La presente entrega la recogimos de una exposición que hiciera el Ing. Luis Gonzalo Huaco de un evento organizado por Inictel – UNI con motivo de las celebraciones por el Día Mundial de las Telecomunicaciones. Gonzalo puso énfasis en que las redes neuronales son una poderosa herramienta de la inteligencia artificial y de paso de la Analítica de Datos. Gonzalo expresa que no es un secreto que las redes neuronales ya emulan el comportamiento de los seres humanos y depende de nosotros para aplicarlo en diferentes actividades de nuestra vida diaria vía muchas aplicaciones. Vemos qué nos dice este experimentado profesional.
Beneficios de las Redes Neuronales
Las redes neuronales artificiales (RNA) son en la actualidad una poderosa herramienta de la inteligencia artificial y del análisis de datos. Son utilizados en las ciencias sociales, la robótica y la neurociencia para la clasificación, la predicción y el reconocimiento de imágenes. Además tiene el objetivo de elaborar un sistema inteligente que logre realizar con éxito diversas tareas complejas y gran utilidad en diversos sectores.
(americasistemas.com.pe. Lima, Perú – 27 de junio 2018) Así lo señaló el Ing. Luis Gonzalo Díaz Huaco, gerente general de GYGA Consulting, Empresa de Innovación en Tecnologías, durante una conferencia. Puntualizó que las redes neuronales son herramientas de cómputo utilizadas para la implementación de maquinas con la capacidad de aprender y forma parte de lo que es la inteligencia artificial. Además es una herramienta de Machine Learning que son programas de software que son capaces de resolver problemas, y lo hacen aprendiendo. Es decir, no se programa para que lo haga, sino el software es capaz de aprender a resolver dicho inconveniente.
Asimismo, señaló que dentro de Machine Learning existen tres categorías: el aprendizaje supervisado, donde la maquina aprende a resolver un problema a partir de un conjunto de entrenamiento de situaciones ya resueltos. El otro es el aprendizaje no supervisado en la que existe también un adiestramiento, pero solo se cuenta con los datos de entrada y lo que encuentra la maquina es la estructura implícita de ese conjunto de datos. Se emplea para encontrar segmentos de clientes con características similares.
Por un proceso de aprendizaje
La tercera categoría es el aprendizaje forzado, en la cual la maquina va aprendiendo sobre la marcha. Es decir, conforme se va generando la data, lo procesa y resuelve el problema. Así, las redes neuronales están presentes dentro de la categoría del aprendizaje supervisado, en la que se cuenta con un número grande de entradas y otro de salidas que le corresponden. “Aquí si no se cuentan con datos resueltos no se hace nada. Se debe tener un conjunto de entrenamiento lo más diverso posible, solo así se construye un modelo predictivo que pasa por un proceso de aprendizaje y con ello podrá descifrar nuevos valores desconocidos”.
Remarcó que al principio este modelo ofrecerá predicciones alocadas que luego serán comparados con los valores reales. En base a esa comparación usando un algoritmo de inteligencia artificial se hacen los ajustes del parámetro del modelo. “De manera interactiva estos parámetros se irán ajustando hasta que el modelo aprenda a predecir las salidas correctas. Luego se introducen los nuevos valores del cual no se conocen los resultados y se empezará a predecir los resultados que serán correctos en la medida que el modelo haya sido entrenado de manera correcta”.
Emulan el comportamiento humano
En lo que es aprendizaje supervisado, dijo que existen varias herramientas, una de ellas son las redes neuronales que emulan el comportamiento del cerebro. Con ello se puede establecer relaciones o uniones de una de las capas de estas redes como la de salida e intermedia. Así se establece conexiones entre cada una de las neuronas y el valor de ella va permitir que la red neuronal resuelva un problema determinado.
Señaló que existen varios tipos de neuronas, pero la más utilizada es la logística que representa una probabilidad entre el 0 al 1. Así el valor de cada una se calcula mediante el promedio ponderado del valor de las neuronas anteriores al cual se le aplica la función sigmoide, para lo cual primero se calcula la suma de ellas, multiplicado por el peso doble y a ese resultado se aplica la función sigmoide que va dar el valor de esa neurona.
Dijo que las redes neuronales son herramientas para la clasificación y en lo que es aprendizaje automático se tiene distintos tipos de problemas. Así esta clasificación significa encontrar a qué categoría pertenece un conjunto de datos y de información no clasificada.
Citó que en el 2010 el gobierno de Estados Unidos convocó un concurso que tenía el objetivo de clasificar 10,000 tipos de objetos distintos y para ello se creó una base de datos que tenia 1.3 millones de imágenes, en la cual los participantes tenían que desarrollar un sistema que les permita clasificar en qué categorías se encontrasen esas imágenes. Al primer intento se consiguió un 47 por ciento de errores al primer intento y 25 por ciento en cinco intentos, lo cual fue espectacular.
Diversas aplicaciones
Señaló que el uso de las redes neuronales se puede aplicar en muchas áreas, una de ellas es que ayudaría a predecir cuál sería la siguiente palabra que una persona va a escribir en una computadora, que se logra a través de un conjunto de entrenamientos que solo se forma si es capaz de anticiparse. También se usa en el análisis del sentimiento en la que se construye un vector de entrada conocido como la bolsa de palabras y en base a ello se puede clasificar si un comentario es bueno o malo en un sitio web.
Asimismo se usa en el reconocimiento de voz, con el análisis de las palabras naturales. Su uso también alcanza al sector de telecomunicaciones en la que muchos sistemas inteligentes en base a un análisis de patrones de comportamientos predicen si un cliente tiene la probabilidad de irse de un operador. Además una red neuronal es capaz de encontrar el origen de un error en este segmento en base a un análisis histórico de fallas. También se emplea para detectar fraudes en el sistema bancario y en el manejo autónomo de vehículos a través del aprendizaje supervisado.
