Introducción a las Redes Neuronales Artificiales

INTRODUCCIÓN

Con el transcurso de los años los seres humanos se han preguntado como funciona el cerebro, como se genera el pensamiento, y como el cerebro controla todas acciones del cuerpo, gracias a los avances tecnológicos se han ido revelando las respuestas de cada una de estas interrogantes.

La inteligencia artificial es la ciencia encargada de la creación de entidades inteligente que piensen y actúen como los seres humanos es por ellos que es necesario estudiar el  cerebro humano que esta formado por neuronas que se encargan de transmitir la información de los estímulos externos que se perciben del ambiente  mediante impulsos nerviosos, para crear un sistema similar que actué de la manera en la que lo hace el cerebro humano.

OBJETIVO

El objetivo de la siguiente publicación es conocer cuales son los fundamentos biológicos que influyeron en la creación de las redes neuronales artificiales, que es una red neuronal artificial, como funciona, cual es la estructura básica de estas neuronas y en que basan su aprendizaje.

MARCO TEÓRICO

Las redes neuronales artificiales también conocidas como RNA son unidades de procesamiento de información en donde cada neurona recibe una serie de entradas a través de interconecciones y emite una salida, las RNA son modelo artificial que intenta imitar la forma en la que el cerebro humano recibe las percepciones del ambiente y como procesa la información haciendo uso de las neuronas biológicas. Su estructura es similar a las de las neuronas biológicas formada por neuronas interconectadas entre si formando un tipo de red de coneccion de donde proviene el nombre de RNA.

Para el estudio de la inteligencia artificial es necesario conocer los dos campos de estudio que son:

La inteligencia artificial simbólica: Es el área encargada de la construcción de sistemas con características identificables como inteligentes, es la manera cómo nos enfrentamos a un problema y como lo resolvemos.

La inteligencia artificial subsimbólica: Es la encargada del estudio de los sistemas genéricos que con el paso del tiempo son capaceas de resolver un problema, esta estudia los mecanismos físicos que permiten que seamos denominados inteligentes así como el cerebro y su funcionamiento lógico, y las redes neuronales artificiales.

• Capa de entrada: Esta capa es la encargada de percibir las percepciones o señales de entrada del entorno.

• Capa oculta: Esta capa es la encargada del procesamiento interno de la red y a diferencia de la capa de entrada esta no recibe ningún estimulo del entorno.

• Capa de salida: Esta capa se encarga una respuesta o señal de salida ante los estímulos recibidos por las otras capas. 

• Paradigma de aprendizaje: Es la información con que dispone la red.

• Regla de aprendizaje: Son los principios que gobiernan el aprendizaje de la red.

• Algoritmo de aprendizaje: Es el procedimiento numérico de ajuste de los pesos.

• Aprendizaje supervisado: Es cuando la red neuronal trata de minimizar entre el erro de salida que calcula y el que se espera dependiendo que esta salida sea la deseada.

• Aprendizaje no supervisado: Es cuando la red neuronal conoce los patrones que determinaran la respuesta deseada.

El objetivo de las RNA es conseguir que la red aprenda automáticamente las propiedades que tiene que ver con la selección del modelo de la red, las variables a incorporar y el conjunto de entrenamiento.

Fundamentos biológicos de las redes neuronales

El sistema de comunicación neuronal de los seres humanos y los animales esta formado por  el sistema nervioso y el sistema hormonal que esta que para percibir su entorno lo hace a través de los órganos efectores que nos permiten realizar una accion dependiendo del tipo de estimulo que se halla recibido, el objetivo del sistema nervioso es recopilar la información, procesarla, almacenarla y transmitirla de neurona en neurona.

Los tres aspectos que interviene en el proceso de comunicación del sistema nervioso son los siguientes:

El funcionamiento de las neuronas biológicas se da en base a sus partes, cada una realiza una función especifica durante el proceso de comunicación de la neuronas, y tenemos las siguientes:

Núcleo: Es el encargado de procesar la información recibida y de enviarla a través del axón.

Axón: El axón se encarga de transmitir los impulsos nerviosos en forma de frecuencia.

Sinapsis: Es la comunicación que se da entre una neurona y otra a través de botones terminales, estos botones terminales actúan como amplificadores. 

Dendritas: Estas propagan la señal al interior de la neurona.

Imagen 1 : Modelo de red neuronal biológica

Modelo computacional

La diferencia entre las redes neuronales artificiales y los programa de computadora convencionales, es que estas redes neuronales elaboran la información de entrada para obtener una salida o respuesta. Este proceso de elaboración de la información dependerá de las característica con las que cuente la red neuronal y de sus funciones. Existen muchos tipos de modelos de redes neuronales en los cuales se siguen distintos filosofías de diseño, reglas de aprendizaje y funciones de construcción para cada tipo de respuesta diferente. 

La neurona artificial

La neurona artificial para realizar su trabajo recibe los estímulos de entrada de las neuronas vecinas y se encarga de calcular un valor de salida para enviarla al resto de neuronas, estas señales de entrada provienen de los sensores los cuales permitirán a la neurona su activación a partir de las señales que ha recibido, lo cual servirá para la activación de la red neuronal. En cambio las unidades de salida de la información de una neurona se encargaran de emitir una señal que sera enviada fuera de sistema neuronal y hacia la entrada de otra neurona por medio de la sinapsis. El cuerpo neuronal se encarga de la producción de la función de activación que permitirá que la información se envié  a otras neuronas para que exista comunicación. 

Imagen 2: Modelo de neurona artificial

Estructura básica de la red

Las neuronas artificiales se conectan entre si formando un patrón de conectividad o arquitectura de red, esta interconexión de neuronas actúa como una ruta de comunicación entre las distintas capas con las que cuenta la red neuronal, la cual se agrupa en tres capas llamadas también unidades estructurales, en donde capa cuenta con neuronas que suelen ser del mismo tipo. Cada capa tiene una función especifica durante el proceso de comunicación y esta funciones suelen ser:

Aprendizaje

El aprendizaje es la parte mas importante de las redes neuronales artificiales, cada esquema de aprendizaje determina el tipo de problema al que se enfrentara la red neuronal, existen tres conceptos fundamentales en el aprendizaje de las neuronas artificiales, los cuales son:

Dentro de los paradigmas de aprendizaje podemos encontrar dos tipos de aprendizaje que determinar la función de la red, estos tipos son:

La ventaja de estos procesos de aprendizaje es que una vez que la red ha aprendido podrá funcionar como un modo de recuerdo o de ejecución sin la necesidad de que estos procesos se lleven mucho tiempo. 

CONCLUSIÓN

Las redes neuronales artificiales son un gran avance en el campo de la inteligencia artificial ya que ayuda a resolver de una mejor manera los problemas en los que encuentre los agentes de la forma en la que el cerebro humano lo realiza, aunque para realizar estos procesos sea necesario de mucho tiempo, las ventajas de estas redes neuronales han demostrado ser satisfactorias y se espera que se puedan crear sistema con redes neuronales artificiales capaces de adaptarse a cualquier entorno.

BIBLIOGRAFÍA 

Isasi, P y Galván,I. 2004. Redes neuronales artificiales: Un enfoque práctico. 1 ed. España.  Pearson Education. p 248