Redes neuronales artificiales: máquinas pensantes
Desde nuestro nacimiento nos vemos inundados de información, imágenes, sonidos, conversaciones y sensaciones. Toda esta información va creando conexiones neuronales en nuestro cerebro. Entre más repitamos, mejor aprendemos una palabra o una imagen. Dicen que la repetición es la madre del aprendizaje. No estoy completamente de acuerdo, pero sí que debe ser un familiar muy cercano.
Nuestro cerebro está conformado por millones de células llamadas neuronas. Estas se encuentran conectadas entre sí a través de unos brazos largos conocidos como dendritas. Cada vez que vivimos algo, o aprendemos algo, se forman nuevas conexiones de dendritas, y cuando queremos recordar algo entonces nuestro cerebro recorre el mismo camino formado anteriormente. Así cada vez que usamos este camino neuronal al recordar una situación, las conexiones se van haciendo más fuertes y con ello, mas vívidos y claros los recuerdos. Nuestro cerebro puede seguir muchos caminos a la vez, por ello tenemos la capacidad de hacer múltiples actividades y deducciones a través de una amplia gama de recuerdos.
Esta es en forma resumida la manera en que aprendemos. Las computadoras funcionan muy distinto, ellas tienen un “cerebro” que ejecuta instrucciones en forma secuencial, es decir, una por una. Sin embargo, cambia tantas veces de operaciones por segundo que nos parece que hace todo a la vez: despliega imágenes en el monitor, toca una canción, graba un video, etc. Fuera de todo esto, no es capaz de aprender o sacar deducciones de información por sí sola, sino que sus decisiones tienen que ser previamente programadas, es decir, se le debe de indicar que hacer en cada situación que se le presente.
Las redes neuronales fueron creadas bajo el mismo principio que nuestro cerebro. Pequeñas entidades de un funcionamiento muy simple, que al estar interconectadas puedan realizar actividades más complejas. Estas entidades funcionan como una neurona, reciben estímulos o números de sus “neuronas vecinas” y las multiplican por un “peso”. Si la suma es mayor a un cierto número entonces esta a su vez emite una señal a las demás neuronas o bien el resultado final.
Frank Rosenblatt fue el primero en desarrollar una “neurona artificial” llamada perceptrón. El sistema fue capaz de aprender a reconocer figuras geométricas como círculos, cuadrados y triángulos. Pero tambien hubo detractores de sus investigaciones entre ellos Marvin Minsky.
El aspecto más importante de una red de neuronas artificiales es su capacidad de aprender, ya que no siempre es posible construir un programa que sea capaz de incluir todas las posibles variaciones que se pueden presentar de un problema. Entonces lo que se hace es construir una red neuronal artificial presentándole varios ejemplos, con la esperanza de que sea capaz de aprender en base a toda la información y crear conexiones lógicas de la información proporcionada, y así, cuando se necesite consultarla, sea capaz de deducir en base a la información guardada la respuesta correcta.