¿Qué es una red neuronal artificial (ANN)?
Una red neuronal artificial (ANN) es la pieza de un sistema informático diseñado para simular la forma en que el cerebro humano analiza y procesa la información. Es la base de la inteligencia artificial (IA) y resuelve problemas que resultarían imposibles o difíciles para los estándares humanos o estadísticos. Las ANN tienen capacidades de autoaprendizaje que les permiten producir mejores resultados a medida que se dispone de más datos.
- Una red neuronal artificial (ANN) es el componente de la inteligencia artificial que está destinada a simular el funcionamiento de un cerebro humano.
- Las unidades de procesamiento constituyen ANN, que a su vez consisten en inputs (entradas) y outputs (salidas). Los inputs son de lo que aprende la ANN para producir el output.
- La retropropagación es el conjunto de reglas de aprendizaje utilizadas para guiar las redes neuronales artificiales.
- Las aplicaciones prácticas para las ANN son a lo largo y amplio, abarcando finanzas, comunicación personal, industria, educación, etc.
Comprender una red neuronal artificial (ANN)
Las redes neuronales artificiales se construyen como el cerebro humano, con nodos neuronales interconectados como una red. El cerebro humano tiene cientos de miles de millones de células llamadas neuronas. Cada neurona está compuesta por un cuerpo celular que es responsable de procesar la información llevando información hacia (insumos) y lejos (salidas) del cerebro.
Una ANN tiene cientos o miles de neuronas artificiales llamadas unidades de procesamiento, que están interconectadas por nodos. Estas unidades de procesamiento se componen de unidades de entrada y salida. Las unidades de entrada reciben varias formas y estructuras de información basadas en un sistema de ponderación interno, y la red neuronal intenta aprender sobre la información presentada para producir un informe de salida. Al igual que los seres humanos necesitan reglas y directrices para llegar a un resultado o salida, las ANN también utilizan un conjunto de reglas de aprendizaje llamadas retropropagación, una abreviatura de propagación hacia atrás del error, para perfeccionar sus resultados de salida.
Una ANN pasa inicialmente por una fase de entrenamiento donde aprende a reconocer patrones en los datos, ya sea visual, auditiva o textualmente. Durante esta fase supervisada, la red compara su salida real producida con lo que estaba destinada a producir: la salida deseada. La diferencia entre ambos resultados se ajusta mediante retropropagación. Esto significa que la red trabaja hacia atrás, pasando de la unidad de salida a las unidades de entrada para ajustar el peso de sus conexiones entre las unidades hasta que la diferencia entre el resultado real y el deseado produzca el menor error posible.
Durante la etapa de capacitación y supervisión, a la ANN se le enseña qué buscar y cuál debe ser su resultado, utilizando tipos de preguntas sí/no con números binarios. Por ejemplo, un banco que quiere detectar el fraude con tarjetas de crédito a tiempo puede tener cuatro unidades de entrada alimentadas con estas preguntas: (1) ¿La transacción es en un país diferente del país residente del usuario? (2) ¿El sitio web en el que se utiliza la tarjeta está afiliado a empresas o países en la lista de vigilancia del banco? (3) ¿La cantidad de la transacción es mayor de $2,000? (4) ¿El nombre en la factura de transacción es el mismo que el nombre del titular de la tarjeta?
El banco quiere que las respuestas de “fraude detectado” sean Sí Sí No, que en formato binario sería 1 1 0. Si la salida real de la red es 1 0 1 0, ajusta sus resultados hasta que entrega una salida que coincide con 1 1 1 0. Después de la capacitación, el sistema informático puede alertar al banco de transacciones fraudulentas pendientes, ahorrando mucho dinero al banco.
Aplicaciones Prácticas para Redes Neurales Artificiales (ANN)
Las redes neuronales artificiales están allanando el camino para que se desarrollen aplicaciones que cambian la vida para su uso en todos los sectores de la economía. Las plataformas de inteligencia artificial que se basan en ANN están interrumpiendo las formas tradicionales de hacer las cosas. Desde traducir páginas web a otros idiomas hasta tener un asistente virtual que ordene comestibles en línea hasta conversar con chatbots para resolver problemas, las plataformas de IA están simplificando las transacciones y haciendo que los servicios sean accesibles para todos a costos insignificantes.
Se han aplicado redes neuronales artificiales en todas las áreas de operación. Los proveedores de servicios de correo electrónico utilizan ANN para detectar y eliminar el spam de la bandeja de entrada de un usuario; los administradores de activos lo utilizan para predecir la dirección de las acciones de una empresa; las empresas de calificación crediticia lo utilizan para mejorar sus métodos de calificación crediticia; las plataformas de comercio electrónico lo utilizan para personalizar las recomendaciones a su audiencia; los chatbots se desarrollan con ANN para el procesamiento del lenguaje natural; los algoritmos de aprendizaje profundo utilizan ANN para predecir la probabilidad de un evento; y la lista de incorporación de ANN continúa en múltiples sectores, industrias y países.