Red neuronal: ¿qué es? Definición, significado y alcance

2024 Autor: Leah Sherlock | [email protected]. Última modificación: 2023-12-17 05:33

Anteriormente conocido solo por los libros de ciencia ficción, el término red neuronal en los últimos años ha entrado en la vida pública de manera gradual e imperceptible como parte integral de los últimos avances científicos. Por supuesto, durante bastante tiempo, las personas involucradas en la industria del juego han sabido que se trata de una red neuronal. Pero hoy en día el término lo encuentra todo el mundo, es conocido y entendido por las grandes masas. Sin duda, esto indica que la ciencia se ha acercado más a la vida real, y nos esperan nuevos avances en el futuro. Y sin embargo, ¿qué es una red neuronal? Tratemos de averiguar el significado de la palabra.

Presente y futuro

En los viejos tiempos, la red neuronal, Hort y los caminantes espaciales eran conceptos estrechamente relacionados, porque era posible encontrar inteligencia artificial con habilidades muy superiores a una máquina simple solo en un mundo de fantasía que surge en la imaginación de algunos autores. Y, sin embargo, las tendencias son tales que recientemente, alrededor de una persona común en la realidad, hay cada vez más de esos objetos que antes solo se mencionaban en la literatura de ciencia ficción. Esto nos permite decir que incluso el vuelo más violento de la fantasía, quizás, tarde o temprano encontrará su equivalente en la realidad. Libros sobre aciertos, redes neuronales yaahora tienen más en común con la realidad que hace diez años, ¿y quién sabe qué pasará dentro de otra década?

Una red neuronal en las realidades modernas es una tecnología que te permite identificar a las personas, teniendo solo una fotografía a tu disposición. La inteligencia artificial es bastante capaz de conducir un automóvil, puede jugar y ganar un juego de póquer. Además, las redes neuronales son nuevas formas de hacer descubrimientos científicos, lo que le permite recurrir a capacidades informáticas que antes eran imposibles. Esto brinda oportunidades únicas para comprender el mundo de hoy. Sin embargo, solo a partir de los informes de noticias que anuncian los últimos descubrimientos, rara vez queda claro qué es una red neuronal. ¿Debería aplicarse este término a un programa, una máquina o un complejo de servidores?

Vista general

Como puede ver en el mismo término "red neuronal" (las fotos presentadas en este artículo también permiten entender esto) es una estructura que fue diseñada por analogía con la lógica del cerebro humano. Por supuesto, copiar una estructura completamente biológica de un nivel de complejidad tan alto en este momento no parece realista, pero los científicos ya han podido acercarse notablemente a la solución del problema. Digamos que las redes neuronales creadas recientemente son bastante efectivas. Hort y otros escritores que publicaron obras fantásticas apenas sabían en el momento de escribir sus obras que la ciencia podría avanzar tanto este año.

La peculiaridad del cerebro humano es que es una estructura de numerosos elementos, entre los cualesla información se transmite constantemente a través de las neuronas. De hecho, las nuevas redes neuronales también son estructuras similares, donde los impulsos eléctricos proporcionan el intercambio de datos relevantes. En una palabra, como en el cerebro humano. Y sin embargo no está claro: ¿hay alguna diferencia con un ordenador convencional? Después de todo, la máquina, como saben, también se crea a partir de partes, cuyos datos se transfieren por medio de una corriente eléctrica. En los libros sobre el espacio, las redes neuronales, todo suele parecer encantador: máquinas enormes o diminutas, a las que los personajes entienden de un vistazo con lo que están tratando. Pero en realidad, la situación es diferente hasta ahora.

¿Cómo se construye?

Como puede ver en los artículos científicos sobre redes neuronales ("Spacewalkers", desafortunadamente, no pertenecen a esta categoría, no importa cuán fascinantes puedan ser), la idea en la estructura más progresista en el campo de inteligencia artificial, en la creación de una estructura compleja, cuyas partes individuales son muy simples. De hecho, haciendo un paralelismo con los humanos, uno puede encontrar una similitud: digamos, solo una parte del cerebro de un mamífero no tiene grandes habilidades, capacidades y no puede proporcionar un comportamiento inteligente. Pero cuando se trata de una persona como un todo, esa criatura pasa tranquilamente la prueba del nivel de inteligencia sin ningún problema en particular.

A pesar de estas similitudes, un enfoque similar para crear inteligencia artificial fue condenado al ostracismo hace unos años. Esto se puede ver tanto en artículos científicos como en libros de ciencia ficción sobre la red neuronal ("Spacewalkers" mencionado anteriormente, por ejemplo). Por cierto, hasta cierto punto incluso las declaracionesCicerón se puede asociar con la idea moderna de las redes neuronales: en un momento, sugirió de manera bastante cáustica que los monos arrojaran letras escritas en fichas al aire, para que tarde o temprano se formara un texto significativo a partir de ellas. Y solo el siglo XXI demostró que tal malicia era completamente injustificada. La red neuronal y la ciencia ficción tomaron caminos separados: si le das muchas fichas a un ejército de monos, no solo crearán un texto significativo, sino que también obtendrán poder sobre el mundo.

La fuerza está en la unidad, hermano

Como aprendimos de numerosos experimentos, entrenar una red neuronal conduce al éxito cuando el objeto en sí incluye una gran cantidad de elementos. Como bromean los científicos, de hecho, una red neuronal se puede ensamblar a partir de cualquier cosa, incluso de cajas de fósforos, ya que la idea principal es un conjunto de reglas que obedece la comunidad resultante. Por lo general, las reglas son bastante simples, pero le permiten controlar el proceso de procesamiento de datos. En tal situación, una neurona (aunque sea artificial) no será un dispositivo en absoluto, ni una estructura compleja o un sistema incomprensible, sino operaciones aritméticas simples, implementadas con un consumo mínimo de energía. Oficialmente en ciencia, las neuronas artificiales se llaman "perceptrones". Las redes neuronales ("Spacefalls" lo ilustran bien) deberían ser mucho más complejas en opinión de algunos autores científicos, pero la ciencia moderna muestra que la simplicidad también da excelentes resultados.

El funcionamiento de una neurona artificial es simple: se ingresan números, se calcula el valor de cada unobloque de información, los resultados se suman, la salida es una unidad o el valor "-1". ¿Alguna vez el lector quiso estar entre los caídos? Las redes neuronales funcionan de una manera completamente diferente en la realidad, al menos en la actualidad, por lo tanto, al imaginarse en un trabajo de fantasía, no debe olvidarse de esto. De hecho, una persona moderna puede trabajar con inteligencia artificial, por ejemplo, así: puede mostrar una imagen y el sistema electrónico responderá a la pregunta "o bien". Suponga que una persona establece el sistema de coordenadas de un punto y pregunta qué se representa: la tierra o, por ejemplo, el cielo. Después de analizar la información, el sistema da una respuesta, posiblemente incorrecta (dependiendo de la perfección de la IA).

Me gusta

Como puede ver en la lógica de la red neuronal moderna, cada elemento de ella intenta adivinar la respuesta correcta a la pregunta formulada al sistema. En este caso, hay poca precisión, el resultado es comparable al resultado de lanzar una moneda al aire. Pero el verdadero trabajo científico comienza cuando llega el momento de entrenar la red neuronal. El espacio, la exploración de nuevos mundos, la comprensión de la esencia de las leyes físicas de nuestro universo (en las que los científicos modernos se basan mediante el uso de redes neuronales) se abrirán en el mismo momento en que la inteligencia artificial aprenda con mucha mayor eficiencia y eficacia que una persona.

El hecho es que la persona que le hace una pregunta al sistema sabe la respuesta correcta. Entonces, puedes escribirlo en los bloques de información del programa. Un perceptrón que da la respuesta correcta gana valor, yaquí el que contestó incorrectamente lo pierde, recibiendo una multa. Cada nuevo ciclo de lanzamiento del programa difiere del anterior debido al cambio en el nivel de valor. Volviendo al ejemplo anterior: tarde o temprano el programa aprenderá a distinguir claramente entre la tierra y el espacio. Las redes neuronales aprenden con mayor eficacia cuanto más correctamente se elabora el programa de estudio, y su formación cuesta mucho esfuerzo a los científicos modernos. Como parte de la tarea establecida anteriormente: si a la red neuronal se le proporciona otra foto para el análisis, probablemente no podrá procesarla con precisión de inmediato, pero, según los datos obtenidos durante el entrenamiento anterior, determinará con precisión dónde está la tierra, y dónde están las nubes, el espacio o algo más.

Aplicando una idea a la realidad

Por supuesto, en realidad, las redes neuronales son mucho más complicadas que las descritas anteriormente, aunque el principio en sí sigue siendo el mismo. La tarea principal de los elementos a partir de los cuales se forma la red neuronal es sistematizar la información numérica. Al combinar una gran cantidad de elementos, la tarea se vuelve más complicada, ya que la información de entrada puede no ser del exterior, sino del perceptrón, que ya ha hecho su trabajo de sistematización.

Si volvemos a la tarea anterior, dentro de la red neuronal puede generar los siguientes procesos: una neurona distingue los píxeles azules de otras, la otra procesa las coordenadas, la tercera analiza los datos recibidos por la primera dos, en base a la cual decide si la tierra o el cielo está en el punto dado. Además, la clasificación en azul y otros píxeles se puede confiar a varias neuronas simultáneamente, y la información que reciben se puede resumir. Esos perceptrones que daránun resultado mejor y más preciso recibirá una bonificación en forma de un valor más alto al final, y sus resultados serán una prioridad al reprocesar cualquier tarea. Por supuesto, la red neuronal resulta extremadamente voluminosa y la información procesada en ella será una montaña insoportable, pero será posible tener en cuenta y analizar errores y prevenirlos en el futuro. Los implantes basados en gran parte en redes neuronales que se encuentran en muchos libros de ciencia ficción funcionan así (a menos, por supuesto, que los autores se molesten en pensar cómo funciona).

Hitos históricos

Puede sorprender al profano, pero las primeras redes neuronales aparecieron en 1958. Esto se debe al hecho de que el dispositivo de las neuronas artificiales es similar a otros elementos informáticos, entre los cuales se transmite información en forma de un sistema numérico binario. A finales de los años sesenta se inventó una máquina, denominada Mark I Perceptron, en la que se implementaron los principios de las redes neuronales. Esto significa que la primera red neuronal apareció solo una década después de la construcción de la primera computadora.

Las primeras neuronas de la primera red neuronal consistían en resistencias, tubos de radio (en ese momento, aún no se había desarrollado un código que los científicos modernos pudieran usar). Trabajar con una red neuronal fue tarea de Frank Rosenblatt, quien creó una red de dos capas. Se utilizó una pantalla con una resolución de 400 píxeles para transmitir datos externos a la red. La máquina pronto pudo reconocer formas geométricas. Esto ya sugería que, con la mejora de las soluciones técnicas, las redes neuronales puedenaprender a leer letras. ¿Y quién sabe qué más?

Primera red neuronal

Como se puede ver en la historia, Rosenblatt literalmente se quemó con su trabajo, estaba perfectamente orientado en él, era especialista en neurofisiología. Fue el autor de un curso universitario fascinante y popular en el que cualquiera podía entender cómo implementar el cerebro humano en una realización técnica. Incluso entonces, la comunidad científica esperaba que pronto habría oportunidades reales para formar robots inteligentes capaces de moverse, hablar y formar sistemas similares a ellos. Quién sabe, ¿quizás estos robots irían a colonizar otros planetas?

Rosentblatt era un entusiasta, y puedes entenderlo. Los científicos creían que la inteligencia artificial podría realizarse si la lógica matemática se incorporara completamente en una máquina. En este punto ya existía el test de Turing, Asimov popularizó la idea de la robótica. La comunidad científica estaba convencida de que la exploración del Universo era cuestión de tiempo.

Escepticismo justificado

Ya en los años sesenta había científicos que discutían con Rosenblatt y otras grandes mentes que trabajaban en inteligencia artificial. Una idea bastante precisa de su lógica de fabricaciones se puede obtener de las publicaciones de Marvin Minsky, muy conocido en su campo. Por cierto, se sabe que Isaac Asimov y Stanley Kubrick hablaron muy bien de las habilidades de Minsky (Minsky lo ayudó a trabajar en A Space Odyssey). Minsky no estaba en contra de la creación de redes neuronales, sobre las cualesLa película de Kubrick lo testimonia, y como parte de su carrera científica, se dedicó al aprendizaje automático allá por los años cincuenta. Sin embargo, Minsky fue categórico sobre las opiniones erróneas, criticando esperanzas para las que en ese momento aún no había un fundamento sólido. Por cierto, Marvin de los libros de Douglas Adams lleva el nombre de Minsky.

La crítica a las redes neuronales y el enfoque de esa época está sistematizado en la publicación "Perceptron", fechada en 1969. Fue este libro el que literalmente mató de raíz el interés de muchas personas en las redes neuronales, porque un científico con una excelente reputación mostró claramente que Mark the First tenía una serie de fallas. En primer lugar, la presencia de solo dos capas era claramente insuficiente y la máquina podía hacer muy poco, a pesar de su tamaño gigantesco y su gran consumo de energía. El segundo punto de crítica estuvo dedicado a los algoritmos desarrollados por Rosenblatt para el entrenamiento de redes. Según Minsky, la información sobre los errores se perdía con una alta probabilidad, y la capa necesaria simplemente no recibía la cantidad completa de datos para un análisis correcto de la situación.

Las cosas se detuvieron

A pesar de que la idea principal de Minsky era señalar los errores a sus colegas para estimularlos a mejorar el desarrollo, la situación era diferente. Rosenblatt murió en 1971 y no había nadie para continuar su trabajo. Durante este período, comenzó la era de las computadoras, y este campo de la tecnología avanzaba a pasos agigantados. En este sector se emplearon las mejores mentes en matemáticas e informática, y la inteligencia artificial parecía un desperdicio irracional de energía y recursos.

Las redes neuronales no han llamado la atención de la comunidad científica desde hace más de una década. El punto de inflexión llegó cuando el cyberpunk se puso de moda. Fue posible encontrar fórmulas mediante las cuales se pueden calcular los errores con gran precisión. En 1986, el problema formulado por Minsky ya encontró una tercera solución (las tres fueron desarrolladas por grupos independientes de científicos), y fue este descubrimiento lo que impulsó a los entusiastas a explorar un nuevo campo: el trabajo en redes neuronales volvió a estar activo. Sin embargo, el término perceptrones fue reemplazado silenciosamente por computación cognitiva, se deshizo de los dispositivos experimentales, comenzó a usar la codificación, utilizando las técnicas de programación más efectivas. Solo unos pocos años, y las neuronas ya están ensambladas en estructuras complejas que pueden hacer frente a tareas bastante serias. Con el tiempo, fue posible, por ejemplo, crear programas para leer la escritura humana. Las primeras redes aparecieron con capacidad de autoaprendizaje, es decir, encontraron las respuestas correctas de forma independiente, sin una pista de la persona que controlaba la computadora. Las redes neuronales han encontrado su aplicación en la práctica. Por ejemplo, es en ellos que los programas que identifican los números en los cheques se utilizan en las estructuras bancarias de Estados Unidos.

Avanzar a pasos agigantados

En la década de los 90, quedó claro que una característica clave de las redes neuronales que requiere una atención especial de los científicos es la capacidad de explorar un área determinada en busca de la solución correcta sin que una persona lo solicite. El programa utiliza el método de prueba y error, en base al cual crea reglas de comportamiento.

Este período estuvo marcado por una oleada de interéspúblico a robots improvisados. Diseñadores entusiastas de todo el mundo comenzaron a diseñar activamente sus propios robots capaces de aprender. En 1997, esto marcó el primer éxito verdaderamente serio a nivel mundial: por primera vez, una computadora venció al mejor jugador de ajedrez del mundo, Garry Kasparov. Sin embargo, a finales de los noventa, los científicos llegaron a la conclusión de que habían tocado techo y que la inteligencia artificial no podía crecer más. Además, un algoritmo bien optimizado es mucho más eficiente que cualquier red neuronal para resolver los mismos problemas. Algunas funciones permanecieron con las redes neuronales, por ejemplo, el reconocimiento de textos de archivo, pero nada más complicado estaba disponible. Básicamente, como dicen los científicos modernos, f altaban capacidades técnicas.

Nuestro tiempo

Las redes neuronales hoy en día son una forma de resolver los problemas más complejos utilizando el método de "la solución se encontrará por sí misma". De hecho, esto no está relacionado con ninguna revolución científica, solo los científicos modernos, las luminarias del mundo de la programación, tienen acceso a una poderosa técnica que les permite poner en práctica lo que una persona antes solo podía imaginar en términos generales. Volviendo a la frase de Cicerón sobre los monos y las fichas: si asignas a los animales a alguien que les dará una recompensa por la frase correcta, no solo crearán un texto significativo, sino que escribirán una nueva "Guerra y paz", y nada peor.

Las redes neuronales de nuestros días están en servicio con las empresas más grandes que trabajan en el campo de la tecnología de la información. Son redes neuronales multicapa implementadas a través de potentes servidores,utilizando las posibilidades de la World Wide Web, los conjuntos de información acumulados durante las últimas décadas.