Document related concepts
Transcript
INFORMÁTICA Redes neuronales Máquinas que aprenden Quizá los más forofos del fútbol hayan oído que, desde el año 2002, el club A.C. Milan del Calcio italiano realiza un seguimiento informatizado de sus jugadores y que un ordenador es capaz de determinar qué jugadores corren riesgo de lesionarse. Inteligencia artificial, lo llaman. Actualmente, en los laboratorios informáticos se desarrollan programas que imitan la estructura del cerebro humano, intentando emular una de las capacidades que nos hacen inteligentes: la de aprender. © Alfred Pasieka Neuronas naturales Nuestro sistema nervioso está formado por un enorme número de células nerviosas: las neuronas. Cada una de estas células está conectada a un gran número de vecinas, formando una tupida red. Las neuronas reciben señales de entrada de sus vecinas a través de ramificaciones de entrada: las dendritas. Si la suma de las señales de entrada supera un cierto nivel, la neurona se activa y envía su propia señal a través del axón, o ramificación de salida. Las neuronas que se encuentren conectadas a este axón recibirán la señal por sus dendritas, y este cambio podrá generar, a su vez, nuevas señales que se propagarán a otras neuronas. Esta cascada de activaciones es la base del funcionamiento del cerebro y de todo el sistema nervioso. Neuronas artificiales La idea de las redes neuronales artificiales es la de imitar la estructura del cerebro, mediante la conexión de un número de unidades pequeñas que realicen cálculos simples para construir programas que realicen tareas complejas. En su versión más simple, las neuronas artificiales son componentes que trabajan con números. Su tarea es recibir una serie de cantidades numéricas El Backgammon es un juego de mesa en que los sistemas de redes neuronales consiguen resultados excelentes. El año 1979, el sistema BKG9.8 se había transformado en el primer programa del mundo capaz de ganar una partida de un juego al campeón mundial humano. La incorporación de redes neuronales supuso una revolución y actualmente existen diversos sistemas capaces de jugar al nivel de los mejores jugadores del mundo. ! 44 de sus vecinas, multiplicar cada una de ellas por una cantidad fija, y, si la suma es mayor a un valor determinado, enviar a las neuronas que lo esperan un valor de salida. Como en el sistema nervioso, hay neuronas que no reciben como entrada la salida de otras neuronas, sino los datos del problema; y hay neuronas que no envían su salida a otras, sino que dan la respuesta final. Eureka! gener 2006 Unos inicios insospechados Uno de los primeros sistemas de redes neuronales con capacidad de aprender fue el perceptrón, desarrollado el año 1957 por Frank Rosenblatt. El sistema era capaz de aprender a reconocer formas geométricas como cuadrados, triángulos o círculos, así como muchos otros patrones. Rosenblatt era muy optimista respecto a las posibilidades de su sistema. Sin embargo, tuvo como rival al influyente Marvin Minsky, quien dedicó años Una de las características que hace de las redes neuronales un sistema interesante es su capacidad de aprender. No siempre es posible construir un programa que haga una tarea deseada. A veces no se sabe con certeza cómo debería hacerla; otras veces, puede ser demasiado costoso introducir en el ordenador todas las órdenes necesarias para hacerla. Sin embargo, se puede crear un programa con capacidad de aprender, y entonces enseñarle un montón de ejemplos de la tarea a realizar. Así, en el caso del equipo de fútbol, se le puede enseñar el historial de variables biométricas de los jugado- a desacreditar a Rosenblatt. En 1969 publicó en un artículo una dura crítica hacia los perceptrones, haciendo gran hincapié en sus limitaciones. Este artículo, junto con la accidental muerte de Rosenblatt poco después, consiguió cortar todas las subvenciones para la investigación en redes neuronales durante una década. Irónicamente, el propio Minsky fue luego un activo investigador en versiones mejoradas de los perceptrones... res (peso, altura, tanto por ciento de grasa corporal, pulsaciones en reposo...) y si se han lesionado o no tras jugar cada partido. La esperanza es que el programa aprenda y, cuando se le den nuevos datos, sea capaz de determinar, antes de que se juegue el partido, si el jugador se va a lesionar o no. Las redes neuronales no son el único método de conseguir aprendizaje, pero sí uno de los más populares. Edgar Gonzàlez