En este artículo aprenderás lo que es una Red Neuronal (RNA), el componente fundamental de toda Inteligencia Artificial. Sin conocimientos técnicos podrás comenzar a entender el funcionamiento de una RNA y cómo esto se traduce en las herramientas con Inteligencia Artificial que utilizamos en la vida cotidiana, muchas veces sin darnos cuenta (Alexa, los Feeds de las redes sociales, las recomendaciones de Amazon y Netflix, el reconocimiento de rostros en fotografías, entre muchos otros).
Recordar lo que es Inteligencia Artificial
Pero…qué era la inteligencia artificial? En el artículo pasado “Conoce Amazon Rekognition” exploramos el campo de la visión por computadora y los coches autónomos. Descubrimos que el mayor uso de la inteligencia artificial hoy en día es para el reconocimiento de objetos por computadora vía cámaras tal y como lo hace la herramienta Rekognition que Amazon ofrece (para aprender a utilizar Amazon Rekognition visita nuestro artículo “Conoce Amazon Rekognition”
¿Qué es una Red Neuronal y por qué nos debe importar?
Las Redes Neuronales son los elementos centrales de todo programa con Inteligencia Artificial. Son las estructuras de algoritmos programadas por los ingenieros de software que finalmente logran predecir con gran precisión (ya que el programa ha madurado) las respuestas que debe dar, sea un asistente de voz que tiene que entender lo que le decimos y responder algo coherente, o una cámara que tiene que ver imágenes y decidir qué es cada una de las formas que está viendo. Aunque estos dos parecen mundos completamente distintos, al final del día la clave está en las predicciones que un programa con inteligencia artificial tiene que hacer correctamente para dar respuestas acertadas.
En la siguiente imagen Google explica a muy grandes rasgos las redes neuronales de su asistente de voz Google Assistant.
En la imagen se pueden ver los elementos clave que forman una Red Neuronal:
- Neuronas: representadas como círculos, son la unidad más pequeña de una RNA y representan los algoritmos que procesarán la información que ingresa a la red.
- Capas: las capas son los grupos de neuronas que van filtrando la información que ingresa a la red de forma secuencial. Las Capas pueden estar compuestas por múltiples neuronas y el número de capas dentro de una red neuronal también puede variar para optimizar el procesamiento de la información. En este ejemplo se ven 3 capas de neuronas, la primera capa contiene 4 neuronas, la segunda capa 3 y la tercera capa 2.
- Input: es la información que ingresa a la red neuronal. En el ejemplo de Google dividen el Input en 3 tipos de datos, la frecuencia, el ASR y el Contexto.
- Output: es la información que las capas de neuronas emiten al finalizar el proceso. Es la respuesta que la red neuronal ofrece después de procesar y entender el Input. El éxito de una red neuronal se determina por la calidad y precisión de las respuestas que da como Output.
- Entrenamiento: es el proceso continuo y necesario para incrementar la precisión de las respuestas que la red neuronal emite. Este proceso se da cuando la red emite respuestas incorrectas y se le da retroalimentación acorde para que reconfigure de manera autónoma los algoritmos de las neuronas y vuelva a intentar. Es similar a el proceso de aprendizaje que un bebé vive al querer caminar. Poco a poco intenta dar pasos, se cae, se para, cambia un poco la forma de dar los pasos hasta que por fin! el bebé ya sabe mover sus piernas sin caerse.
En este video podrás ver el Google Assistant en acción y te ayudará a ver una de las aplicaciones prácticas más impactantes de las redes neuronales:
Podemos concluir que las redes neuronales son algoritmos que pueden llegar a resolver problemas muy complejos de una forma muy precisa. No cabe duda que la inteligencia artificial está abriendo puertas a la resolución de problemas que antes no hubiéramos ni soñado con resolver.
