REDES NEURONALES

Historia

Los intentos por imitar el funcionamiento del cerebro han seguido la evolución del estado de la tecnología para construir y diseñar máquinas que han llegado a definir las líneas fundamentales para la obtención de máquinas inteligentes. En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas, en el sentido de máquinas que realizaran, con más o menos éxito, alguna función típica de los seres humanos, lo que podemos encuadrar dentro de la llamada Inteligencia Artificial (IA).

Entre 1940 y 1950 los científicos comenzaron a pensar seriamente en las redes neuronales utilizando como concepto la noción de que las neuronas del cerebro funcionan como interruptores digitales (on – off) de manera también similar al recién desarrollado computador digital. Así nace la idea de «revolución cibernética» que maneja la analogía entre el cerebro y el computador digital.

La clase de las llamadas máquinas cibernéticas, a la cual la computación neuronal pertenece, tiene más historia de la que se cree: Herón (100 a.C) construyó un autómata hidráulico. En 1936 Alan Turing, fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación. En 1957 Frank Rosenblatt, comenzó el desarrollo del Perceptrón, que es la red neuronal más antigua, utilizándose hoy en día para aplicación como reconocedor de patrones. El cual era capaz de generalizar, es decir, después de haber aprendido una serie de patrones podía reconocer otros similares, aunque no se le hubiesen presentado anteriormente.

Durante el verano de 1951, Minsky y Edmonds montaron la primera máquina de redes neuronales, compuesta básicamente de 300 tubos de vacío y un piloto automático de un bombardero B-24. Llamaron a su creación «Sharc», se trataba nada menos que de una red de 40 neuronas artificiales que imitaban el cerebro de una rata. Cada neurona hacia el papel de una posición del laberinto y cuando se activaba daba a entender que la «rata» sabia en que punto del laberinto estaba. Las neuronas que estaban conectadas alrededor de la activada, hacían la función de alternativas que seguir por el cerebro, la activación de la siguiente neurona, es decir, la elección entre «derecha» o «izquierda» en este caso estaría dada por la fuerza de sus conexiones con la neurona activada. Por ejemplo, la «rata» completaba bien el recorrido eligiendo a partir de la quinta neurona la opción «izquierda» (que correspondería a la sexta), es entonces cuando las conexiones entre la quinta y sexta se hacen más fuertes (dicha conexión era realizada por el piloto automático), haciendo desde este momento más propensa esta decisión en un futuro. Pero las técnicas Skinnerianas (que eran las que se habían puesto en funcionamiento en esta red neuronal) no podrían llevar muy lejos a este nuevo engendro, la razón pasa porque esto, en sí, no es inteligencia, pues la red neuronal nunca llegaría a trazar un plan.

Conceptos básicos

• Neurona es una célula fundamental del sistema nervioso en el ser humano el cual conforma un sistema de tratamiento de información «un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano: la neurona«.
• Red son las conexiones entre grupos de ordenadores y dispositivos asociados que permiten a los usuarios la transferencia electrónica de información.
• La Red Neuronal Biológica el sistema de neuronas biológico está compuesto por neuronas de entrada (sensores) conectados a una compleja red de neuronas «calculadoras» (neuronas ocultas), las cuales, a su vez, están conectadas a las neuronas de salidas que controlan, por ejemplo, los músculos. Los censores pueden ser señales de los oídos, ojos, etc. las respuestas de las neuronas de salida activan los músculos correspondientes. En el cerebro hay una gigantesca red de neuronas «calculadoras» u ocultas que realizan la computación necesaria. De esta manera similar, una red neuronal artificial debe ser compuesta por censores del tipo mecánico o eléctrico.
• Redes Neuronales las redes neuronales como su nombre lo indica pretenden imitar a pequeñísima escala la forma de funcionamiento de las neuronas que forman el cerebro humano. Todo el desarrollo de las redes neuronales tiene mucho que ver con la neurofisiología, no en vano se trata de imitar a una neurona humana con la mayor exactitud posible. La principal clave de este sistema se encuentra en los pesos de las diferentes entradas. Como se ha visto, las entradas son modificadas por el peso y las salidas son función de estas modificaciones. Esto nos lleva a concluir que los pesos influyen de forma decisiva en la salida y por lo tanto pueden ser utilizados para controlar la salida que se desea.
• La Neurona Artificial es un dispositivo eléctrico que responde a señales eléctricas. La respuesta la produce el circuito activo o función de transferencia que forma parte del cuerpo de la neurona. Las «dendritas» llevan las señales eléctricas al cuerpo de la misma. Estas señales provienen de censores o son salidas de neuronas vecinas. Las señales por las dendritas pueden ser voltajes positivos o negativos; los voltajes positivos contribuyen a la excitación del cuerpo y los voltajes negativos contribuyen a inhibir la respuesta de la neurona. Características que diferencian a las redes neuronales de otras tecnologías de IA son:

Ø Su capacidad de aprendizaje a partir de la experiencia (entrenamiento). Las redes neuronales pueden ser entrenadas para realizar una determinada tarea sin necesidad de un estudio de programación a fondo usando un lenguaje de programación.

Ø Su velocidad de respuesta una vez concluido el entrenamiento. Se comportan también en este caso de manera similar de como lo hace el cerebro.

Ø Su robustez, en el sentido de que el conocimiento adquirido se encuentra repartido por toda la red, de forma que si se lesiona una parte se continúan generando cierto numero de respuestas correctas.

• Inteligencia Artificial.- La IA es la disciplina científica y técnica que se ocupa del estudio de las ideas que permiten ser inteligentes a los ordenadores. Dicho desde otro punto de vista científico, es una rama de la computación que se encarga de los problemas de percepción, razonamiento y aprendizaje en relación con sistemas artificiales, y que tiene como áreas de investigación a los sistemas expertos y de conocimiento, la robótica, los lenguajes naturales y las redes neuronales.

Interpretación De La Neurona Por Computadora

Una neurona se puede comparar con una caja negra compuesta por varias entradas y una salida. La relación de activación entre la salida y la entrada, o en términos circuitales o de teoría de control.

Construcción de una red neuronal.

Se pueden realizar de varias maneras. Por ejemplo en hardware utilizando transistores a efecto de campo (FET) o amplificadores operacionales, pero la mayoría de las RN se construyen en software, esto es en programas de computación. Existen muy buenas y flexibles herramientas disponibles en internet que pueden simular muchos tipos de neuronas, conexiones sinápticas (Synapses) y estructuras.

Estructura de una red neuronal

Es la manera como las unidades (artificial neurons) comunican sus salidas a las entradas de otras unidades. Por lo general estas agrupadas en capas, de manera tal, que las salidas de una capa están completamente conectadas a las entradas de la capa siguiente; en este caso decimos que tenemos una red completamente conectada. Es posible tener redes en las cuales sólo algunas de las unidades están conectadas, también podemos tener conexiones (Synapses) de realimentación, conectando algunas salidas hacia entradas en capas anteriores (no se confunda esto con el «back propagation»).