Saltar al contenido
ᐅ HielosMendez – Información digital que te dejara helado 🧊🥶

Las redes neuronales artificiales están cambiando el mundo. ¿Qué son?

Desde la invención de la computadora, ha habido personas que hablan de cosas que las computadoras nunca podrán hacer. Ya sea venciendo a un gran maestro en el ajedrez o ganando en ¡Peligro!, estas predicciones siempre han sido incorrectas. Sin embargo, algunas de esas negativas siempre han tenido una mejor base en la informática. Había objetivos que, si sabías cómo funcionaban las computadoras, sabías que serían prácticamente imposibles de alcanzar. Reconocer las emociones humanas a través de expresiones faciales. Leer una amplia variedad de escritura cursiva. Identificar correctamente las palabras en el lenguaje hablado. Conducir de forma autónoma por calles concurridas.

Bueno, las computadoras ahora están comenzando a poder hacer todas esas cosas y un poco más. ¿Fueron los detractores realmente demasiado cínicos acerca de las verdaderas capacidades de las computadoras digitales? En cierto modo, no. Para resolver esos desafíos monumentales, los científicos se vieron obligados a idear una nueva tipo de la computadora, uno basado en la estructura del cerebro. Estas redes neuronales artificiales (ANN) solo existen como simulación que se ejecuta en una computadora digital normal, pero lo que sucede dentro de esa simulación es fundamentalmente muy diferente de la computación clásica.

¿Es una red neuronal artificial un ejercicio de informática? ¿Biología aplicada? ¿Matemáticas puras? ¿Filosofía experimental? Son todas esas cosas y mucho más.

Red neuronal

¿Qué son las RNA?

La mayoría de la gente ya sabe que las neuronas que realizan los cálculos en nuestro cerebro no están organizadas como los semiconductores en un procesador de computadora, en una secuencia lineal, unidas a la misma placa y controladas por un ciclo de reloj unificador. Más bien, en el cerebro, cada neurona es nominalmente su propio actor autónomo, y está conectada a la mayoría o a todas las neuronas que lo rodean físicamente de formas muy complejas y algo impredecibles.

Lo que esto significa es que para que una computadora digital logre un resultado ordenado, necesita un programa general que lo dirija y le diga a cada semiconductor qué hacer para contribuir al objetivo general. Un cerebro, por otro lado, unifica miles de millones de unidades diminutas y extremadamente simples que pueden tener su propia programación y tomar decisiones sin la necesidad de una autoridad externa. Cada neurona funciona e interactúa con las neuronas que la rodean de acuerdo con sus propias reglas simples y predefinidas.

La mayoría de las neuronas del cerebro están conectadas a varios miles de otras.

La mayoría de las neuronas del cerebro están conectadas a varios miles de otras.

Un artificial La red neuronal es (se supone que es) exactamente lo mismo, pero simulada con software. En otras palabras, usamos una computadora digital para ejecutar una simulación de un grupo de pequeños miniprogramas fuertemente interconectados que representan las neuronas de nuestra red neuronal simulada. Los datos ingresan a la RNA y la primera “neurona” realiza alguna operación en ella, operación que está determinada por la forma en que la neurona está programada para reaccionar a los datos con esos atributos específicos. Luego se pasa a la siguiente neurona, que se elige de manera similar, para que se pueda elegir y realizar otra operación. Hay un número finito de «capas» de estas neuronas computacionales, y después de moverse a través de todas ellas, se produce una salida.

El proceso general de convertir la entrada en salida es un resultado emergente de la programación de cada neurona individual que tocan los datos y las condiciones iniciales de los datos en sí. En el cerebro, las «condiciones iniciales» son las señales neuronales específicas que llegan de la columna vertebral o de cualquier otra parte del cerebro. En el caso de una ANN, son lo que nos gustaría que fueran, desde los resultados de un algoritmo de búsqueda hasta números generados aleatoriamente y palabras escritas manualmente por los investigadores.

Entonces, en resumen: las redes neuronales artificiales son básicamente cerebros simulados. Pero es importante notar que podemos darle a nuestro software “neuronas” básicamente cualquier programación que queramos; podemos intentar establecer sus reglas para que su comportamiento refleje el de un cerebro humano, pero también podemos usarlas para resolver problemas que nunca antes habíamos considerado.

NeuralNet

¿Cómo funcionan las RNA?

Lo que hemos descrito hasta ahora es muy interesante, pero en gran parte inútil para la computación. Es decir, es científicamente muy interesante poder simular la estructura celular del cerebro, pero si sé cómo entrar y programar cada pequeño sub-actor de manera que mis entradas siempre se procesen en las salidas deseadas, entonces ¿por qué? ¿Necesito una ANN? Dicho de otra manera, la naturaleza de una ANN significa que la construcción intencional de una para resolver un problema en particular requiere un conocimiento práctico tan profundo de ese problema y sus soluciones que la propia ANN se vuelve un poco redundante.

Sin embargo, hay una gran ventaja de trabajar con muchos actores simples en lugar de uno solo complejo: los actores simples pueden autocorregirse. Ha habido intentos de autoeditar versiones de software regular, pero son las redes neuronales artificiales las que han llevado el concepto de aprendizaje automático a nuevas alturas.

redes neuronales 3Escuchará la palabra «no determinista» que se usa para describir la función de una red neuronal, y eso se refiere al hecho de que nuestras neuronas de software a menudo tienen probabilidades estadísticas ponderadas asociadas con diferentes resultados para los datos; hay un 40% de probabilidad de que una entrada de tipo A se pase a esta neurona en la siguiente capa, un 60% de probabilidad de que pase a ese uno en su lugar. Estas incertidumbres se acumulan rápidamente a medida que las redes neuronales se hacen más grandes o se interconectan de manera más elaborada, de modo que las mismas condiciones iniciales exactas pueden conducir a muchos resultados diferentes o, lo que es más importante, llegar al mismo resultado por muchos caminos diferentes.

Entonces, presentamos la idea de un «algoritmo de aprendizaje». Un ejemplo simple es mejorar la eficiencia: envíe la misma entrada a la red una y otra vez, y cada vez que genere la salida correcta, registre el tiempo que tardó en hacerlo. Algunas rutas de A a B serán naturalmente más eficientes que otras, y el algoritmo de aprendizaje puede comenzar a reforzar los comportamientos neuronales que ocurrieron durante esas corridas que procedieron más rápidamente.

Las RNA mucho más complejas pueden luchar por objetivos más complejos, como identificar correctamente la especie de animal en el resultado de una imagen de Google. Los pasos en el procesamiento y categorización de imágenes se ajustan ligeramente, basándose en un cribado similar a una evolución de variación aleatoria y no aleatoria para producir un proceso de búsqueda de gatos que los programadores de ANN nunca podrían haber ideado directamente.

Las ANN no deterministas se vuelven mucho más deterministas a medida que se reestructuran para ser mejores en el logro de ciertos resultados, según lo determinado por los objetivos de sus algoritmos de aprendizaje. A esto se le llama “entrenar” a la ANN – usted entrena a una ANN con ejemplos de su función deseada, para que pueda autocorregirse basándose en qué tan bien lo hizo en cada una de estas ejecuciones. Cuanto más entrene a una RNA, mejor deberá lograr sus objetivos.

Yo robot

No por un tiempo.

También existe la idea del aprendizaje «no supervisado» o «adaptativo», en el que se ejecuta el algoritmo sin tener en cuenta los resultados deseados, pero deja que comience a evaluar los resultados y se ajuste a sí mismo de acuerdo con sus propios … Como puede imaginar, esto aún no se comprende bien, pero también es el camino más probable por el que podríamos encontrar una verdadera IA, o simplemente una IA realmente muy avanzada. Si alguna vez realmente vamos a enviar robots a entornos totalmente desconocidos para resolver problemas totalmente imprevistos, necesitaremos programas que puedan asignar importancia a los estímulos por sí mismos, en tiempo real.

Ahí es donde reside realmente el poder de las RNA: ya que su estructura les permite realizar cambios iterativos en su propia programación, tienen la capacidad de encontrar respuestas que sus propios creadores nunca podrían tener. Ya sea que sea un fondo de cobertura, una empresa de publicidad o un buscador de petróleo, es imposible ignorar el gran potencial de combinar la velocidad de una computadora con la versatilidad de un cerebro. Es por eso que poder programar algoritmos de «aprendizaje automático» es ahora uno de los conjuntos de habilidades más buscados en el mundo.

Es muy posible que en el siglo venidero estemos menos preocupados por resolver problemas que por enseñar a las computadoras a aprender a resolver problemas por nosotros.

Bien, pero ¿qué pueden realmente las ANN hacer?

La utilidad de las ANN se divide en una de dos categorías básicas: como herramientas para resolver problemas que son inherentemente difíciles tanto para las personas como para las computadoras digitales, y como modelos experimentales y conceptuales de algo, clásicamente, cerebros. Hablemos de cada uno por separado.

Primero, la verdadera razón del interés (y, lo que es más importante, la inversión) en las ANN es que pueden resolver problemas. Google usa una ANN para aprender cómo orientar mejor las sugerencias de «ver a continuación» después de los videos de YouTube. Los científicos del Gran Colisionador de Hadrones recurrieron a las ANN para analizar los resultados de sus colisiones y extraer la firma de una sola partícula de la tormenta más grande. Las compañías navieras los utilizan para minimizar la longitud de las rutas en una compleja dispersión de destinos. Las compañías de tarjetas de crédito las utilizan para identificar transacciones fraudulentas. Incluso se están volviendo accesibles para equipos e individuos más pequeños: Amazon, MetaMind y más ofrecen servicios de aprendizaje automático personalizados a cualquier persona por una tarifa sorprendentemente modesta.

Cómo cree una ANN que son las mancuernas, después de entrenar con fotos.

Cómo cree una ANN que son las mancuernas, después de entrenar con fotos.

Las cosas recién comienzan. Google ha estado entrenando sus algoritmos de análisis fotográfico con más y más imágenes de animales, y se están volviendo bastante buenos para distinguir perros de gatos en fotografías normales. Tanto la traducción como la síntesis de voz están progresando hasta el punto de que pronto podríamos tener un dispositivo tipo babelfish que ofrezca conversaciones naturales y en tiempo real entre personas que hablen diferentes idiomas. Y, por supuesto, están los ejemplos ostentosos de los Tres Grandes que realmente llevan el aprendizaje automático en la manga: Siri, Now y Cortana.

El otro lado de una red neuronal radica en diseñarla cuidadosamente para reflejar la estructura del cerebro. Tanto nuestra comprensión de esa estructura como el poder computacional necesario para simularla, no están ni cerca de lo que necesitaríamos para hacer una ciencia cerebral sólida en un modelo de computadora. Ha habido algunos esfuerzos asombrosos para simular ciertos aspectos de ciertas partes del cerebro, pero aún está en las etapas preliminares.

Inteligencia artificial, de alquiler.

Inteligencia artificial, de alquiler.

Una ventaja de este enfoque es que, si bien no puede (o … no debería) diseñar genéticamente humanos para que tengan un cambio experimental integrado en sus cerebros, absolutamente lata realizar experimentos de científicos locos en cerebros simulados. Las RNA pueden explorar una gama mucho más amplia de posibilidades de las que la medicina podría considerar práctica o éticamente, y algún día podrían permitir a los científicos verificar rápidamente más hipótesis del tipo “Me pregunto” con resultados potencialmente inesperados.

Cuando te preguntas, «¿Puede una red neuronal artificial hacerlo?» inmediatamente después, pregúntese «¿Puede yo ¿hazlo?» Si la respuesta es sí, entonces su cerebro debe ser capaz de hacer algo que una ANN podría simular algún día. Por otro lado, hay muchas cosas que un ANN podría hacer algún día y que un cerebro nunca pudo.

El potencial de las ANN es casi ilimitado.

Consulte nuestra serie ExtremeTech Explains para obtener una cobertura más detallada de los temas tecnológicos más actuales.