De Neuronas a IA: Un Curso para Principiantes de IA y Aprendizaje Automático con Proyectos Prácticos

Índice

1. Introducción
2. Red Neural Biológica
3. Red Neural Artificial
4. Perceptrones
5. Funciones Matemáticas
6. Entrenamiento de la Red Neural
7. Modelos de Inteligencia Artificial
8. Redes Neuronales Artificiales vs. Neuronas Biológicas
9. Importancia de la No Linealidad
10. Conclusiones

🧠 Redes Neuronales: Desde el Cerebro Humano hasta la Inteligencia Artificial

En esta sesión aprenderemos los conceptos básicos de las redes neuronales biológicas que se encuentran en el cerebro humano, y veremos cómo las redes neuronales artificiales que impulsan los modelos de aprendizaje de la IA se derivan de esa misma red. Nuestro cerebro es una red de neuronas, donde cada neurona es básicamente una célula en nuestro sistema nervioso. Tenemos alrededor de 85 mil millones de neuronas en nuestro cerebro, lo cual es comparable al número de estrellas en nuestra galaxia, la Vía Láctea. Estas neuronas se comunican entre sí utilizando señales químicas y eléctricas, permitiendo así la transmisión de información entre diferentes partes del cerebro y entre nuestro cerebro y el resto de nuestro sistema nervioso.

Avancemos un poco más. La información recibida de diferentes partes de nuestro cuerpo, como la piel, el oído, la lengua y los ojos, sirve como entrada a nuestro cerebro, es decir, a una red neuronal biológica. Las decisiones tomadas por esta red neuronal biológica nos permiten caminar, trepar, nadar y correr. Las redes neuronales artificiales funcionan de la misma manera: se reciben datos de diferentes sensores y dispositivos, como redes sociales, teléfonos, tabletas, computadoras portátiles y dispositivos IoT, y esta información se alimenta a la red neuronal artificial como datos de entrada. Podemos visualizar las redes neuronales artificiales como una computadora que utiliza funciones matemáticas para analizar estos datos y realizar predicciones. El resultado es un modelo de IA que nos ayuda a hacer predicciones y resolver problemas complejos.

🧠🤖 ¿Qué es una Red Neuronal Artificial?

Una red neuronal artificial está compuesta por un conjunto de «neuronas artificiales», también conocidas como perceptrones. Estas neuronas artificiales están interconectadas entre sí a través de múltiples capas. Cada una de estas neuronas artificiales, o perceptrones, es básicamente una función matemática. En resumen, los modelos de IA están compuestos por redes neuronales artificiales, y estas son a su vez, perceptrones que no son más que funciones matemáticas.

🎯 Peso y Función de Activación: La Base de los Perceptrones

Recopilamos los datos de diferentes fuentes y les asignamos etiquetas, como X1, X2, X3 y XM, donde M es el tamaño de nuestro conjunto de datos. Luego, aplicamos pesos a estos datos y pasamos estos datos ponderados a una función de suma. Aplicamos pesos para tomar en cuenta que ciertos elementos de nuestro conjunto de datos tienen más influencia en nuestra predicción en comparación con otros. Posteriormente, pasamos el conjunto de datos ponderados y sumados a una función no lineal. ¿Por qué utilizamos una función no lineal? Hablaremos de eso en un momento, pero por ahora comprendamos que el conjunto de datos ponderados y sumados se pasa a una función no lineal, y luego el perceptrón Genera una salida, que son básicamente las predicciones realizadas por nuestro modelo.

📈 La Importancia de la No Linealidad

Si tratara de predecir los tipos de películas que te gustan y basara mis predicciones únicamente en el género y los actores o actrices que te gustan, es probable que mis predicciones sean inexactas. Pero si tomo en cuenta más factores, como tus objetivos de vida, el entorno social, las instituciones educativas a las que has asistido y el tipo de música que te gusta, es más probable que mis predicciones sean más precisas. Las decisiones que tomamos en la vida son no lineales, es decir, dependen de numerosos factores. Por lo tanto, para modelar estas no linearidades, necesitamos funciones no lineales.

Las redes neuronales nos permiten modelar estas no linearidades, lo que nos permite realizar predicciones precisas.

En resumen, iniciamos con el cerebro humano, que es una red de neuronas, donde estas neuronas biológicas se comunican entre sí a través de impulsos químicos y eléctricos, permitiéndonos tomar decisiones en la vida. De manera similar, las redes neuronales artificiales están compuestas por neuronas artificiales, también conocidas como perceptrones. Cada red neuronal artificial o neurona es esencialmente una función matemática que nos ayuda a modelar nuestros datos. Aprendimos que estos perceptrones son funciones matemáticas y son los componentes básicos de las redes neuronales artificiales. También aprendimos que la no linealidad juega un papel fundamental en nuestra capacidad para tomar decisiones y, por lo tanto, es un componente fundamental de las redes neuronales artificiales.

Espero que hayas disfrutado de esta sesión. En la próxima, aprenderemos la diferencia entre la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo.

FAQ

Q: ¿Qué es una red neuronal artificial? A: Una red neuronal artificial es un conjunto de neuronas artificiales, también conocidas como perceptrones, interconectadas entre sí mediante múltiples capas.

Q: ¿Cuál es el papel de los perceptrones en las redes neuronales artificiales? A: Los perceptrones son los componentes básicos de las redes neuronales artificiales. Cada perceptrón es esencialmente una función matemática que nos ayuda a modelar y analizar nuestros datos.

Q: ¿Por qué necesitamos funciones no lineales en las redes neuronales? A: Necesitamos funciones no lineales para modelar las no linearidades presentes en las decisiones que tomamos en la vida. Estas funciones nos permiten realizar predicciones más precisas.

Q: ¿Cuál es la diferencia entre una red neuronal biológica y una artificial? A: Una red neuronal biológica se encuentra en el cerebro humano y utiliza células nerviosas para transmitir información. Una red neuronal artificial, por otro lado, es una construcción matemática que imita el funcionamiento de las redes neuronales biológicas para realizar tareas de inteligencia artificial.

Q: ¿Por qué se llaman perceptrones a las neuronas artificiales? A: Las neuronas artificiales se llaman perceptrones debido a que son componentes fundamentales en las redes neuronales y funcionan como unidades de percepción que analizan y procesan la información.

Referencias:

• TensorFlow
• Keras