REDES NEURONALES ARTIFICIALES

Actualmente las redes neuronales están volviendo a la actualidad por los logros positivos que están consiguiendo. Por ejemplo, Google ha logrado derrotar a su propio reCAPTCHA con redes neuronales, en Stanford han conseguido generar pies de fotos automáticamente... Metas bastante impresionantes y que cada vez se acercan más a esa idea original de reproducir el funcionamiento del cerebro humano en un ordenador.

Ahora bien, ¿en qué consisten esto? ¿Cómo puede imitar un ordenador el proceso de aprendizaje y acabar desarrollando una cosa, como realmente funciona?

En este blogger vamos a profundizar un poco en este tema que tanta atención está logrando, y vamos a empezar, como siempre, por el principio:

DEFINICIÓN

Las redes neuronales artificiales imitan su funcionamiento a aquellas que se encuentran en el ámbito biológico. Son aptas para resolver problemas que no poseen un algoritmo claramente definido para transformar una entrada en una salida; aprenden, reconocen y aplican relaciones entre objetos.

 

VENTAJAS QUE OFRECEN LAS REDES NEURONALES

las redes neuronales artificiales presentan un gran número de características semejantes a las del cerebro. Por ejemplo, son capaces de aprender de la experiencia, de generalizar de casos anteriores a nuevos casos, de abstraer características esenciales a partir de entradas que representan información irrelevante, etc. Esto hace que ofrezcan numerosas ventajas y que este tipo de tecnología se esté aplicando en múltiples áreas.

Entre las ventajas se incluyen:

• Aprendizaje Adaptativo:

Capacidad de aprender a realizar tareas basadas en un entrenamiento o en una experiencia inicial.

• Auto-organización:

Una red neuronal puede crear su propia organización o representación de la información que recibe mediante una etapa de aprendizaje.

•   Tolerancia a fallos:        

La destrucción parcial de una red conduce a una degradación de su estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo un gran daño.

•    Operación en tiempo real:

Los cómputos neuronales pueden ser realizados en paralelo; para esto se diseñan y fabrican máquinas con hardware especial para obtener esta capacidad.

• Fácil inserción dentro de la tecnología existente:                                                                                    Se pueden obtener chips especializados para redes neuronales que mejoran su                              capacidad en ciertas tareas. 

¿CÓMO FUNCIONAN LAS REDES NEURONALES ARTIFICIALES?

Uno de los aspectos más interesantes del estudio de las redes neuronales artificiales es el que revela en qué consiste su aportación a la analítica predictiva. En esta línea, destacan cuatro usos:

1.      Aproximación:

Su función se asemeja a una forma avanzada de modelo de regresión lineal múltiple. En un modelo de regresión lineal estándar, se busca ajustar una función de línea recta a través de los valores de una variable independiente. En un modelo de red neuronal artificial no hay ninguna restricción, no existen ese tipo de límites, la línea no tiene porqué ser recta. Esta característica complica su diseño, pero optimiza los resultados ya que, en base al ajuste de una función, se pueden encontrar los pesos correctos o coeficientes que se relacionarán con técnicas estadísticas estándar.

2.      Previsión:

el forecasting que las redes neuronales artificiales permiten llevar a cabo parte de una variable objetivo con un valor equiparable al de la que se pretende medir en un punto del tiempo en el futuro. Las variables independientes son consideradas valores históricos de la misma medida. De esta manera, un problema de predicción reduce simplemente a una función de aproximación.

3.      Clasificación:

las redes neuronales artificiales pueden ser utilizadas eficazmente para clasificar muestras, es decir, asignar los datos que se recogen a diferentes clases o categorías.

4.      Agrupación:

 la agrupación es otra forma de clasificación, donde se desconoce el número de clases antes de forma previa. Por tanto, el trabajo de las redes neuronales artificiales para la agrupación es similar a la clasificación de registros.

El uso de las redes neuronales artificiales en la empresa

En el mundo de los negocios la aportación de las redes neuronales artificiales, ya sea a nivel estratégico, táctico u operativo, es extremadamente valiosa, precisamente por su importante contribución a la analítica predictiva que se pone de manifiesto:

• En la construcción de modelos explicativos, que ayudan a explorar conjuntos de datos en busca de variables o grupos de variables pertinentes.
• En su capacidad para aproximar cualquier función continua, haciendo posible que el analista no necesite tener ninguna hipótesis sobre el modelo subyacente.

El valor clave de las redes neuronales artificiales es su capacidad para modelar funciones no lineales muy complejas, aunque también se adaptan bien a problemas altamente dimensionales, donde el número potencial de predictores es muy grande.

Su principal debilidad reside en su tendencia al sobre-aprendizaje, ya que este tipo de redes aprenden a minimizar el error de predicción en los datos con los que son instruidas, que no es lo mismo que reducir al mínimo el error de predicción en una aplicación de negocio. Por eso mismo, al igual que con otras técnicas de modelado, los analistas deben probar los modelos producidos con redes neuronales artificiales en una muestra independiente y tomar las decisiones adecuadas en cuanto a la topología de red, funciones de transferencia, funciones de activación y el algoritmo de entrenamiento.

¿Que opina Usted...?