http://soultech.com.mx/blog/2010/04/08/redes-neuronales-por-silvia-diaz/
Espero les agrade la primera parte de esta serie de posts referente a las ANS y agradezco a SoulTech por darme esa oportunidad aunque no forme parte de su equipo.
Muchas gracias!!!!!
Las computadoras actuales son máquinas de von Neumann; es decir, máquinas de procesos donde se ejecutan en serie una secuencia de instrucciones, las cuales son almacenadas en memoria. Ese fue el objetivo de la invención de las computadoras, facilitarnos procesos donde implique cálculos o razonamiento lógico. Ya que aunque el ser humano los puede realizar, el tiempo invertido en ellos es mucho comparado a la velocidad que lo puede resolver una computadora. Esto hace que el resolver problemas complejos aritméticamente resulte hasta cierto punto sencillo de programar.¿Pero qué pasa al elaborar un sistema que tome decisiones a partir de experiencias previas y factores externos? ¿Cómo hacer para que el sistema aprenda?El realizar programas que impliquen cierta “inteligencia” y que vayan aprendiendo conforme recibe información y no sólo seguir ordenes secuenciales que se programaron antes de su ejecución, ha hecho que se lleven más de 50 años trabajando en la Inteligencia Artificial. Ya que en 1950, Shannon y Turing diseñaron los primeros programas que permiten que una computadora “razone” y juegue ajedrez, ganándole hasta al campeón mundial de ajedrez.
Para poder resolver este tipo de problemas se han dado una serie de paradigmas de cómputo alternativos, como lo son las redes neuronales, algoritmos genéticos o la computación evolutiva, de las cuales las dos primeras quizás sean las más relevantes y utilizadas.
Hablar de redes neuronales artificiales (ANS- Artificial Neural Systems) implica conocer primero el funcionamiento de las redes neuronales biológicas, para así poder entender más fácilmente el paralelismo que existe entre ambas.
Una neurona es el componente básico del sistema nervioso, incluyendo al cerebro. Y son células que tienen tres partes importantes:
1. Dendritas: Son el elemento receptor, son fibras que cargan de señales eléctricas al cuerpo de la célula.
2. Soma: Realiza la suma de las señales eléctricas recibidas por las dendritas.
3. Axón: Es una fibra larga que lleva la señal eléctrica del cuerpo de la célula hacia otras.
El punto de contacto entre el axón de una célula y la dendrita de otra se denomina sinapsis.
Una de las neuronas será presináptica (la que envía las señales) y la otra postsinápticas (la que recibe las señales). En la figura 2 podemos observar la comunicación entre dos neuronas de manera química. La neurona presináptica libera unas sustancias químicas llamadas neurotransmisores y atraviesan el intervalo sináptico.Si la neurona receptora posee en las dendritas o en el soma canales sensibles a los neurotransmisores liberados, los fijarán, y como consecuencia permitirán el paso de determinados iones a través de la membrana. Así se crean pequeños excitadores (positivos) o inhibidores (negativos), por lo que la neurona se disparará a mayor frecuencia cuanto mayor sea el nivel de excitación. La intensidad de una sinapsis se mide a partir de los disparos y dependiendo de la escala es el aprendizaje que se tiene entre la red de neuronas.
Así en las neuronas artificiales se simulan las entradas asociadas a un peso (la fuerza de las cargas eléctricas de conexión que reciben las dendritas) y el elemento procesador (simulando el soma) multiplica cada entrada por su peso y suma los productos. Para finalizar el proceso se pasa a la función de la transferencia para generar un resultado, éste se transmite por la vía de salida (sería como el axón). Y la sinapsis es el proceso de aprendizaje a partir de las salidas correctas. Esto lo veremos con más detalle en el siguiente tema, que será una introducción a los Sistemas Neuronales Artificiales (ANS) así como su clasificación y sus modelos.
Avisame cuando salga la segunda parte pues me parace muy interesante el tipo de razonamiento (si se puede llamar así) que tendrán estas nuevas maquinas. Yo como psicologa creo que las maquinas a pesar de facilitarnos muchas resoluciones de problemas no pueden imitar del todo el aprendizaje del ser humano, pues cada individuo único aprende de determinada manerane influye en este aprendizaje experiencias previas, emociones y sentimientos cosa que las maquinas aun no pueden hacer. El aprendizaje fisiologicamente hablando se podría reducir a la sinapsis. Incluso cuestiones tan complejas como el amor se pueden explicar pormedio de la del intercambio de neurotransmisores como la serotonina (que nos hace estar felices) dopamina y oxitocina (que genera el apego), entre otras. Sin embargo ¿Podemos reducir todo lo que sentimos en el enamoramiento a sólo a este proceso?¿Podremos explicar y reducir igualmente el aprendizaje a sólo conexiones?
ResponderEliminarAlma Ruiz