Que es una red neuronal
Imagen: Moritz Kindler
Los avances en la ciencia y medicina se deben en gran parte al estudio y uso cada vez más importante de las redes neuronales. A continuación, Maithra Raghudi, de Google Research, ofreció una entrevista sobre visión general de este campo concreto de la tecnología moderna.
Antiguamente, había una forma infalible de diferenciar a los humanos de los ordenadores: se presentaba una foto de un amigo de cuatro patas y se preguntaba si era un gato o un perro. Un ordenador no podría identificar a los felinos de los perros, pero los humanos podríamos responder con una confianza irreductible.
Todo cambió hace una década gracias a los avances en la visión por ordenador y el aprendizaje automático, en particular, los grandes avances en las redes neuronales, que pueden entrenar a los ordenadores para que aprendan de forma similar a los humanos. Hoy en día, si le das a un ordenador suficientes fotos de perros y gatos y una etiqueta, puede aprender a distinguirlos perfectamente.
La gran pregunta: ¿Qué es una red neuronal?
Si pensamos en la inteligencia artificial como la ciencia de hacer cosas inteligentes, el aprendizaje automático es el subcampo de la inteligencia artificial que se centra en hacer más inteligentes a los ordenadores enseñándoles a aprender, en lugar de codificarlos. Dentro de esto, las redes neuronales son una técnica avanzada de aprendizaje automático, donde se enseña a los ordenadores a aprender con algoritmos que se inspiran en el cerebro humano.
El cerebro activa grupos de neuronas que se comunican entre sí. En una red neuronal artificial (el tipo de ordenador), una "neurona" (que puede considerarse una unidad de cálculo) se agrupa con un grupo de otras "neuronas" en una capa y estas capas se apilan unas sobre otras. Entre cada una de estas capas hay conexiones. Cuantas más capas tenga una red neuronal, más "profunda" será. De ahí surge la idea del "aprendizaje profundo". "Las redes neuronales parten de la neurociencia porque tienen un elemento matemático."
Maithra. "Las conexiones entre neuronas son valores numéricos representados por matrices y el entrenamiento de la red neuronal utiliza algoritmos basados en el gradiente".
Puede parecer complejo, pero es probable que usted interactúe con las redes neuronales con bastante frecuencia, como cuando se desplaza por las recomendaciones de películas personalizadas o chatea con un bot de atención al cliente.
Configurando una red neuronal
Aquí es donde el modelo se vuelve mucho más sofisticado. Al igual que las personas, las redes neuronales aprenden de la retroalimentación. Si volvemos al ejemplo del gato y el perro, su red neuronal mirará las imágenes y empezará a adivinar al azar. Se etiquetarían los datos de entrenamiento (por ejemplo, diciéndole al ordenador si cada imagen presenta un gato o un perro) y esas etiquetas proporcionarían retroalimentación, diciéndole a la red neuronal cuándo está bien o mal. Durante este proceso, los parámetros de la red neuronal se adaptan y la red neuronal pasa de no saber a aprender a identificar entre gatos y perros.
¿Por qué no utilizamos las redes neuronales todo el tiempo?
"Aunque las redes neuronales se basan en nuestro cerebro, la forma en que aprenden es, en realidad, muy diferente a la de los humanos", afirma Maithra. "Las redes neuronales suelen ser bastante especializadas y restringidas. Esto puede ser útil porque, por ejemplo, significa que una red neuronal podría ser capaz de procesar escaneos médicos mucho más rápido que un médico, o detectar patrones que un experto entrenado podría ni siquiera notar.
Pero como las redes neuronales aprenden de forma diferente a las personas, todavía hay muchas cosas que los informáticos desconocen sobre su funcionamiento. Volviendo a los gatos contra los perros: si su red neuronal le da todas las respuestas correctas, podría pensar que se está comportando como se espera. Pero Maithra advierte que las redes neuronales pueden funcionar de forma misteriosa.
"Puede que tu red neuronal no pueda identificar entre gatos y perros en absoluto; puede que sólo pueda identificar entre sofás y césped, y que todas tus fotos de gatos estén en sofás y todas tus fotos de perros estén en parques", dice. "Entonces, podría parecer que conoce la diferencia cuando en realidad no la conoce".
"Las redes neuronales han sido transformadoras para muchos sectores", dice Maithra, "y me entusiasma la idea de profundizar aún más en sus aplicaciones en el futuro".
Participar en la conversación