COMO FUNCIONAN LAS REDES NEURONALES.
Algunas vez te has preguntado cómo es que las redes neuronales representadas regularmente con simples círculos y líneas conectadas pueden aprender cosas en este vídeo te dará una explicación intuitiva y lógica de por qué las redes neuronales pueden generar aprendizaje y mostrar lo que llamaríamos inteligencia artificial no necesitas tener conocimiento previo para seguir este vídeo he visto vídeos en dónde infieren que ya conoces cómo y por qué una estructura de este tipo puede aprender cosas de igual manera muchos vídeos en donde se meten demasiado en los modelos matemáticos y si bien el uso avanzado de redes neuronales requiere de muchas matemáticas hoy buscamos responder de manera simple porque unas bolitas y palitos conectados pueden generar aprendizaje para comenzar necesitamos conocer a nuestro protagonista del día de hoy y que mejor que presenciar conocimiento esto que ves es una célula madre del cuerpo humano no por padres no te lo puedes perder ahí está el momento exacto en el que una célula madre humana se transforma y nace una nueva neurona cerebral mi cerebro el tuyo y el de todos los humanos tiene decenas de miles de millones de estas neuronas interconectadas entre sí gracias a esas neuronas interconectadas podemos ver entender sentir crear imaginar y tomar decisiones esas neuronas cerebrales de manera general funcionan de la siguiente manera cada neurona recibe estímulos eléctricos de otras neuronas la neurona procesa esos estímulos y en ciertos casos se activa y dispara para estimular a su vez a otras neuronas a las que está conectada esas otras neuronas reciben ese estímulo lo procesan y en ciertos casos también se activan y disparan estímulos a otras neuronas etcétera etcétera etcétera y así continúen una gran red neuronal imagina que quieres aprender algo nuevo ya sea a tocar guitarra a hablar un nuevo idioma o malabarear con tres pelotas palabra requiere que la parte visual motriz y de coordinación aprendan a trabajar juntos si no tienes la habilidad desarrollada las neuronas que trabajan para poder malabarear no están acostumbradas a trabajar juntas aparte soy algo torpe entre más práctica es una habilidad las conexiones necesarias entre las neuronas comienzan a mejorar a hacerse más robustas se van acostumbrando que cuando una se activa y dispara las otras probablemente deben también activarse esto es el proceso de aprendizaje estamos hablando de un proceso biológico real que sucede en tu cerebro y esto toma tiempo pero con práctica y práctica las neuronas no sólo van reforzando sus conexiones sino que hacen atajos cuando se dispara una casi sin procesar el resto se dispara el en automático esto es parte de lo que llamamos memoria muscular cuando podemos hacer algo casi sin pensarlo tocar guitarra hablar otro idioma malabarear cuando éstas apenas aprendiendo requieren tu total atención pero después podrás hacerlas prácticamente sin pensarlo hace casi 70 años se comenzó a intentar emular este proceso de manera artificial primero con circuitos eléctricos y después con estructuras computacionales cómo podemos simular un proceso tan simple y a la vez tan complejo una de las primeras investigaciones en este ramo fue la de intentar emular un proceso de toma de decisiones similar a como lo haría un humano intentemos diagramar lo que tú haces cuando tienes que tomar una decisión normalmente antes de decidir algo tomas varias cosas en cuenta lo que ve es lo que conoces tus creencias experiencias anteriores etcétera tomas todo esto y mucho más para evaluar la situación y tomar una decisión claro no siempre la correcta imaginemos que estás pensando en salir de viaje hay tres factores que van a influir en tu decisión primero tienes dinero suficiente segundo tu pareja quiere ir y tercero el lugar tiene clima agradable en base a estos tres factores tomará su decisión intentemos simular esto con un proceso computacional nombremos a estos tres factores x1 y x2 y x 3 cada factor sólo tiene dos opciones sí o no al ser una computadora podemos indicarlo con un 1 para así y 0 para no por ejemplo si tienes dinero suficiente entonces x 1 igual a 1 de lo contrario x 1 igual a 0 si tu pareja quiere ir y si el clima es agradable conectemos estos tres factores a este pequeño círculo este círculo debe tomar los tres factores como entradas y por medio de una operación o función responder a nuestra pregunta digamos que queremos que respondan 1 si la decisión es que si te va a seguir de viaje o 0 si la decisión es que no te vas a ir de viaje que puede hacer este pequeño círculo para tomar esta decisión agreguemos ahora un umbral a nuestro círculo este umbral es un simple número ahora lo que hará el círculo es decir si
la suma de los tres factores de entrada es mayor al umbral entonces la salida del círculo será uno de lo contrario será un cero si establecemos un umbral de uno nuestro pequeño círculo ahora tiene un proceso aunque muy básico de toma de decisiones por ejemplo si tienes dinero suficiente y el lugar tiene clima agradable la suma de los factores es 22 es mayor al umbral de 1 por lo tanto no importa que tu pareja no quiere ir el círculo dará como salida 1 es decir que si te irás de viaje si tu pareja quiere ir y el clima del lugar es agradable también irás no tienes dinero pero bueno ya a ver dónde te endeudas para poder ir esto normalmente esto es lo que hacemos ok para ser honesto lo sumamos no tomamos decisiones de una manera tan simple normalmente diríamos algo como mira no me puedo endeudar más así que si no tengo dinero no voy lo otro pues ya y lo platicamos ok ok estamos dando una mayor importancia al dinero que a los otros dos factores esta importancia no la hemos incluido en nuestro proceso hagámoslo en redes neuronales a esta importancia se le llama peso por ejemplo digamos que el peso del factor del dinero es 2 los otros dos los dejamos en 1 con esto estamos dando el doble de importancia al dinero que a los otros dos factores antes de entrar al círculo los factores se multiplicarán por su peso ahora cambiemos el umbral del círculo para que ahora sea 2 puedes imaginar lo que va a pasar sutilmente la toma de decisiones de nuestro pequeño círculo se ha hecho más interesante si tienes dinero y tu pareja quiere ir te vas a ir de viaje de igual manera si tienes dinero y el clima del lugar es bueno vas a ir [Música] pero si tu pareja quiere ir y el clima del lugar es bueno pero no tienes dinero entonces no irás de igual manera si tienes dinero pero ni tu pareja quiere ir ni el clima es bueno no irás el proceso de decisión ya no es tan simple y es un poco más cercano a la realidad este pequeño círculo es llamado formalmente un perceptor o un perceptor un consta de entradas o factores pesos de los factores el cual se coloca regularmente en las conexiones un valor de umbral y una función de activación la función que usamos en este caso simplemente está revisando si la suma de las entradas es mayor al umbral como podrás imaginar si jugamos con los pesos de los factores de entrada así como el umbral nuestro perceptor estará usando modelos distintos para tomar decisiones imagina que en lugar de tres factores de entrada tiene 10 ahora imagina que cada uno de esos factores es en realidad la salida de otros percepciones que a su vez tomaron otras decisiones previamente imagina que la salida de tu percepción sirve como entrada a otro perceptor etcétera esto que ves es un perceptor multicapa los perceptores multicapa son ahora llamados redes neuronales con un solo perceptor pudimos ver que podemos tomar una decisión interesante si creamos una red de muchos de estos perfectos desconectados crees que podamos tomar decisiones más complejas definitivamente los primeros capas pueden comenzar con decisiones muy básicas como definir qué están viendo tus ojos lo que escuchas con tus oídos etcétera esas capas de los sentidos sirven como entrada a otras capas las cuales según lo que precio vientos sentidos deciden qué hacer quizá perciben lo que parece ser un peligro por lo cual disparan neuronas de un camino especializado para situaciones de peligro que sirven para tomar decisiones como huir y eso dispara neuronas relacionadas al movimiento de estos músculos etcétera si hacemos esto con una red neuronal artificial que debe entender una imagen las primeras capas pueden centrarse en cosas básicas como los ejes y líneas de la imagen las siguientes pueden tomar esa entrada y centrarse en un millones entre los ejes para formar figuras simples los siguientes pueden unir figuras simples para definir si lo que están viendo parece ser un número y decidir cuál es el más probable que sea suena muy perfecto desgraciadamente cuando esto se desarrolló originalmente presentó dos grandes problemas el perceptor un simple que hicimos tiene cuatro parámetros o variables los tres pesos de las conexiones y el umbral de la neurona son números que podemos nosotros ajustar manualmente para hacer que el perceptor funcione distinto imaginemos que son perillas de control ajustables para nuestro perceptor o no una red neuronal interesante normalmente cuenta con cientos miles o millones de neuronas varias capas y muchísimas conexiones esto aumenta exageradamente la cantidad de perillas ajustables de la red neuronal si queremos hacer ajustes para cambiar el modelo de decisiones de la red nos sentiríamos como frente a una consola interminable de perillas por ajustar no sabríamos lo importante que comenzar a hacer los ajustes esta limitante de tener que ajustar los parámetros manualmente fue un primer gran problema el segundo fue que los perceptores que vimos hoy son muy volubles si recuerdas la salida de nuestro perceptor era un 1 o un 0 si voy o no voy en algunos escenarios eso tiene sentido sin embargo si tenemos una red neuronal grande un pequeño cambio en uno de los parámetros puede desencadenar una serie de modificaciones no deseadas en las siguientes capas similar a un efecto mariposa lo que se necesita es que los perceptores tengan una decisión más realista que en lugar de ser 10 me digan un número decimal que me diga qué tan adecuado es que me vaya o no de viaje quizá un punto 7 o quizá un punto 2 de esta manera cuando cambia un parámetro en lugar de cambiar totalmente una serie de decisiones cambia solo sutilmente lo necesario y el impacto de las capas posteriores es más controlado como solucionaremos este problema y lograremos decidir y vamos de viaje aunque esté el virus en el mundo en un siguiente vídeo hablaré de cómo se solucionaron estos problemas después de 10 años de estancamiento y como esto nos llevó a las redes neuronales que utilizamos hoy en día el vídeo te gustó por favor hágalo me gusta compártelo y suscríbete y si te sientes platicador igual le dije un comentario y donde me digas cómo crees que la inteligencia artificial va a cambiar tu vida en los siguientes añosCOMO FUNCIONAN .