona de este tipo con dos sinapsis excitatorias a su
entrada, considerando unitario el peso de cada una de
estas sinapsis, y supongamos que la neurona tiene un
umbral de dos unidades. Si ninguna de las dos entradas se
encuentra activa en un tiempo dado, o incluso si
solamente una de ellas se encuentra activa y la otra no, la
neurona no responderá; solamente cuando ambas sinapsis
de entrada se encuentren activas la neurona podrá
responder. Si revisamos cuidadosamente este
comportamiento podremos identificar que corresponde al
comportamiento de la función lógica AND. De la misma
manera, si consideramos que la neurona ahora posee un
umbral unitario, entonces ahora tendremos el
comportamiento lógico OR. De esta misma forma es muy
simple el implantar funciones lógicas, como se muestra
Figura 1: Modelo de McCulloch-Pitts para una neurona
en la figura 3.
artificial [3]

Las entradas x e y son el estímulo que la neurona artificial

recibe del entorno que la rodea, y la salida z es la
respuesta a tal estímulo. La neurona se adapta al medio
circundante y aprende de ´el modificando el valor de sus
pesos sinápticos w1 y w2 y su término aditivo b. Estos
son conocidos como los parámetros libres del modelo,
pues los mismos pueden ser modificados y adaptados
Figura 3: Algunos ejemplos de la implantación de funciones
para realizar una tarea determinada. En este modelo, la lógicas. [1]
salida neuronal z está dada por
 3

Entonces podemos decir que la neurona McCulloch-Pitts IV. Aplicación en funciones lógicas
está realizando simple lógica de umbral. Como
McCulloch y Pitts pusieron en su Introducción, "La regla
"todo o nada" de la actividad nerviosa es suficiente para
asegurar que la actividad de cualquier neurona puede ser
representada como una proposición. Las relaciones
fisiológicas que existen entre las actividades nerviosas
corresponden, desde luego, a relaciones entre las
proposiciones; y la utilidad de la representación depende
él la identidad de estas relaciones con aquellas de la
lógica de proposiciones". Como era obvio para
McCulloch y Pitts, la red de conexiones entre las
proposiciones simples puede elevarlas a proposiciones
muy complejas. El resultado central del artículo es que
demuestran que cualquier expresión lógica finita puede
ser realizada por neuronas del tipo que ellos proponen.
Esto fue un resultado muy interesante, debido a que
mostró que elementos simples conectados en una red
pueden tener un poder computacional inmenso. Debido a
que los elementos estaban basados en la neurofisiología,
sugiere que el cerebro era potencialmente un dispositivo
lógico y computacional. Los resultados formales de Figura 4: El modelo permite entrada y salidas binarias [4]
acerca de las redes de elementos lógicos también
influenciaron a otros cuando estaban pensando acerca del
potencial de las computadoras digitales, por ejemplo,
John von Neumann. Desafortunadamente las pruebas V. Conclusiones
formales y la notación usada en este artículo es
excepcionalmente difícil de entender. Una mejor  Hemos presentado el modelo descrito por W.
introducción a las neuronas McCulloch-Pitts, y en donde McCulloch y W. Pitts, el cual fue propuesto para
además extienden sus resultados y los coloca en la describir el tipo de operaciones que realizan las
perspectiva del trabajo posterior de la teoría de autómatas neuronas biológicas, al menos según los
y la teoría de la computación, es el libro de Marvin conocimientos que se tenían de las neuronas en
Minsky Computation [2]. Este libro desarrolla de forma aquellos días. Si bien es cierto que como modelo
clara y sencilla una teoría de la computación directamente neuronal biológico el modelo McCulloch-Pitts
de las neuronas McCulloch-Pitts. Algo que era claro para no es adecuado para describirlas. Sin embargo,
McCulloch y Pitts aun cuando no lo mencionan de forma desde el punto de vista computacional, el modelo
explícita, es que una sola neurona era demasiado simple, ha servido de inspiración para muchos modelos
y que el poder computacional venía porque estas subsecuentes, y sigue sirviendo de paradigma
neuronas simples estaban insertas en un sistema nervioso dentro del campo de la Ingeniería Neuronal [1]
interactuante. De esta forma, este artículo describe uno de
los primeros modelos verdaderamente conexionistas,  El potencial de este modelo aún ahora sigue
debido a que tiene elementos simples de cómputo, siendo grande. A la fecha se siguen buscando
acomodados parcialmente en paralelo, realizando nuevas
operaciones poderosas con pesos de conexión formas de interpretar y aprovechar las
apropiadamente construidos. [1] características de este modelo, por lo que
es perfectamente factible partir nuevamente de
las ideas que propone para desarrollar nuevos
modelos, donde de aproveche su capacidad de
representación lógica y digital, que sean
fácilmente
implantables en los dispositivos digitales
modernos. [1]
 4

VI. Hipotesis

El modelo posee la siguiente hipotesis, en primer lugar,

el estado de una neurona en el tiempo, “t +1”, depende
solamente del estado que poseía en el período anterior,
“t”. En segundo lugar, una neurona estará activada o no
si supera un umbral,” θ”, y en último lugar, se asume la
sincronía entre input y output aun conociendo la
asincronía en la neurona biológica. [5]

Reconocimiento

Un agradecimiento muy especial para el curso de

inteligencia artificial de UNITEC por brindarnos estos
conocimientos y al profesor Juan Carlos Leiva Gómez
por facilitar el aprendizaje de las temáticas del curso.

Referencias

[ R. Prieto, A. Herrer, J. L. Pére y P. A, «Centro de

1 Instrumentos, UNAM.,» [En línea]. Available:
] http://medicinaycomplejidad.org/pdf/reciente/r314
59.pdf. [Último acceso: 7 Octubre 2019].

[ L. C. Lopez y Y. Márquez, «Instituto Politecnico

2 Nacional,» 2007. [En línea]. Available:
] http://www.repositoriodigital.ipn.mx/handle/12345
6789/8640. [Último acceso: 7 Octubre 2019].

[ C. J. Tablada y T. G. Ariel, «Universidad nacional de

3 cordoba,» [En línea]. Available:
] https://www.famaf.unc.edu.ar/~revm/digital24-
3/redes.pdf. [Último acceso: 8 Octubre 2019].

[ numerentur, «numerentur.org,» [En línea].

4 Available: http://numerentur.org/modelo-de-
] mcculloch-y-pitts/. [Último acceso: 8 Octubre 2019].

[ t. porras, «tdx,» [En línea]. Available:

5 https://www.tdx.cat/bitstream/handle/10803/1455
] /3.CAPITULO_2.pdf?sequence=5&isAllowed=y.
[Último acceso: 8 Octubre 2019].