El mundo de los negocios, la ciencia y la tecnología se cruzan por tres términos muy actuales de los que parece haber poco entendimiento: redes neuronales, deep learning e inteligencia artificial. ¿Cómo se relacionan?

La mayor parte de la gente tiene una noción vaga sobre la inteligencia artificial. Este concepto, perfilado por la ciencia desde los años 50, describía la posibilidad de que una máquina pudiera resolver una tarea tal cual como un humano. Desde entonces, y con el desarrollo de la tecnología, el hombre se ha acercado a grandes pasos hacia esa utopía.

En la actualidad se distinguen dos tipos de inteligencia artificial. Una es conocida como “débil/estrecha”, caracterizada por estar centrada en una tarea concreta. ¿Ejemplos de esto? Máquinas creadas para derrotar en ajedrez a grandes maestros humanos de esa disciplina, o los asistentes virtuales como Siri o Cortana.

La inteligencia artificial (IA) corresponde a la simulación de la capacidad de una máquina para aprender, realizar procesos  tomar decisiones de manera autónoma, basándose en reglas y objetivos específicos.

De la IA nace el Machine Learning, de donde existen metodologías como las redes neuronales y el deep learning.  

Redes neuronales: informática

La primera generación de máquinas de inteligencia artificial se basaban en reglas y eran programadas por una persona; sin embargo, desde los años 80 emerge una nueva rama denominada “machine learning” (ML), que es la capacidad de entrenar a una máquina (puede ser un entrenamiento supervisado por un humano, o completamente autónomo como el traductor de Google, por ejemplo)

El aprendizaje de estas últimas se genera por algoritmos, y es ahí donde entran las redes neuronales como uno de los tipos de algoritmo que más expectativas despierta, ya que pretende emular el comportamiento de las neuronas del cerebro humano.

El machine learning involucra a las redes neuronales artificiales (RNA) que simula a las capas de un cerebro animal. Las neuronas están separadas por capas y se comunican con otras a través del proceso químico llamado sinapsis.

En este caso, cada neurona es considerado un parámetro. Esto hace que el algoritmo sea capaz de encontrar relaciones entre las neuronas que a la vista humana son imperceptibles y que están relacionadas con el resultado final. Esto es el germen de lo que conocemos como analítica predictiva en base a las redes neuronales.

El deep learning es la capacidad de una entidad artificial de aprender, teniendo como base los algoritmos de las redes neuronales. En estricto rigor, es la comprensión de cómo las neuronas que reciben información, la procesan y se comunican entre sí, formando una reacción en cadena que permiten realizar movimientos y pensamientos.

Redes neuronales: aplicaciones

El ejemplo de deep learning más llamativo del último tiempo es el proyecto en conjunto entre las universidades de Stanford y Massachusetts en conjunto con Google para mejorar las técnicas de procesamiento del lenguaje natural, la cual es realizada por una inteligencia artificial autónoma.

La AI, llamada Modelo de Lenguaje de Redes Neuronales Recurrentes, tiene la capacidad de construir frases palabra por palabra, tomando como base la palabra escrita anteriormente. De esta forma, esta máquina pudo ser capaz de componer poemas. Su fuente de aprendizaje y entrenamiento fueron miles de novelas románticas.