#08 Inteligencia Artificial

En el tema de hoy quiero hablar un poco sobre que es la inteligencia artificial y como esto está relacionado con las estructuras de datos.

La inteligencia no deja de ser un conjunto de programas y algoritmos creados por los humanos para simular el proceso de aprendizaje de una persona o algún otro ser vivo.

Uno de estos que son muy interesantes son las redes neuronales. Estos básicamente son unos algoritmos matemáticos que lo que simulan es el comportamiento de las neuronas para aprender.

El funcionamiento de esta misma es muy simple, la neurona tiene un canal de impulso eléctricos conformada por las dendritas. Dependiendo de la intensidad a que lleguen esos impulsos la manda a través de su axón hacia las terminaciones axónicas, si la intensidad de la señal es menor al soportado por la neurona entonces no realiza nada.

Entonces estas terminaciones estarán conectadas a otras dendritas de otras neuronas, y así repetirá el proceso.

Esto nos dice que el cerebro está constituido por millones de neuronas y que gracias a esto somos seres sumamente inteligentes, pero, ¿cómo es esto posible?

Estos es gracias a la capacidad que tienen las neuronas para modificar la forma de ponderar los impulsos recibidos mediante el aprendizaje.

Como ya sabemos cómo funciona las neuronas humanas ahora hablaremos de cómo funciona el aprendizaje artificial, indicado en este algoritmo:

 

Donde Xi son los impulsos de entrada (en este caso son números). Las Xi se ponderan con los pesos wij de tal manera que obtenemos la señal ponderada que llega al núcleo de la neurona como Yj=∑wij*Xi. El núcleo tiene una función de activación ϕ(Yj) de manera que proporciona los valores salida Vij si se pasa de cierto umbral . Las funciones de activación suelen ser de tipo escalón o a veces de tipo sigmoidea: 

 

 Las salidas Vij puede ser la entrada de datos (las Xi) de otras neuronas pudiendo generar una red de neuronas con capas de neuronas y con varias neuronas en cada capa. Como por ejemplo:

 

En este ejemplo tenemos un conjunto de datos (X1, X2, X3, X4) que entran en una capa de entrada con cuatro neuronas, después tenemos una capa oculta de tres neuronas que cogen los impulsos generados por las neuronas de la capa de entrada y generan sus propios impulsos que las llevan a una última capa de salida. Esta capa de salida, con dos neuronas, generan los datos de salida (Y1, Y2). Siempre habrá una capa de neuronas de entrada con tantas neuronas como datos de entrada y siempre habrá una capa de salida con el número de neuronas igual a los datos de salida. El número de capas ocultas y neuronas en cada capa oculta de una red neuronal es totalmente variable y a gusto del que diseña la red.