Las redes neuronales artificiales (ANN) son las piezas de un sistema informático diseñado para simular la forma en que el cerebro humano analiza y procesa la información. Son los cimientos de la Inteligencia Artificial (IA) y resuelven problemas que resultarían imposibles o difíciles según los estándares humanos o estadísticos. ANN tiene capacidades de autoaprendizaje que les permiten producir mejores resultados a medida que se dispone de más datos.
Romper las redes neuronales artificiales (ANN)
Las redes neuronales artificiales (ANN) 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 (IA) que se basan en ANN están interrumpiendo la forma tradicional de hacer las cosas. Desde traducir páginas web a otros idiomas hasta tener un asistente virtual para ordenar comestibles en línea y 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.
¿Como funciona el sistema?
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 del procesamiento de la información al transportar información hacia (entradas) y lejos (salidas) del cerebro. ANN tiene cientos o miles de neuronas artificiales llamadas unidades de procesamiento, que están interconectadas por nodos. Estas unidades de procesamiento están formadas por unidades de entrada y salida. Las unidades de entrada reciben diversas 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 humanos necesitan reglas y pautas para llegar a un resultado o salida, los ANN también usan un conjunto de reglas de aprendizaje llamadas propagación hacia atrás, una abreviatura para la propagación hacia atrás del error, para perfeccionar sus resultados de salida.
Un ANN inicialmente pasa por una fase de capacitación 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 destinado a producir, es decir, la salida deseada. La diferencia entre ambos resultados se ajusta mediante la propagación hacia atrás. Esto significa que la red funciona hacia atrás yendo desde 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 error más bajo posible.
Durante la etapa de capacitación y supervisión, a la ANN se le enseña qué buscar y cuál debería ser su salida, utilizando tipos de preguntas Sí / No con números binarios. Por ejemplo, un banco que quiere detectar el fraude de tarjetas de crédito a tiempo puede tener cuatro unidades de entrada alimentadas con estas preguntas: (1) ¿La transacción se realiza en un país diferente del país de residencia del usuario? (2) ¿El sitio web en el que se usa la tarjeta está afiliado a compañías o países en la lista de vigilancia del banco? (3) ¿El monto de la transacción es mayor a $ 2, 000? (4) ¿El nombre en la factura de la transacción es el mismo que el nombre del titular de la tarjeta? El banco quiere que las respuestas de "fraude detectado" sean Sí Sí Sí No, que en formato binario sería 1 1 1 0. Si la salida real de la red es 1 0 1 0, ajusta sus resultados hasta que entregue una salida que coincida con 1 1 1 0. Después de la capacitación, el sistema informático puede alertar al banco de transacciones fraudulentas pendientes, ahorrándole mucho dinero.
Aplicaciones prácticas
Las redes neuronales artificiales se han aplicado en todas las áreas de operaciones. Los proveedores de servicios de correo electrónico usan ANN para detectar y eliminar el correo no deseado de la bandeja de entrada de un usuario; los administradores de activos lo usan para pronosticar 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 recomendaciones a su audiencia; los chatbots se desarrollan con ANN para el procesamiento del lenguaje natural; los algoritmos de aprendizaje profundo usan ANN para predecir la probabilidad de un evento; y la lista de incorporación de ANN continúa en múltiples sectores, industrias y países.
