Aprendizaje neuronal (primera parte)

Aprendizaje neuronal (primera parte)

En el artículo de Gómez y sus colegas, publicado el año 2011 con el título “Aprendizaje con redes neuronales artificiales”, se menciona que las computadoras digitales modernas son novicias en el mundo de la computación. Desde hace millones de años existen computadoras biológicas, como el cerebro y el sistema nervioso de los seres humanos y los animales, que muestran una maravillosa eficacia en el procesamiento de la información sensorial y en el control de las interacciones con el entorno. Echar mano a un bocadillo, reconocer un rostro o reconocer cosas relacionadas con el sabor del chocolate son tareas computacionales, lo mismo que lo es el tratamiento matemático de grandes cantidades de números o el desarrollo de un videojuego con realidad aumentada. Un niño de tres años es capaz de señalar con suma facilidad un árbol en una fotografía y, por el contrario, algoritmos bastante complejos, instalados en las más poderosas computadoras, apenas si logran resultados mediocres al acometer una tarea esencialmente equivalente: El reconocimiento de patrones en las figuras. Para reconocer árboles se requiere una definición muy amplia de la naturaleza del árbol, que equivaldría a una descripción de todas las variables concebibles. Los problemas de reconocimiento de patrones constituyen un subconjunto de los llamados problemas aleatorios, es decir, problemas cuya resolución exige, en esencia, un conocimiento de todos los posibles estados del sistema. Por consiguiente la resolución de un problema aleatorio comporta tener registrados en la memoria la totalidad de los posibles estados, mas la facultad de seleccionar rápidamente la más idónea de las soluciones entre el conjunto de las registradas, habida cuenta de los datos disponibles.

En el artículo de Ochoa, publicado el año 2003 con el título “Características de una red neuronal artificial”, se menciona que las redes neuronales artificiales se caracterizan de acuerdo a cuatro aspectos principales: (1) Topología. Hace referencia a la organización y disposición de las neuronas en red, formando agrupaciones llamadas capas. Los parámetros fundamentales son: El número de capas, el número de neuronas por capa, el grado de conectividad y el tipo de conexiones entre neuronas. Este último se utiliza para conocer si las redes son de propagación hacia adelante, Feedforward; o hacia atrás, Backpropagation; el número de capas permite saber si son mono capa o multicapa. (2) Mecanismo de aprendizaje. “El aprendizaje es el proceso por el cual una red neuronal modifica sus pesos en respuesta a una información de entrada.” Durante este proceso los pesos de las conexiones de la red se modifican, cuando estos permanecen estables quiere decir que la red aprendió. Existen diferentes mecanismos de aprendizaje que le permiten a la red ir modificando sus pesos de acuerdo a una salida deseada; o interpretar de diferente manera las salidas que la red genere. (3) Tipo de asociación realizada entre la información de entrada y salida. La asociación entre la información de entrada y salida se refiere a los datos que la red aprende, y asocia las entradas con una salida correspondiente. Existen dos formas de realizar esta asociación: (a) Heteroasociación. La red aprende parejas de datos, cuando se presenta una entrada, la red deberá responder generando la correspondiente salida. Auto asociación. La red aprende determinada información, de tal manera que cuando se le presenta una información de entrada realizará una auto correlación, respondiendo con uno de los datos almacenados, el más parecido al dato de la entrada. (4) Forma de representación de la información. Los datos de entrada y salida de una red neuronal pueden ser representados de maneras distintas: Pueden ser analógicos, cuando esto ocurre, las funciones de activación de las neuronas son continuas, de tipo lineal o sigmoidal. Otras redes tienen como datos de entrada valores discretos, entonces la función de activación son de tipo escalón. También existen redes híbridas, donde las entradas son continuas y las salidas discretas.

En la monografía de Palacio, publicada el año 2012 con el título “Aprendizaje”, se menciona que debido a que el cerebro tiene una función extremadamente compleja en el desarrollo de la persona, la naturaleza ha previsto que se encuentre más disponible para el aprendizaje en la etapa que más lo necesita. Así, en el momento del parto, el cerebro de un bebe pesa alrededor de trescientos cincuenta gramos, pero sus neuronas no dejan de multiplicarse durante los primeros tres años. Precisamente durante este proceso de expansión es cuando se da la máxima receptividad, y todos los datos que llegan a él se clasifican y archivan de modo que siempre estén disponibles. En esto consiste el aprendizaje, de disponer de conocimientos y diversos recursos que sirven como plataforma para alcanzar determinados objetivos. No se conoce demasiado sobre las bases neurofisiológicas del aprendizaje, sin embargo, se tienen algunos indicios importantes de que éste se encuentra relacionado con la modificación de las conexiones sinápticas. En concreto comúnmente se admite como hipótesis que: (1) El aprendizaje es el resultado del fortalecimiento o abandono de las conexiones sinápticas entre neuronas. (2) El aprendizaje es local, es decir, la modificación de una conexión sináptica depende sólo de la actividad, potencial eléctrico, correspondiente de la neurona presináptica y de la neurona postsináptica. (3) La modificación de las sinapsis es un proceso relativamente lento comparado con los tiempos típicos de los cambios en los potenciales eléctricos que sirven de señal entre las neuronas. (4) Si la neurona presináptica o la neurona postsináptica, o ambas, están inactivas, entonces la única modificación sináptica existente consiste en el deterioro o decaimiento potencial de la sinapsis, que es responsable del olvido. El proceso de aprendizaje es una actividad individual que se desarrolla en un contexto social y cultural. Es el resultado de procesos cognitivos individuales mediante los cuales se asimila e interioriza nueva información, asociada a hechos, conceptos, procedimientos, valores, luego se construyen nuevas representaciones mentales significativas y funcionales, que posteriormente se pueden aplicar en situaciones diferentes a los contextos donde se aprendieron. Aprender no solamente consiste en memorizar información, es necesario también otras operaciones cognitivas que implican: Conocer, comprender, aplicar, analizar, sintetizar y valorar.

 

Guillermo Choque Aspiazu
https://www.eldiario.net
13 de Marzo de 2017

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Translate »