Seminario de redes neuronales

Modelo conexionista de la Inteligencia Artificial.
Orientaciones del seminario.

Seminario 1: Redes Neuronales Artificiales (RNAs).

Temas o tópicos a investigar:

Lisandra T. -Ivian
1. Introducción a las redes neuronales artificiales (Aspectos generales)
a. Definición.
b. Evolución histórica.
c. Caracterización y estructura general de una RNA. Elementos fundamentales.
d.Propiedades.
Introducción:
Las redes neuronales son un elemento importante de las denominadas tecnologías de Inteligencia Artificial (IA).
La IA es "la disciplina científica y técnica que se ocupa del estudio de las ideas que permiten ser inteligentes a los ordenadores" (definición de H. Winston).
Otra posible definición de la IA sería: rama de la computación que se encarga, entre otras cosas, delos problemas de percepción, razonamiento y aprendizaje en relación con sistemas artificiales, y que tiene como áreas de investigación a los sistemas expertos y de conocimiento, la robótica, los lenguajes naturales y las redes neuronales.
Y a pesar de que el objetivo final de la IA, dotar de autentica inteligencia a las máquinas, queda todavía muy lejos (e incluso hay autores que defienden queesto nunca será posible), la ciencia de la Inteligencia Artificial ha generado numerosas herramientas prácticas, entre las que se encuentran las redes neuronales.
Las redes neuronales, también llamadas "redes de neuronas artificiales", son modelos bastante simplificados de las redes de neuronas que forman el cerebro. Y, al igual que este, intentan "aprender" a partir de los datos que se lesuministran.
Así, las principales características que diferencian a las redes neuronales de otras tecnologías de IA son:
• Su capacidad de aprendizaje a partir de la experiencia (entrenamiento). Normalmente, para la elaboración de un programa informático es necesario un estudio detallado de la tarea a realizar para después codificarla en un lenguaje de programación. Pero, las redes neuronales puedenser entrenadas para realizar una determinada tarea sin necesidad de un estudiar esta a fondo ni programarla usando un lenguaje de programación. Además; las redes neuronales pueden volver a entrenarse para ajustarse a nuevas necesidades de la tarea que realizan, sin tenerse que reescribir o revisar el código (cosa frecuente en programas tradicionales).
• Su velocidad de respuesta una vezconcluido el entrenamiento. Se comportan también en este caso de manera similar a como lo hace el cerebro: los seres humanos no necesitamos pensar mucho para identificar un objeto, una palabra,... una vez hemos aprendido a hacerlo.
• Su robustez, en el sentido de que el conocimiento adquirido se encuentra repartido por toda la red, de forma que si se lesiona una parte se continúan generando ciertonumero de respuestas correctas (en este caso también hay cierta analogía con los cerebros parcialmente dañados).
- Breve Historia:
La era moderna de las redes neuronales se cree que comenzó en 1943 gracias a McCullough y Pitts, quienes describieron el cálculo lógico de las redes neuronales y perfilaron el primer módulo formal de una neurona elemental.
En la década de los cincuenta, Minskycomienza a construir la primera neurocomputadora (basada en modelos de redes neuronales que imitan al cerebro).
En 1962, Frank Rosenblatt presenta los resultados de una máquina a la que denominó "Perceptrón", la cual reproducía una estructura neuronal muy simplificada, capaz de aprender a reconocer y clasificar determinadas figuras.
En la misma década, Minsky y Pappert (autoridades de la IA clásica)publicaron un libro en el que se ponían de manifiesto las limitaciones de los perceptrones de una capa. Esto hará que se pierda interés en el campo de las redes neuronales hasta la década de los 80, en que el estudio de nuevas arquitecturas de redes y la mayor potencia de los ordenadores permiten el diseño de redes muy eficientes en tareas en las que otros procedimientos de tipo simbólico...