El “cerebro global”.

Una disciplina muy interesante en la actualidad es el estudio y diseño de Redes Neuronales Artificiales (RNA, en inglés: Artificial Neural Networks, ANN). El paradigma de aprendizaje y procesamiento automático de las redes de neuronas artificiales está  inspirado en la forma en que funciona el sistema nervioso en la naturaleza, donde miles de neuronas se encuentran interconectadas. Las redes neuronales son sistemas ideados como abstracciones de las estructuras neurobiológicas y tienen la característica de ser sistemas desordenados capaces de recolectar, procesar y guardar información.

En términos de escala, un cerebro es muchísimo mayor que cualquier RNA creada hasta la actualidad, y las neuronas artificiales también son más simples que su contrapartida animal. Pero sería maravilloso poder crear una red de neuronas artificiales de tal tamaño y magnitud que pudiera equipararse con las redes neuronales biológicas.

Hoy día, cualquier dispositivo (tipo smart phone) tiene más capacidad de cálculo que el módulo de comando del Apolo 11. Teniendo en cuenta la cantidad los millones de este tipo de dispositivos existentes en el mundo, la capacidad global es inmensurable. Pero no quiero adelantarme, veamos más características de las redes neuronales.

 

cerebro-artificial

Las redes neuronales biológicas son el principal elemento del Sistema Nervioso. Las redes neuronales biológicas están compuestas por un gran número de elementos llamados neuronas. Cada neurona es una célula compuesta por cuerpo, un número de extensiones llamadas dendritas, que sirven de entradas, y una larga extensión llamada axón que actúa como salida. La sinapsis conecta el axón de una neurona a las dendritas de las otras neuronas. Las neuronas están dispuestas en capas. En general las neuronas de una capa reciben entradas desde otra capa y envían sus salidas a neuronas de una tercera. Dependiendo de la aplicación también es posible que las neuronas de una capa reciban entradas y provean salidas a neuronas de la misma capa.

Las conexiones entre neuronas tienen pesos asociados que representan la influencia de una sobre la otra. Si dos neuronas no están conectadas, el correspondiente peso de enlace es cero. Esencialmente, cada una envía su información de estado multiplicado por el correspondiente peso a todas las neuronas conectadas con ella. Luego cada una, a su vez, suma los valores recibidos desde sus dendritas para actualizar sus estados respectivos.

Se emplea normalmente un conjunto de ejemplos representativos de la transformación deseada para “entrenar” el sistema, que, a su vez, se adapta para producir las salidas deseadas cuando se lo evalúa con las entradas “aprendidas“.

Además se producirán respuestas cuando, en la utilización, se presenten entradas totalmente nuevas para sistema, esto es durante el modo entrenamiento la información sobre el sistema a resolver es almacenada dentro del RNA y la red utiliza su modo productivo en ejecutar transformaciones y aprender. De este modo el sistema de red neuronal no reside necesariamente en la elegancia de la solución particular sino en su generalidad de hallar solución a problemas particulares, habiéndose proporcionado ejemplos del comportamiento deseado. Esto permite la evolución de los sistemas autómatas sin una reprogramación explícita.

Las redes neuronales artificiales se basan en el circuito de procesamiento de entradas en el cual los pesos son sumados. En la implementación, las entradas a una neurona son pesadas multiplicando el valor de la entrada por un factor que es menor o igual a uno. El valor de los factores de peso es determinado por el algoritmo de aprendizaje. Las entradas atenuadas son sumadas usando una función no lineal llamada Función “Sigmoid”. Si la salida de la función suma excede el valor de entrada máximo de la neurona, esta responde generando una salida.

Por lo tanto las redes neuronales artificiales (ANN) imitan el funcionamiento de 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.

 

guercano

Algunas fuentes proponene que la clave para emular un cerebro podría estar en crear un “virus” sencillo que tomase el 1% de la capacidad de computación y de la memoria de cada ordenador, móvil o sistema infectado. La idea se basa en crear una red neuronal a nivel mundial.

Un cerebro es muchísimo mayor que cualquier red neuronal creada hasta la actualidad, por lo tanto, aunque la propuesta de “virus” suena muy agresiva, no deja de tener sentido si un número significativo de personas ceden parte de la capacidad computacional de sus dispositivos para crear el “cerebro global”.

Fuentes:
http://info.fisica.uson.mx/arnulfo.castellanos/archivos_html/quesonredneu.htm
http://www.usmp.edu.pe/publicaciones/boletin/fia/info32/pag4.htm
http://guerrerosdesingularidad.wordpress.com/2014/09/02/como-emular-un-cerebro/
prezi.com/jegmhennt9zu/red-neuronal/

Anuncios
Publicado en Uncategorized
One comment on “El “cerebro global”.
  1. […] desafíos que enfrentan las ciudades en el camino de ser “inteligentes” son grandes y variados. Se requerirá una nueva forma de pensar. Sin embargo, las ciudades […]

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

Sígueme en Twitter (@guercano)
Calendario
septiembre 2014
L M X J V S D
« Ago   Oct »
1234567
891011121314
15161718192021
22232425262728
2930  
A %d blogueros les gusta esto: