Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

1 de Mayo de 2019
Inteligencia artificial

El complejo aprendizaje de los programas ­inteligentes

Los neuroinformáticos se inspiran en el funcionamiento del cerebro humano para crear redes neuronales ­artificiales capaces de efectuar tareas cada vez más exigentes. En cierto modo, son más eficientes que las personas, pero, por el momento, ­presentan un inconveniente: son terriblemente olvidadizas.

Getty Images / MF3d / iStock

En síntesis

Las redes neuronales artificiales asumen tareas exigentes, como reconocer caras, jugar al ajedrez y poner por escrito lenguaje hablado.

A diferencia de las personas, hasta ahora solo pueden aprender una actividad en cada momento, lo que les exige mucho tiempo y una gran cantidad de datos. Ello se debe, entre otros factores, a la falta de memoria.

Los neuroinformáticos dotan a los nuevos algoritmos de un «componente de memoria». Este dispositivo impide que la red sobrescriba lo ya ­aprendido.

En los últimos años, la investigación en inteligencia artificial (IA) ha experimentado un progreso extraordinario. Cada vez con mayor frecuencia, los impulsos proceden de la neurociencia. A través de redes neuronales artificiales se intenta simular el funcionamiento del cerebro humano. En la actualidad, el llamado «aprendizaje profundo» ocupa el interés de muchos neuroinformáticos.

Con el aprendizaje profundo se ha logrado que los dispositivos digitales consigan reconocer caras y voces humanas. Y no solo eso. También ha propiciado la idea de que los programas inteligentes revelen la personalidad e incluso el estado de ánimo de una persona. Pero ¿cómo consigue un programa alcanzar tales logros? A grandes rasgos, el aprendizaje profundo se guía por la estructura del cerebro humano, de manera que simula una red muy tupida de neuronas. Al igual que nuestro cerebro, aprende a partir de la experiencia, modificando los pesos relativos de las conexiones nerviosas artificiales hasta que produce los datos de salida deseados (por ejemplo, reconocer la cara de una persona en una fotografía).

Las redes artificiales se hallan dispuestas en capas o niveles que procesan características con un grado de complejidad cada vez más elevado. Por ejemplo, si se trata de identificar una cara en una imagen, las «neuronas» del primer nivel registran, igual que la retina del ojo, solo los valores de luminosidad de cada uno de los píxeles. La siguiente capa «observa» que algunos píxeles se encuentran relacionados con los contornos, mientras que la siguiente diferencia entre líneas horizontales y verticales, y así sucesivamente, hasta la última capa. En ese momento, el algoritmo reconoce una cara; distingue una nariz y dos ojos que se hallan a la distancia adecuada.

Para que una red neuronal artificial aprenda a identificar a personas en una imagen, se la expone a decenas de miles de fotografías. Mediante el llamado proceso de entrenamiento controlado, se le proporciona una información adicional importante: si aparece una persona en la imagen o no. Con cada foto que «visualiza», el programa mejora su capacidad de reconocimiento facial hasta que, tras un entrenamiento exhaustivo, reconoce si aparecen personas en las imágenes.

Artículos relacionados

Puedes obtener el artículo en...

¿Tienes acceso?

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.