Herramientas de usuario

Herramientas del sitio


es:red_neuronal

Red neuronal (Inteligencia Artificial)

La Red Neuronal es una forma de inteligencia artificial cuyo funcionamiento se basa en el Machine Learning. Para poder comprender este término, debe partirse de un concepto general de inteligencia artificial y de aprendizaje automático, explicándose posteriormente en qué consiste la red neuronal y su funcionamiento.

Concepto de Inteligencia Artificial

Sin perjuicio de que fue John McCarthy1) quien acuñó el término inteligencia artificial en primer lugar (comunicación en la Conferencia de Dartmouth, 1956), en las últimas décadas dicho concepto ha quedado definitivamente superado. Daniel Faggella2), CEO de Emerj, ha elaborado una definición de IA basándose en las conceptualizaciones previas más conocidas y aceptadas, así como en opiniones de expertos respecto a las mismas. Entiende que la inteligencia artificial actualmente puede definirse como “una entidad (o conjunto colectivo de entidades cooperativas), capaz de recibir aportes del entorno, interpretar y aprender de dichos inputs, y exhibir comportamientos y acciones relacionadas y flexibles que ayudan a la entidad a alcanzar una meta u objetivo particular durante un período de tiempo”.

Una definición más sencilla y directa puede considerar la inteligencia artificial como una herramienta tecnológica con base matemática que permite solucionar problemas complejos, basándose en la probabilidad y la optimización, a los que un ser humano no puede enfrentarse de forma intuitiva, pues se necesitaría una capacidad de computación o cálculo muy elevada para dar con la solución, e incluso en determinados casos sería imposible abordar estos problemas. Es por ello que esta tecnología se aplica de forma transversal a numerosos campos, desde el económico al biomédico.

Concepto de Red Neuronal

El Machine Learning o aprendizaje automático es una de las formas de inteligencia artificial y, cuando los modelos de optimización devienen complejos por la gran cantidad de datos a analizar a través de diferentes dimensiones, se describe esta clase particular de IA como Deep Learning. La Red Neuronal constituye un modelo de aprendizaje automático comprendido dentro del Deep Leaning, cuya finalidad consiste en clasificar o predecir una característica concreta a partir de elevados volúmenes de información. La utilización de la red neuronal está muy extendida en la práctica dada su flexibilidad y posibilidad de escalar grandes cantidades de datos o big data. La red neuronal está basada en algoritmos deterministas, los cuales permiten encontrar soluciones a los diferentes problemas que se les plantean. Este carácter determinista implica que, para una misma entrada, la red neuronal proporcionará en todos los casos la misma salida. A pesar de no estar dotada de cognoscencia propia, las redes neuronales se basan en el aprendizaje autónomo y continuo de semejanza con la inteligencia humana. En este punto reside el principal problema de distorsión en cuanto a su entendimiento, puesto que, si bien es asimilable su forma de procesar información a la de una persona, esto no significa que exista la posibilidad de que desarrollen ideas por sí mismas.

Tratando de eludir un lenguaje técnico, cabe sintetizar el proceso cognitivo de la red neuronal de la forma menos obtusa posible. De forma general, el cometido de la red es resolver un problema de optimización cuya finalidad puede ser, a grandes rasgos, clasificar o predecir. Lo extraordinario de la red es que, una vez es planteado el problema, de forma autónoma desarrolla un algoritmo para resolverlo. Es decir, busca la función óptima que le permite obtener el mejor resultado posible a partir de un conjunto de datos.

El creador de la red neuronal le proporciona una base de datos, que consiste en una recopilación de información formada por entradas y salidas (input y output). Esta base de datos es el medio a partir del cual se entrena a la red neuronal. A partir de esos inputs, la red crea un algoritmo que resulta en un output, el cual será comparado con el que aparece en la base de datos para esa entrada. De esa comparación se obtiene un error, cuantificable como la diferencia entre el output que obtiene la red y el output que se registra en la base de datos. De esta forma, a base de prueba y error, la red neuronal irá modificando el algoritmo de forma autónoma para conseguir que ese error sea cada vez menor. A este proceso se le conoce como “entrenamiento de la red neuronal”, durante el cual se crean correlaciones positivas y negativas entre las diferentes variables en múltiples dimensiones. La imposibilidad de representación de variables en un espacio más allá del tridimensional para una persona supone uno de los primeros límites que impide al ser humano desarrollar por sí mismo esta tarea, más allá del tiempo y el esfuerzo invertidos. Una vez la red ha sido entrenada, sólo es necesario proporcionarle los datos de entrada, dejando que la red neuronal obtenga el output a partir del algoritmo que se ha establecido como óptimo, sin que esto signifique una ausencia total de error, puesto que existe un margen de incertidumbre. Lo que se pretende es que el error residual sea lo suficientemente pequeño para que su importancia sea despreciable, de manera que la resolución del problema inicial sea más exacta y precisa que la que podría alcanzarse sin esta metodología.

Comprendido el funcionamiento de la red neuronal, no debe confundirse la misma y, por extensión, la inteligencia artificial, con una persona electrónica o una conciencia que puede dar lugar al pensamiento. Su naturaleza determinista desplaza totalmente la aleatoriedad y, por otro lado, el juicio o arbitrio característico de la mente humana es completamente inexistente. La inteligencia artificial trabaja dentro de las relaciones lógicas que establece el algoritmo fruto de su entrenamiento, por lo que no debe ser entendido como un ente pensante, sino como una herramienta matemática como lo es una ecuación, solo que con un funcionamiento mucho más sofisticado. La incomprensión generalizada hacia la inteligencia artificial y las redes neuronales llega a concebir la misma como un intento de “humanización” de la máquina, cuando en realidad la máquina está muy lejos de pensar, sentir y comportarse como un ser humano.

Beatriz Alegre Villarroya

1) McCarthy, J. (1956). Dartmouth Summer Research Project on Artificial Intelligence. Comunicación personal en la Conferencia de Dartmouth en el Dartmouth College de Hanover, New Hampshire.
/home/lefisadmin/public_html/lefispedia/data/pages/es/red_neuronal.txt · Última modificación: 2019/11/25 18:03 por lefispedia