Red neuronal artificial (ANN)

¿Qué es una red neuronal artificial (ANN)?

Una red neuronal artificial (ANN) es la pieza de un sistema informático diseñado para simular la forma en que el cerebro humano analiza y procesa la información. Es la base de la inteligencia artificial (IA) y resuelve problemas que resultarían imposibles o difíciles según los estándares humanos o estadísticos. Las ANN tienen capacidades de autoaprendizaje que les permiten producir mejores resultados a medida que se dispone de más datos.

Comprensión de una red neuronal artificial (ANN)

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 formada por un cuerpo celular que es responsable de procesar información llevando información hacia (entradas) y lejos (salidas) del cerebro.

Una ANN tiene cientos o miles de neuronas artificiales llamadas unidades de procesamiento, que están interconectadas por nodos. Estas unidades de procesamiento se componen de unidades de entrada y salida. Las unidades de entrada reciben varias 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, las ANN también usan un conjunto de reglas de aprendizaje llamadas retropropagación, una abreviatura de propagación hacia atrás del error, para perfeccionar sus resultados de salida.

Una RNA pasa inicialmente por una fase de entrenamiento en la que 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: la salida deseada. La diferencia entre ambos resultados se ajusta mediante retropropagación. Esto significa que la red funciona al revés, yendo de 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 menor error posible.

Durante la etapa de capacitación y supervisión, a la RNA se le enseña qué buscar y cuál debe ser su resultado, utilizando tipos de preguntas de 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 al país de residencia del usuario? (2) ¿El sitio web en el que se utiliza la tarjeta está afiliado a empresas o países incluidos 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 del titular de la tarjeta?

El banco quiere que las respuestas de «detección de fraude» 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 para redes neuronales artificiales (ANN)

Las redes neuronales artificiales están allanando el camino para que se desarrollen aplicaciones que cambien la vida para su uso en todos los sectores de la economía. Las plataformas de inteligencia artificial que se basan en ANN están alterando las formas tradicionales de hacer las cosas. Desde la traducción de páginas web a otros idiomas hasta que un asistente virtual ordene 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 un costo insignificante.

Las redes neuronales artificiales se han aplicado en todas las áreas de operaciones. Los proveedores de servicios de correo electrónico utilizan ANN para detectar y eliminar el correo no deseado de la bandeja de entrada de un usuario; los administradores de activos lo utilizan 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 para su audiencia; los chatbots se desarrollan con ANN para el procesamiento del lenguaje natural; los algoritmos de aprendizaje profundo utilizan ANN para predecir la probabilidad de un evento; y la lista de incorporación de ANN continúa en múltiples sectores, industrias y países.