Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Últimamente las redes neuronales están teniendo un gran desarrollo e impacto en los
últimos años. Tenemos de ejemplo a Google que ha logrado resolver su propio
recaptcha utilizando redes neuronales. Teniendo esto en cuenta, son metas bastante
impresionantes ya que los ordenadores no tienen capacidad de razonamiento propio y
con la ayuda de las redes neuronales o inteligencia artificial puedan lograr algo como
eso y que cada vez la tecnología se acerca mas a esa idea de poder reproducir el
funcionamiento del cerebro humano en un ordenador.
Redes neuronales
¿Cómo funcionan?
Las redes reciben una serie de valores de entrada y cada una de estas entradas
llega a un nodo llamado neurona. Las neuronas de la red están a su vez agrupadas en
capas que forman la red neuronal. Cada una de las neuronas de la red posee a su vez
un peso, un valor numérico, con el que modifica la entrada recibida. Los nuevos valores
obtenidos salen de las neuronas y continúan su camino por la red.
Figura 1. Estructura de una red neuronal
Una vez que se ha alcanzado el final de la red se obtiene una salida que será la
predicción calculada por la red. Cuantas más capas posea la red y más compleja sea,
también serán más complejas las funciones que pueda realizar.
Entrenamiento de las redes neuronales
Al principio, todas las ponderaciones son aleatorias y las respuestas que resultan de
la red son, posiblemente, disparatadas. La red aprende a través del entrenamiento.
El entrenamiento de una red neuronal se realiza modificando los pesos de sus
neuronas para que consiga extraer los resultados deseados. Para ello lo que se hace
es introducir datos de entrenamiento en la red, en función del resultado que se obtenga,
se modifican los pesos de las neuronas según el error obtenido y en función de cuanto
haya contribuido cada neurona a dicho resultado. Este método es conocido como
Backpropagation o propagación hacia atrás. Con este método se consigue que la red
aprenda, A medida que progresa el entrenamiento, la red se va haciendo cada vez más
precisa en la replicación de resultados conocidos. Una vez entrenada, la red se puede
aplicar a casos futuros en los que se desconoce el resultado.
Historia y evolución de las redes neuronales
Biología:
- Aprender más acerca del cerebro y otros sistemas.
- Obtención de modelos de la retina.
Empresa:
- Evaluación de probabilidad de formaciones geológicas y petrolíferas.
- Identificación de candidatos para posiciones específicas.
- Explotación de bases de datos.
- Optimización de plazas y horarios en líneas de vuelo.
- Optimización del flujo del tránsito controlando convenientemente la
temporización de los semáforos.
- Reconocimiento de caracteres escritos.
- Modelado de sistemas para automatización y control.
Medio ambiente:
- Analizar tendencias y patrones.
- Previsión del tiempo. Finanzas:
- Previsión de la evolución de los precios.
- Valoración del riesgo de los créditos.
- Identificación de falsificaciones.
- Interpretación de firmas.
Manufacturación:
- Robots automatizados y sistemas de control (visión artificial y sensores de
presión, temperatura, gas, etc.).
- Control de producción en líneas de procesos.
- Inspección de la calidad.
Medicina:
- Analizadores del habla para ayudar en la audición de sordos profundos.
- Diagnóstico y tratamiento a partir de síntomas y/o de datos analíticos
(electrocardiograma, encefalogramas, análisis sanguíneo, etc.).
- Monitorización en cirugías.
- Predicción de reacciones adversas en los medicamentos.
- Entendimiento de la causa de los ataques cardíacos.
Militares:
- Clasificación de las señales de radar.
- Creación de armas inteligentes.
- Optimización del uso de recursos escasos.
- Reconocimiento y seguimiento en el tiro al blanco.
Tecnología:
- Inteligencia Artificial: Formando parte de las tecnologías de deep learning y
machine learning que son partes fundamentales de la inteligencia artificial.
- Procesamiento de datos y modelización: Validación, agregación y análisis de
datos. Diseño y búsqueda de fallos en sistemas de software complejos.
- Ingeniería de control: Monitorización de sistemas informáticos y manipulación
de robots. Incluida la creación de sistemas y robots autónomos.
- Reconocimiento y clasificación: Asociación de patrones y organización de
conjuntos de datos en clases predefinidas. Incluso identificando características
únicas sin datos previos.
De esta forma podemos afirmar la importancia que las redes neuronales pueden
tomar en esta era moderna, en donde la tecnología avanza de manera muy rápida y e
puedan utilizar para crear grandes cosas.
El objetivo de estas redes es lograr dar lugar a un sistema inteligente que logre
realizar con éxito tareas complejas. Su funcionamiento no está orientado a ser similar al
de un ordenador cuando procesa información, sino que persigue aproximarse a
la inteligencia artificial. Así, las redes neuronales artificiales son capaces de crear
patrones, reconocer información o resolver enigmas complejos, pudiendo ser de gran
utilidad para sectores como la moda o la lucha contra el crimen.