Page 30 - Ebook-Jimson Andino-Lorenz Berrones
P. 30
cerebro del experimentador Neural Network es un En la siguiente imagen podemos ver una red con
nuevo sistema de procesamiento de información, la cuatro capas:
unidad básica de procesamiento de la red neuronal
inspirada en la célula básica del sistema nervioso
humano: la neurona.
1.1 Acerca de las redes neuronales
Recientemente, las redes neuronales están regresando
hoy debido a los logros que crean. Ejemplo: Google
venció su propio reCAPTCHA con una red neuronal,
en Stanford lograron generar subtítulos
automáticamente, objetivos bastante impresionantes Figura 2: Red con cuatro capas.
que se acercan cada vez más a la idea original son
reproducir la actividad del cerebro humano en La Fig. 2 ejemplo de red de cuatro capaz, de entrada,
computadora. Ahora, ¿cuáles son estos modelos? salida y capaz ocultas.
¿Cómo puede una computadora imitar el proceso de
aprendizaje y terminar desarrollando una “cosa” que Las neuronas de la primera capa reciben datos reales
funcione? que alimentan la red neuronal como entrada. Por eso
la primera capa se llama capa de entrada. La salida de
Redes neuronales artificiales basadas en el
funcionamiento de redes neuronales biológicas. Las la última capa es el resultado visible de la red, por eso
la última capa se llama capa de salida. Las capas entre
células nerviosas que todos tenemos en nuestro
cerebro están formadas por dendritas, somas y axones: las capas de entrada y salida se denominan capas
ocultas porque no conocemos los valores de entrada y
los axones son responsables de captar los impulsos
nerviosos emitidos por otras neuronas. Estos impulsos salida.
son procesados en el soma y transmitidos por el axón, Por lo tanto, una red neuronal siempre consta de una
que envía el impulso nervioso a las neuronas vecinas.
capa de entrada, una capa de salida (si solo hay una
A nivel esquemático, una neurona artificial se capa en la red neuronal, la capa de entrada corresponde
representa del siguiente modo: a la capa de salida) y puede contener 0 o más capas
ocultas. El concepto de Deep Learning nació del uso
de una gran cantidad de capas ocultas en la red.
1.2 Historia de las redes neuronales
Ser capaz de diseñar y fabricar máquinas que puedan
ejecutar procesos con cierto grado de inteligencia ha
sido siempre uno de los principales objetivos de los
científicos en la historia.
Figura 1: Nivel esquemático de una neurona artificial. 1936 - Alan Turing. No tardó en concentrarse en el
cerebro como perspectiva del universo de registro.
La Fig. 1 emula un sistema nervioso de una
adaptabilidad al entrono, memoria distribuida. Warren McCulloch, y Walter Pitts: Mostraron una
organización neuronal sencilla utilizando circuitos
En el caso de las neuronas artificiales, la suma de las eléctricos.
entradas multiplicadas por sus pesos asociados
determina el "impulso nervioso" que recibe la neurona. 1950 - Karl Lashley. Observó que los datos se
Este valor se procesa dentro de la célula mediante una difundían por la mente.
función de activación que devuelve un valor enviado a
la salida de la neurona. 1956 - Congreso de Dartmouth. Se hace referencia a
este congreso para mostrar la introducción a la
De la misma manera que nuestro cerebro está formado inteligencia artificial.
por neuronas interconectadas, una red de neuronas
artificiales está formada por neuronas artificiales 1957 - Frank Rosenblatt. Inició la mejora del
interconectadas y se agrupan en diferentes niveles Perceptrón, la organización neuronal más veterana.
llamados capas:
1960 - Bernard Widrow. Impulsó el modelo Adaline,
“Una capa es una colección de neuronas cuya entrada la principal organización neuronal aplicada a un tema
proviene de la capa anterior (o datos de entrada en el genuino.
caso de la primera capa) primero) y su salida es la
entrada de la siguiente capa" [1]. 1961 - Karl Steinbeck: Organización neuronal para el
reconocimiento especializado básico.
28