Robots, máquinas autónomas, coches que se conducen solos… son solo la punta de lanza de unos sistemas que van a transformar profundamente desde la economía hasta la medicina o la seguridad pública, y que incluso hasta podrían aclarar los orígenes del universo.
Las redes neuronales artificiales son una vertiente de la inteligencia artificial (IA) que ya está muy presente en nuestra vida cotidiana, sin ir más lejos en sistemas como Alexa , Siri o Cortana, que se sirven del deep learning para entendernos y cumplir nuestras peticiones.
Pero el potencial disruptivo de estas tecnologías va mucho más allá que el de la mera asistencia digital, al ser capaces de impulsar profundas transformaciones en nuestras sociedades, comenzando por el propio ámbito laboral, ya que las redes neuronales hacen posible la existencia de robots y máquinas dotadas de inteligencia y autonomía para realizar cualquier tarea sin la programación, la ayuda o la supervisión humana.
Además, esto también afecta a cualquier actividad comercial, debido a que el marketing neuronal enfocado a predecir los deseos individuales redimensiona toda la venta online, permitiendo afinar a la perfección las estrategias de captación. Y cuando hablamos de consumo, lo hacemos a todos los niveles, incluyendo las series y películas que vemos en las plataformas de streaming, no en balde los algoritmos que nos recomiendan contenidos pueden llegar a combinar redes neuronales con información Big Data y modelos de probabilidad.
Otras importantes aplicaciones de las redes neuronales artificiales.
Por no hablar de todo lo que puede aportar una red neuronal desde el punto de vista médico, al reconocer afecciones a través de la detección de una serie de síntomas que incluso pueden pasar desapercibidos en la exploración humana.
Mientras que las capacidades de reconocimento de imágenes de las redes neuronales convolucionales (aquellas en las que las neuronas artificiales simulan campos receptivos semejantes a los de la corteza visual primaria de un cerebro biológico) pueden ser claves para obtener sistemas de vigilancia perimetrales que permitan detectar intrusiones a tiempo real, y eso hablando tan solo a pequeña escala, ya que resultan muy evidentes las aplicaciones en seguridad pública.
Así, con las capacidades de las redes neuronales artificiales es factible la realización de cometidos que hasta ahora eran imposibles tanto para los humanos como para a los sistemas tecnológicos precedentes, resultando un buen ejemplo de esto el proyecto de vehículos de conducción autónoma de Tesla, que se sirven de redes de neuronas en aprendizaje colaborativo constante, gracias a una base de datos compartida que todas nutren y de las que todas se alimentan.
De este modo, vemos cómo las potencialidades de las redes neuronales artificiales abren la puerta a implementar automatizaciones en aspectos como la conducción que eran inviables mediante lenguajes de programación convencionales.
¿Cómo funcionan las redes neuronales?
Una red neuronal artificial es un modelo de computación que opera mediante la recreación del comportamiento de un cerebro humano, lo que supone dotar a las máquinas de la capacidad de aprender de la misma manera que lo hacemos nosotros, pero sin las fallas y limitaciones humanas.
Las neuronas artificiales que componen la red son unidades o nodos que reciben información tanto del exterior como de las otras neuronas, emulando los impulsos nerviosos que perciben las del cerebro.
En función de sus características y complejidad puede haber redes neuronales monocapa, multicapa, convolucionales, radiales o concurrentes, una modalidad esta última en la que las neuronas están interconectadas entre ellas, lo que hace que la red guarde la memoria de iteraciones previas para tenerlas en cuenta en futuros procesamientos de información.
En cuanto al tipo de aprendizaje de las redes neuronales, podemos distinguir entre supervisado, que requiere de un entrenamiento del sistema; no supervisado, que se basa en algoritmos que buscan patrones; y por último estaría el de refuerzo, siendo en este caso el Q-Learning la arquitectura de deep learning predominante.
Conversión de sistemas físicos en redes neuronales.
Recientemente, investigadores de la Universidad de Cornell han conseguido demostrar que sistemas físicos pueden convertirse en redes neuronales capaces de realizar cálculos precisos con aprendizajes automáticos, de igual manera que lo hacen las alojadas en procesadores electrónicos convencionales.
Además, han publicado online el código con todos todos los pasos para conseguir esta alquimia que transforma cosas inanimadas en cerebros pensantes, y que ellos han denominado Physics Aware Training.
De acuerdo a las conclusiones de este grupo de investigación universitario se podrían adaptar hasta tres tipos de sistemas físicos distintos: mecánicos, ópticos (láser) y eléctricos.
Así, altavoces, circuitos electrónicos simples o dispositivos ópticos pueden prepararse para identificar números o reconocer sonidos, transformándose en redes neuronales físicas, que con respecto a los chips tradicionales tienen como gran ventaja una mayor eficiencia energética, con lo que se acabaría con el problema del consumo eléctrico excesivo que hacen por ejemplo centros de datos y granjas de servidores.
Igualmente, también hay que valorar que actualmente hay una notoria carestía de semiconductores, que de hecho está dificultando la implantación del Internet de las Cosas (IoT), lo que abona la idoneidad de explorar las potencialidades de opciones como las redes neuronales físicas.
Las redes neuronales artificiales nos pueden ayudar a desentrañar los misterios sobre el universo.
Las relaciones entre las redes neuronales y la física no acaban en lo que acabamos de exponer, ya que según han demostrado investigadores del Instituto Tecnológico de Viena en un estudio publicado en la Physical Review Letters las neuronas artificiales podrían ayudarnos a entender mejor el fenómeno físico que fue el origen de todo: el Big Bang.
Según la investigación realizada por el profesor Andreas Ipp y su equipo, si bien hasta ahora no ha habido modelos de computación capaces de procesar todas las posibles interacciones en la maraña de partículas cuánticas que era el universo en sus albores, con la utilización de redes neuronales artificiales se podrían utilizar las capacidades predictivas de la inteligencia artificial, para que no sea necesario procesar cada detalle y las millones de infinitas variables del comportamiento de las partículas para avanzar en su comprensión.
De este modo, vemos que las redes neuronales no solo anticipan la senda que seguiremos, sino que también podrían arrojar luz sobre cómo comenzó nuestro camino.
