HISTORIA DE LAS REDES NEURONALES

ARTIFICIALES Y SU APLICACIN HOY EN DA

Por: Betania Beltrn London

18 de noviembre del 2016

Si slo tienes un problema que resolver, entonces bien, sigue adelante y usa una
red neuronal. Pero si quieres hacer ciencia y entender cmo elegir arquitecturas, o
cmo ir a un nuevo problema, tienes que entender lo que las diferentes
arquitecturas pueden y no pueden hacer.

Marvin Minsky

Actualmente, las redes neuronales artificiales (RNA) forman parte de la

tecnologa que se utiliza en la vida cotidiana, sin embargo el camino que se ha
recorrido para llegar a lo que hoy conocemos no ha sido regular, durante algunos
aos las investigaciones en esta rea fueron olvidadas, por suerte, luego de
debatir sobre las teoras que se mantenan en ese entonces ahora se cuenta con
diferentes arquitecturas que ayudan a resolver problemas reales utilizando el
poder de computadores y la capacidad de aprender por la que se caracteriza este
tipo de redes.

El estudio de las redes neuronales empieza en el siglo XIX,

sorprendentemente en estudios de psicoanlisis realizados por Freud, aunque no
fue hasta los aos 40 cuando se encamino a lo que hoy da se conoce, gracias al
uso de computadores.

En 1943, el neurobilogo Warren McCulloch, y el estadstico Walter Pitss,

publicaron el artculo "A logical calculus of Ideas Imminent in Nervous Activity".
Este artculo constituy la base y el inicio del desarrollo en diferentes [1]. Se
basaron en la neurona trabajando mediante impulsos pasando a travs del umbral.
Aos ms tarde, Frank Rosenblatt public un importante trabajo en el que
explicaba una estructura llamada Perceptrn la cual ha sido una pieza importante
en el desarrollo de redes neuronales artificiales.

El Perceptrn, fue propuesto por Frank Rosenblatt en 1958 con un reporte

tcnico ampliamente distribuido por l laboratorio Aeronutico de Cornell [2]. En
aquel entonces muchos fueron quienes se interesaron en la propuesta, muchos
crean que se poda hacer casi cualquier cosa con esta red, sin embargo la misma
presentaba problemas que sacaron a la luz Minsky y Papert en 1969 con la
publicacin de su libro Perceptrons, lo que ocasiono que por muchos aos las
investigaciones en esta rea quedaran detenidas ya que se pensaba que la
computacin neuronal no era interesante y se disminuy la inversin, aunque, en
el rea de la psicologa se mantenan algunas investigaciones.

Ahora bien, una de las mayores problemticas que exponan Minsky y Papert
era la incapacidad del Perceptrn en resolver problemas como la funcin lgica
OR exclusivo.

Minsky era un defensor de la inteligencia artificial mediante smbolos pero el

Perceptrn no utilizaba estos. Minsky y Papert en su anlisis sostenan que las
unidades lgicas con umbral del Perceptrn podan ser calculadas mediante
producto de pesos y entradas o tambin mediante predicados lgicos. El problema
ahora es determinar que predicados poda resolver esta red y cules no.

Los autores consideraron el XOR como imposible de alcanzar con aquella

versin de Perceptrn porque para esa combinacin si se supone que el sistema
se encuentra en un estado bidimensional no es posible encontrar una lnea recta
que segmente el espacio correctamente para la disyuncin exclusiva [2].

Al cambiar la representacin de los datos permitiendo que interacten las

entradas de la red para generar una nueva entrada se obtiene un espacio de
estado de tres dimensiones, lo cual derivaba en una capa oculta con lo cual es
ms sencillo calcular lo que se desea.

Gracias a ese nuevo planteamiento se volvieron a tomar en cuenta las

investigaciones y en la actualidad hay grandes avances gracias a la mejora de los
ordenadores y al uso de GPUs, para este tipo de programas. Entre el uso de redes
neuronales se destaca el anlisis y procesamiento de imgenes, procesamiento
de diagnsticos mdicos, conversin de texto a voz, procesamiento del lenguaje
humano, reconocimiento de texto, encontrar patrones de fraude econmico, hacer
predicciones de finanzas tiempo atmosfrico, entre otras.

Un ejemplo de aplicacin de redes neuronales es Street view de Google que

lograba una precisin del 96% a la hora de reconocer nmeros de calle en las
imgenes que toman sus coches [4]. Otra de las aplicaciones de en esta rea son
sus traductores, de hecho recientemente anunciaron ahora se podr que traducir
frases completas aplicando adems la contextualizacin de las palabras que hasta
ahora ha sido un problema. As tambin de este mismo gigante se puede
mencionar el reconocimiento voz con dispositivos Android.

Otra aplicacin de las RNA es la robtica evolutiva, se ha aplicado en

conjuncin con algoritmos genticos para crear controladores para robots. En
este tipo de aplicacin la adecuacin de la red est dada por la adecuacin del
comportamiento del robot controlado o una simulacin del mismo.

El deep Learning o aprendizaje profundo, ha sido uno de los puntos de

estudio en los ltimos aos en el cual se usan estructuras lgicas que se
asemejan en mayor medida a la organizacin del sistema nervioso de los
mamferos, teniendo capas de unidades de proceso (neuronas artificiales) que se
especializan en detectar determinadas caractersticas existentes en los objetos
percibidos. [3]
 De hecho, con respecto al deep learning se ha estado estudiando el Deep
dream, en el cual se le ensea al computador a entender imgenes, Google liber
el cdigo de esta tecnologa y los investigadores han podido utilizarlo y algunas de
las imgenes generadas han casado mucho asombro.

En fin, son muchas las aplicaciones que se pueden encontrar hoy en da,
Google como siempre, ha sido una de las compaas que ms se ha esforzado en
mejorar el uso de las redes neuronales, aunque quizs todo lo que conocemos
hoy no se tuviera si no se hubieran seguido haciendo investigaciones con respecto
a las redes neuronales artificiales luego e las publicaciones reveladoras de Minsky
y Papert acerca de Perceptrn en los aos 60. Aunque este estudio, si bien
entorpeci la velocidad de las investigaciones sobre las RNA ayudo a comprender
los errores de aquella poca. Existiera ms tecnologa basada en redes
neuronales hoy en da de no ser por eso? Eso no se puede saber, sin embargo, si
es cierto que por ahora se est avanzando a pasos agigantados.

REFERENCIAS

[1] Basogain x, (s/f) Redes neuronales artificiales y sus aplicaciones.

[2] Anderson J. (2007) Redes neurales.

[3] Arrabales (2016) Deep Learning: qu es y por qu va a ser una

tecnologa clave en el futuro de la inteligencia artificial. Articulo en lnea.
Disponible en http://www.xataka.com/robotica-e-ia/deep-learning-que-es-y-por-
que-va-a-ser-una-tecnologia-clave-en-el-futuro-de-la-inteligencia-artificial

[4] Guillermo J. (2014) Las redes neuronales: qu son y por qu estn

volviendo. Articulo en lnea. Disponible en: http://www.xataka.com/robotica-e-
ia/las-redes-neuronales-que-son-y-por-que-estan-volviendo