Las redes neuronales artificiales son una tecnología inspirada en el funcionamiento del cerebro humano. Igual que una neurona del cerebro se activa cuando un estímulo eléctrico sube por encima de un umbral, de forma parecida, las neuronas de las redes neuronales, dependiendo de su función de activación, producen una salida u otra.

Sería absurdo comparar de manera literal una red neuronal artificial con el cerebro humano. Este tipo de red es una suma estructurada de combinaciones lineales de funciones. Son estructuras matemáticas bastante complejas que poco tienen que ver con las células del cerebro humano y su estructura. Las células son seres vivos, no circuitos, y la propagación de señales eléctricas entre ellas y su consecuente activación o desactivación no obedecen las leyes del mundo binario de los ordenadores y del cálculo.

El aprendizaje automático de las máquinas pertenece al campo del análisis numérico, no al de la biología. Las máquinas aprenden de forma supervisada o no supervisada; aprenden cuando les decimos qué son los datos que ven y aprenden igual cuando les pedimos que busquen patrones dentro de datos, pero nunca entenderán a qué corresponden estos datos.

En cualquier caso, las máquinas no aprenden sin el genio humano

Pongamos, por ejemplo, que le pedimos a la máquina que identifique imágenes que contengan una naranja.

 

Una red neuronal convolucional – tecnología utilizada para la clasificación de imágenes – que aprende que en una foto aparece una naranja no lo hace ni sola, ni automáticamente del todo. Su estructura está enfocada en aislar los datos interesantes para resolver la incógnita que le planteemos.

Esta tecnología, usada para el reconocimiento de imágenes, destacará características de una naranja en muchas imágenes, porque esta red está diseñada específicamente para reconocer los valores que definen una naranja (color, forma, tamaño, etc.).

Antes de utilizar las redes neuronales convolucionales, teníamos que hacer la extracción de patrones manualmente y clasificarlos con árboles de decisiones lógicas.

La inteligencia humana es la base de la inteligencia artificial

Curiosamente, la inteligencia artificial tiene su base en una combinación de inteligencia humana compleja con otra, también humana, muy básica.

La primera es la que dio luz al análisis numérico y al aprendizaje automático en general, es la inteligencia detrás de los ordenadores y las matemáticas.

La segunda, la más básica, es la que utilizamos para ayudar al sistema a reconocer e identificar los objetos o cualquier patrón bien definido dentro de los datos. En este proceso de aprendizaje los datos aparecen en diferentes contextos y es el ser humano quien indica a la máquina dónde está cada objeto a modo de entrenamiento de la red neuronal.

En el ejemplo de la foto es el ser humano quien identifica las naranjas de entre todas las imágenes y se las marca a la máquina, de modo que ésta genera un patrón para identificar este objeto y, por tanto, un aprendizaje.

Todos participamos en el aprendizaje de la Inteligencia Artificial

He aquí algunas muestras de ello.

Imagenet es una base de datos con miles de imágenes etiquetadas manualmente y de manera voluntaria por infinidad de personas, usada para entrenar sistemas automáticos. Es decir, no ha sido creada automáticamente.
Google pone en los captchas de sus webs mini labores de reconocimiento de imágenes. Las fotos que tenemos que marcar si contienen coches o carreteras o señales de tráfico son usadas por ellos para el reconocimiento automático de objetos en fotos de Google maps.

En esta línea, Amazon ha lanzado Amazon Turk, una plataforma para trabajar desde casa haciendo labores sencillas que un ser humano hace mejor que un ordenador, como identificar objetos en fotos o videos. El nombre de la plataforma viene de un autómata mecánico del siglo XVIII llamado “el turco”. Su constructor engañó a la gente haciéndoles creer que se había inventado un sistema inteligente que jugaba el ajedrez, cuando lo que ocurría de verdad es que un humano, un campeón del ajedrez, estaba manejando el sistema en secreto. Como los datos de entrenamiento de los sistemas de reconocimiento automático tienen detrás el trabajo de cientos de miles de humanos que han etiquetado millones de imágenes, se puede decir que detrás de un ordenador que hace tracking automático de objetos están escondidos todos esos miles de trabajadores. De ahí viene el nombre de Amazon Turk.

Los sistemas automáticos no tienen su propio genio. Lo que hacen es comprimir el genio humano en un formato útil y versátil. Esto les hace incluso más interesantes y atractivos como forma de solucionar problemas.






¿Te gustaría recibir nuestros próximos artículos?