¿Qué es una red neuronal y cómo funciona?

Una red neuronal recibe ejemplos, encuentra patrones y ajusta sus respuestas con la experiencia. La diferencia fundamental es que no utiliza neuronas biológicas, sino modelos matemáticos ejecutados en computadoras. La idea tiene sus raíces en el estudio del cerebro. En 1943, Warren McCulloch y Walter Pitts propusieron un modelo matemático muy simplificado de una neurona biológica. Su propuesta no era una reproducción detallada de una neurona real, sino una abstracción que representaba cómo ciertas unidades podían recibir señales, combinarlas y producir una respuesta. Este trabajo se convirtió en uno de los antecedentes fundamentales de las redes neuronales.

Años después, Frank Rosenblatt desarrolló el perceptrón, presentado públicamente en 1958. El perceptrón fue uno de los primeros sistemas capaces de aprender a clasificar patrones a partir de ejemplos y también tuvo una implementación física, conocida como Mark I Perceptron. La prensa de la época llegó a presentar estas máquinas con expectativas extraordinarias, imaginando que podrían llegar a caminar, hablar, ver o incluso desarrollar algún tipo de conciencia. Aquellas predicciones resultaron exageradas, pero muestran hasta qué punto la idea de construir máquinas capaces de aprender despertó entusiasmo desde sus primeros años.

Para entender qué es una red neuronal podemos imaginar que cada neurona es una pequeña calculadora. Recibe varios valores de entrada y asigna a cada uno un peso, que representa cuánto influye esa información en el resultado. Después combina las entradas ponderadas, añade un término llamado sesgo y transforma el resultado mediante una función de activación. En términos simplificados, la operación puede expresarse como una suma ponderada seguida de una transformación matemática. No significa que la máquina esté pensando como una persona; significa que está realizando una enorme cantidad de operaciones numéricas organizadas de una manera que permite aprender determinadas relaciones entre los datos.

Al principio, los pesos de una red no representan un conocimiento útil. Durante el entrenamiento, la red recibe ejemplos y produce una respuesta. Esa respuesta se compara con la que se esperaba obtener y se calcula un error. Después, mediante métodos de optimización, los parámetros se modifican para reducir ese error. En muchas redes se utiliza la retropropagación del error junto con métodos como el descenso de gradiente. Gracias a este proceso, la red puede ir ajustando millones o incluso miles de millones de parámetros para encontrar configuraciones que funcionen mejor en una determinada tarea.

Cuando conectamos muchas neuronas y las organizamos en capas obtenemos una red neuronal. Una capa de entrada recibe los datos; las capas intermedias transforman esa información y detectan diferentes patrones; y una capa de salida produce el resultado final. En una tarea de reconocimiento de imágenes, por ejemplo, una red puede aprender a identificar características sencillas y después combinarlas para reconocer formas más complejas. Sin embargo, esta explicación es una simplificación: las redes no necesariamente funcionan siguiendo una secuencia tan limpia en la que una capa identifica bordes; otra, ojos; y otra, caras.

Cuando una red posee muchas capas y utiliza técnicas modernas para aprender representaciones complejas, hablamos de aprendizaje profundo o deep learning. Este enfoque ha permitido avances extraordinarios en reconocimiento de imágenes, traducción automática, reconocimiento de voz, generación de contenido y muchas otras aplicaciones. Los sistemas actuales pueden procesar cantidades enormes de información y encontrar relaciones que resultarían prácticamente imposibles de detectar mediante reglas programadas una por una.

La historia de las redes neuronales, sin embargo, no ha sido una línea ascendente y continua. En 1969, Marvin Minsky y Seymour Papert publicaron Perceptrons, una obra que analizaba matemáticamente las limitaciones de los perceptrones de una sola capa. Entre otras cosas, mostraron que este tipo de sistema no podía resolver directamente problemas que no fueran linealmente separables, como la función lógica XOR. Es importante hacer una precisión: esto no significa que las redes neuronales en general fueran incapaces de resolver XOR; una red con varias capas sí puede hacerlo. Las limitaciones señaladas por Minsky y Papert contribuyeron a disminuir el entusiasmo por los perceptrones y formaron parte de un conjunto más amplio de problemas y decepciones que acompañaron al primer periodo de reducción de financiación e interés conocido como invierno de la inteligencia artificial.

Con el tiempo, las redes neuronales recuperaron protagonismo. La disponibilidad de grandes conjuntos de datos, procesadores cada vez más potentes y nuevos métodos de entrenamiento permitieron construir modelos mucho más complejos. Una consecuencia importante es que las redes dejaron de limitarse a clasificar patrones sencillos y comenzaron a desempeñar tareas mucho más sofisticadas. Hoy están presentes, por ejemplo, en sistemas de reconocimiento de voz, clasificación de imágenes, recomendaciones, traducción automática y numerosas herramientas de inteligencia artificial.

Una de las características más sorprendentes de estas redes es su capacidad para generalizar. Una red bien entrenada no debería limitarse a memorizar exactamente las imágenes que vio durante el aprendizaje, sino encontrar regularidades que le permitan responder correctamente ante ejemplos nuevos. Sin embargo, esta capacidad no es perfecta. Una red puede aprender correlaciones equivocadas, depender demasiado de ciertas características de los datos o comportarse mal cuando encuentra situaciones diferentes de aquellas presentes durante su entrenamiento.

Precisamente por eso existen fenómenos que parecen extraños desde la perspectiva humana. Los sistemas de visión artificial pueden ser vulnerables a los llamados ataques adversarios: modificaciones muy pequeñas de una imagen, a veces prácticamente imperceptibles para una persona, pueden provocar que un modelo cambie drásticamente su clasificación.

Algo parecido ocurre con los modelos que generan texto. Una red neuronal puede producir una respuesta que parece perfectamente coherente y, aun así, contener información falsa. Puede inventar una referencia bibliográfica, atribuir una frase a una persona que nunca la dijo o presentar como cierto un acontecimiento inexistente. A este fenómeno se le suele llamar “alucinación”. El término es metafórico: la máquina no está teniendo una experiencia mental equivalente a una alucinación humana. Lo que ocurre es que el sistema genera una salida plausible según los patrones aprendidos, aunque esa salida no corresponda a los hechos.

Otra dificultad importante es la interpretabilidad. En modelos grandes, la decisión final puede depender de interacciones complejas entre una enorme cantidad de parámetros. Por eso, aunque los investigadores pueden conocer matemáticamente cómo se calcula una salida, no siempre resulta sencillo explicar en términos humanos por qué el modelo produjo una respuesta determinada. Esta cuestión adquiere especial importancia cuando la inteligencia artificial se utiliza en ámbitos sensibles, como medicina, contratación, seguros, crédito o justicia.

Las redes neuronales también pueden reproducir problemas presentes en los datos con los que fueron entrenadas. Si los datos contienen errores, desequilibrios o patrones discriminatorios, el modelo puede aprender parte de ellos. Por esa razón, desarrollar sistemas de inteligencia artificial responsables no consiste solamente en construir modelos que tengan una elevada precisión. También requiere evaluar los datos, medir el comportamiento del sistema en distintos grupos y contextos, estudiar sus errores y establecer mecanismos adecuados de supervisión humana.

Las redes neuronales también pueden enfrentarse entre sí. Las redes generativas adversarias introdujeron una idea particularmente llamativa: entrenar conjuntamente un generador que intenta producir datos convincentes y un discriminador que intenta distinguir los datos reales de los generados. El generador mejora intentando engañar al discriminador, mientras que el discriminador mejora intentando detectar las falsificaciones. Este enfoque, presentado en 2014, tuvo una gran influencia en el desarrollo de la generación de imágenes y otros contenidos.

Incluso se han realizado experimentos que exploran una dirección todavía más inusual: utilizar neuronas biológicas cultivadas en laboratorio como parte de sistemas de computación. En 2022, investigadores informaron que cientos de miles de neuronas humanas y de otros tipos, cultivadas sobre una matriz de electrodos, podían interactuar con una versión del videojuego Pong y modificar su actividad en respuesta a estímulos y retroalimentación. Estos experimentos pertenecen al campo emergente de la biocomputación y no deben confundirse con una red neuronal artificial convencional.

Una red neuronal artificial no es un cerebro electrónico en miniatura. Aunque está inspirada parcialmente en la forma en que se conectan las neuronas biológicas, las diferencias son enormes. El cerebro humano funciona mediante mecanismos biológicos extremadamente complejos, consume relativamente poca energía y puede aprender de maneras que todavía no comprendemos por completo. Una red artificial, en cambio, realiza operaciones matemáticas sobre datos y depende de una arquitectura, un procedimiento de entrenamiento y una infraestructura informática.

Además, entrenar modelos grandes también requiere una cantidad considerable de recursos computacionales y energía. Existe un creciente costo energético y computacional asociado a los modelos de gran escala.

La historia de las redes neuronales puede verse como un largo proceso de ensayo, decepción, recuperación y avance. La idea comenzó con una representación matemática muy sencilla de una neurona y terminó convirtiéndose en una de las tecnologías centrales de la inteligencia artificial contemporánea. Hoy una red neuronal puede reconocer imágenes, procesar voz, generar texto, crear imágenes y participar en herramientas que utilizamos diariamente. Aprende patrones mediante procedimientos matemáticos y puede ser extraordinariamente eficaz, pero también puede equivocarse de maneras sorprendentes.

Referencias:

¿Qué es una red neuronal y cómo funciona?

Cómo citar