Análisis Crítico (Redes Neuronales Artificiales)

El documento Redes Neuronales Artificiales escrito por Emilio Soria y Antonio Blanco resalta
de manera introductoria la principal característica que nos separa del resto de los animales,
y la señala como la capacidad de raciocinio, siendo ésta la que nos ha permitido desarrollar
tecnología. ¿Cómo funciona el cerebro? ¿se pueden construir modelos artificiales que lo
emulen? ¿se pueden desarrollar máquinas inteligentes? Todas estas son preguntas que han
incitado al desarrollo de un campo llamado Inteligencia Artificial (IA) la cual busca como
principal objetivo dar respuesta a estas preguntas y proponer los modelos y teoremas
necesarios para lograr la imitación e inclusive mejora del comportamiento cerebral
humano.

Se estima que el punto de partida en el estudio del cerebro lo podríamos fijar en pleno siglo
XX con los trabajos de Santiago Ramón y Cajal, uno de los más grandes científicos. Fue él
quien desarrolla la idea de neurona como el componente más pequeño en la estructura del
cerebro. Dando esto lugar a concentrar los estudios posteriores en la famosa neurona.

Como consiguiente a esta información se llega a un punto en el que se hace una

comparativa entre una computadora o más precisamente el procesador y el cerebro
humando, de la cual surgen factores como velocidad, eficiencia energética, número de
interconexiones neuronales etc. Una vez dentro de la comparativa escriben de manera
graciosa los autores que un cerebro no necesita de un ventilador como sistema de
enfriamiento frente a una computadora que si lo requiere para su correcto funcionamiento.
Una comparativa más que me parece muy clara de comprender es la del reconocimiento
facial, y esta vez también el cerebro humano aparece como superior a una computadora ya
que una persona es capaz de reconocer un rostro en muy poco tiempo, aunque la fotografía
esté borrosa y el rostro un poco girado, lo cual tomaría un largo tiempo de procesamiento
a una computadora. El factor que determina el resultado mencionado es el de la alta
interconexión neuronal, la cual no ha sido alcanzada en los modelos actuales de la IA.

Pese a que existen una gran cantidad de definiciones de la inteligencia artificial, todas
coinciden en tanto a la simulación del comportamiento biológico.

Los elementos que se conocen como neuronas, están interconectados entre si ́ mediante
una serie de conexiones que, siguiendo con la analogía biológica, se conocen como pesos
sinápticos. Estos pesos varían con el tiempo mediante un proceso que se conoce como
aprendizaje. Así pues, podemos definir el aprendizaje de una red como el proceso por el
cual modifica las conexiones entre neuronas, pesos sinápticos, para realizar la tarea
deseada. Para la comprensión de esto se puede ejemplificar como el caso en el que un niño
aprende a andar en bicicleta, ya que al intentarlo pude caer lo cual creara conexiones entre
determinadas neuronas para que sepa la forma de no hacerlo y cada vez que lo intente lo
hará mejor hasta llegar al punto que lo logre hacer correctamente sin caer.
Sistemas conexionistas es otra forma de llamar a las redes neuronales. Según trabajos
históricos hechos por varios científicos como McCulloch y Pitts entre otros, se puede decir
que la IA es una ciencia multidisciplinar donde ingenieros, psicólogos, médicos,
matemáticos y físicos teóricos han aportado algún elemento. Siendo esto posible porque el
campo de la IA es tan amplio que llega a cada una de las especialidades mencionadas.

Se sabe que la potencia computacional de una red neuronal deriva, principalmente, de su

estructura de cálculo distribuido paralelo. Esta estructura le permite la resolución de
problemas que necesitarían gran cantidad de tiempo en ordenadores “clásicos”. Pero
aparte de este hecho aparecen otras propiedades que las hacen especialmente atractivas
para ser usadas en una gran cantidad de problemas prácticos: Son sistemas distribuidos no
lineales, son sistemas tolerantes a fallos, adaptables, establecen relaciones no lineales entre
datos. Todas estas son cualidades de un sistema que implementa IA.