Primero, comprendamos qué es una red. Una red es un sistema de nodos (puntos de conexión) y conexiones entre nodos. Otra forma de verlo es un conjunto de componentes simples que se unen para crear un sistema complejo.
Típicamente, las redes se hacen con el propósito de transmitir y recibir información. Los nodos son capaces de tomar entradas y procesarlas para producir una salida. Las conexiones son responsables del flujo de información entre los nodos, que pueden ser unidireccionales (solo en una dirección) o bidireccionales (la información puede fluir de un lado a otro).
Lo bueno de las redes es que el comportamiento global de la red general es emergente. Es decir, la red tiene habilidades más poderosas que sus componentes individuales, a pesar de estar compuesta de esos componentes. Cada componente individual y la interacción se componen para crear una entidad más grande y más efectiva.
- ¿Cuál es tu opinión sobre la inteligencia artificial?
- ¿Crees que la IA está reemplazando los trabajos?
- ¿Qué se debe aprender en inteligencia artificial?
- ¿Cómo está limitado el razonamiento de la IA en el mundo real por la indecidibilidad de FOL?
- ¿Es normal que un adolescente esté interesado en la inteligencia artificial?
Una red neuronal artificial es esencialmente una red computacional basada en redes neuronales biológicas. Estos modelos apuntan a duplicar la compleja red de neuronas en nuestros cerebros (porque imagine lo que una computadora puede hacer si funciona como nuestros cerebros).
Esta vez, los nodos están programados para comportarse como neuronas reales. Aunque en realidad son neuronas artificiales que intentan comportarse como las reales, de ahí el nombre de “red neuronal artificial”.
Así son las neuronas reales:
Si no está familiarizado con las neuronas, no se preocupe. La idea es bastante simple. Aquí está viendo dos neuronas individuales que están conectadas entre sí (es decir, dos nodos conectados en la red). Una neurona recibe información en sus dendritas, la procesa en su cuerpo celular y luego, si la señal de salida es lo suficientemente fuerte (supera un cierto umbral eléctrico), enviará la información por el axón y a través de la sinapsis para encontrar las dendritas de la siguiente neurona
Aquí hay una imagen simplificada:
Ese comportamiento es esencialmente lo que una red neuronal artificial intenta imitar. Por lo tanto, un nodo puede recibir múltiples entradas como lo normal, pero esta vez, cada mensaje de entrada se multiplica por un peso único. La cantidad del peso depende de la fuerza de su mensaje de entrada. Sí, la intensidad de la señal puede variar aquí. ¿Recuerdas lo que mencioné sobre un umbral eléctrico? Si las entradas de una neurona no son lo suficientemente potentes como para alcanzar ese umbral, entonces la neurona no disparará información. Eso solo significa que la información no es lo suficientemente importante como para ser enviada. Entonces, después de que la neurona artificial recibe sus entradas, una función matemática calcula si se disparará o no. Y si a la neurona artificial se le dispara, la salida se calcula mediante otra función matemática.
Aquí hay una imagen simple de lo anterior:
Los pesos son extremadamente importantes en las redes neuronales artificiales porque el mensaje de salida de cada neurona, así como el cálculo de la red en su conjunto, dependen completamente de ellos.
Ahora, aquí está la parte realmente genial que reúne todo.
Cuando juntas una red neuronal artificial por primera vez, es como si naciera un bebé. Las neuronas pueden funcionar normalmente, pero el bebé no tiene experiencia previa para basar los pesos. Entonces, lo único que puede hacer el bebé ahora es ajustar sus pesos neuronales a medida que comete errores y aprende. La nueva red neuronal artificial pasará por el mismo proceso. Los pesos tendrán que ajustarse para producir el cálculo correcto o deseado. Aunque nadie querría encontrar los pesos correctos a mano para miles de neuronas, se crean algoritmos para hacerlo.
Ese proceso de ajustar los pesos se llama aprendizaje o entrenamiento. Es lo mismo que los humanos hacen a diario. ¡Estamos tratando de hacer que las computadoras aprendan independientemente como los humanos! Esa es la razón por la cual las redes neuronales artificiales se están volviendo populares en la inteligencia artificial de hoy. Incluso tienen su propio subcampo de IA, llamado aprendizaje profundo , si desea leer más al respecto.
Fuentes (imágenes y / o información):
- https://arxiv.org/ftp/cs/papers/…
- Red neuronal artificial
- Neuronas con miles de conexiones: ¿de dónde provienen las conexiones adicionales?