Durante años el deep learning funcionó a pura prueba y error, como catedrales medievales sin ecuaciones de mecánica estructural. Tres papers ponen los primeros cimientos de una teoría real: Andrea Montanari (Stanford) usa ruptura de simetría de réplica —física estadística— para explicar por qué el descenso de gradiente no debería funcionar, y sin embargo funciona. Los otros dos aportan geometría diferencial y un marco unificado. ¿Teoría de todo, o seguimos sin planos?
