• Trinchera Cultural

¿Qué son las redes de neuronas artificiales?

Actualizado: 25 de feb de 2019


Imaginemos por un momento que estamos echando una partida al mítico videojuego Quake. Armados de nuestra pistola, nos dirigimos por este universo 3D derrotando adversarios: ogros, zombis, scrags... Todos ellos parecen estar dotados de una personalidad propia. Cada vez son más listos, y hasta parece que ... ¡aprenden!


Portada de Quake, uno de los videojuegos más conocidos de la historia, usa redes neuronales.

Pues bien, esta "magia" (por llamarla de alguna manera) mediante la que "los malos" son cada vez más listos y van evolucionando, tal como lo hacemos nosotros en el juego, se debe a un modelo computacional: las redes de neuronas artificiales.




Hoy en Trinchera STEM! vamos a hablar de este apasionante tema que seguramente os suene de oídas: las redes de neuronas artificiales (RNA).


También conocidas simplemente como "redes de neuronas" o "sistemas conexionistas", las redes de neuronas constituyen una de las principales áreas de investigación dentro del campo de la inteligencia artificial. A pesar de la enorme popularidad que han adquirido durante la última década, las redes neuronales surgieron hace más de 70 años. Fue precisamente en 1943 cuando se definió de manera formal la neurona como un elemento de cálculo binario con varias entradas y salidas. Los artífices de este invento fueron McCulloch y Pitts, dos científicos estadounidenses. Esta primera observación se denominó "neurona de McCulloch y Pitts". Ellos se habían inspirado en la neurona biológica y en su comportamiento.


Como véis, las redes de neuronas artificiales existen como modelo computacional desde mediados del siglo pasado. Más adelante veremos por qué los últimos años han ganado tanta importancia.

La neurona biológica: Santiago Ramón y Cajal


El descubrimiento de la neurona se lo debemos al científico español Ramón y Cajal (Petilla de Aragón, Navarra, 1852), quien en 1888 analizó y definió las estructuras celulares que componían el sistema nervioso, trabajo por el cual sería reconocido con el Premio Nobel de Medicina en 1906.


Dibujo de neuronas (Santiago Ramón y Cajal). Exposición "MÁS ALLÁ DE 2001: ODISEAS DE LA INTELIGENCIA". Fundación Telefónica.

Ramón y Cajal describió la neurona como una célula que se componía principalmente de las siguientes partes:


1) Cuerpo celular o soma

2) Dendritas

3) Axón

Estructura de una neurona. Fuente imagen: contenidos.educarex.es/mci/2006/21/ud6/nervioso.htm

La neurona se encarga de transmitir información a través de señales químicas y eléctricas. Se conecta con otras neuronas formando redes, y es ahí donde reside su enorme potencial. Se estima que los humanos tenemos alrededor de cien mil millones de neuronas que se estructuran en complejas redes capaces de hacer que desarrollemos nuestra conducta y nuestro sistema cognitivo. La comunicación entre las distintas neuronas se lleva a cabo a través de un proceso electroquímico denominado sinapsis (conexión axón-dendrita). Generalmente, la sinapsis transmite información en un solo sentido. La clave de esta conexión reside en los neurotransmisores, unas biomoléculas liberadas por las neuronas y cuya producción debe ser mayor a un mínimo determinado para que se produzca la conexión real y, por tanto, se procese el estímulo.

Neurotransmisores, sinapsis

La neurona artificial: McCulloch-Pitts


Si recordamos la estructura básica de la neurona biológica del apartado anterior, veremos que ésta está formada por tres partes fundamentales: dendritas, soma y axón. Pues bien, la neurona artificial básica, también denominada neurona de McCulloch-Pitts recibe su nombre por tener como inspiración la neurona biológica. Así pues, en el siguiente esquema podemos comprobar la similitud en su estructura. Una neurona de este tipo consta de:


1) Entradas (X1, X2, y X3, en la imagen, pero puede ser un número variable de entradas)

2) Unidad de procesamiento

3) Salida (S)

Neurona básica (autoría: Trinchera Cultural)

Las entradas corresponderían a las dendritas, la unidad de proceso sería el soma y la salida S sería el axón.


¿Cómo funciona una neurona artificial?



Una neurona artificial tiene el mismo propósito que una neurona biológica: transmitir impulsos desde las entradas hasta la salida. El número de entradas es variable, y la "fuerza" con la que se transmite cada valor de entrada hasta la unidad de proceso vendrá determinada por la variable Peso correspondiente. Si hablásemos en términos de porcentajes, siguiendo el ejemplo de la figura, tendríamos que si por ejemplo la variable Peso1 fuera 100%, el valor de la entrada X1 pasaría completamente a la unidad de proceso. Si el valor de la variable Peso2 fuera igual al 50% lo que se transmitiría de la variable X2 sería la mitad, y si la variable Peso3 fuera igual a 0% la variable X3 directamente no pasaría a la unidad de proceso.


La salida S sería igual a la suma de las cantidades que llegan a la unidad de proceso, es decir:


S = X1*Peso1 + X2*Peso2 + X3* Peso3



Existe un componente adicional dentro de una neurona artificial: el umbral. El umbral es un índice que define si una unidad de procesamiento emite una salida S o, por el contrario, la inhibe. Esto nos recuerda a la función de los neurotransmisores de la neurona biológica: biomoléculas liberadas por las neuronas y cuya producción debe ser mayor a un mínimo determinado para que se produzca la conexión real y, por tanto, se procese el estímulo. Así pues, imaginemos que tenemos un umbral establecido en 1: si la unida de procesamiento calcula un valor para S igual o mayor que 1, la salida S se generará con el valor calculado; si por el contrario, S fuera igual a 0,5, la salida S jamás se propagaría hacia adelante puesto que no supera el umbral y por tanto, NO HAY SINAPSIS.

¿Por qué se agrupan en redes?


Una neurona (artificial) por sí sola no es especialmente interesante por su capacidad de cómputo. Su principal potencial reside en que, agrupándose en redes, las neuronas artificiales crean estructuras capaces de calcular y, lo más importante, capaces de llevar a cabo un aprendizaje basado en el entrenamiento.


Aprendizaje basado en el entrenamiento ¿qué es eso?


Tal y como hemos visto anteriormente, cada entrada de la neurona tiene asignado una variable "peso", que determina con cuanta "intensidad" la correspondiente variable de entrada es propagada a la unidad de cómputo (soma).


Cuando se dice que se entrena una red, lo que se está haciendo es probar con un conjunto de datos de prueba (entradas) para los cuales sabemos el resultado deseado. Mediante reglas matemáticas, se van variando los valores de las variables Peso de toda la red, hasta que logramos que para todas las entradas generemos los resultados deseados.


Red de neuronas artificiales

Ventajas de las redes neuronales


Son muchos los problemas de la vida real a los que pueden aplicarse este tipo de modelos computacionales. Su ventaja frente a otros reside en su eficiencia para la solución de problemas de elevada complejidad y que no suelen tener una solución algorítmica o bien esta es demasiado compleja.


Problemas en los que se aplican redes neuronales


- Clasificación de imágenes: un ejemplo sería la clasificación de imágenes tumorales. La red es entrenada previamente para que responda con certeza ante la clasificación de imágenes de tipo cancerígeno y las que no lo son; se espera así que una vez concluido el entrenamiento, el sistema sea capaz de realizar el diagnóstico de nuevas imágenes con un alto grado de acierto.


La mayoría de las aplicaciones de las RNA responden a problemas de clasificación y predicción tales como:


- Reconocimiento de voz

- Concesión de créditos financieros

- Predicción de fraudes

- Ahorro

- Resolución de problemas


Esperamos que os haya gustado este nuevo capítulo de Trinchera STEM!

¡Hasta pronto!

Trinchera Cultural

0 vistas
LOGO_TRINCHERACULTURAL

¡Síguenos en nuestras redes sociales!

  • Twitter Social Icon
  • Icono social Instagram
  • Facebook icono social
  • Icono social de YouTube
  • ivoox
  • issuu

2018. Creative Commons Trinchera Cultural.