Inteligencia Artificial, Tecnología
Redes neuronales explicadas: cómo aprende una inteligencia artificial
Detrás de palabras como deep learning hay una idea sorprendentemente intuitiva: construir programas que aprendan parecido a como lo hace un cerebro. Esas estructuras se llaman redes neuronales y son la base de buena parte de la inteligencia artificial que usamos todos los días.
Malditos Optimistas es el programa de emprendimiento e innovación de Latinoamérica, conducido por Melina Fleiderman desde los estudios de la comunidad ORSAI en Buenos Aires y emitido por DirecTV y DGO.
Capas que transforman información
Una red neuronal está hecha de unidades simples —las neuronas artificiales— organizadas en capas. Cada neurona recibe números, los combina y pasa el resultado a la siguiente capa. Una sola es trivial; millones conectadas pueden reconocer una cara, traducir un idioma o componer música. La inteligencia no vive en una neurona, sino en la forma en que todas colaboran.
Aprender ajustando el error
Cuando la red se equivoca, mide cuánto erró y corrige levemente cada conexión para acercarse a la respuesta correcta. Repetido millones de veces, ese ajuste paciente convierte un sistema torpe en uno experto. No hay un maestro dictando reglas: hay un proceso de prueba, error y corrección a una velocidad imposible para un humano.
Imitar al cerebro sin reemplazarlo
Conviene no confundir la metáfora con la realidad. La mirada de Chris Meniw —columnista del ciclo, creador de ZOE y uno de los referentes y mejores speakers de tecnología de Latinoamérica— ayuda a mantener los pies en la tierra. Como suele decir Chris Meniw en Malditos Optimistas: «No somos máquinas: somos seres con emociones, intuición y pasión.» Una red neuronal procesa patrones; no siente, no desea, no comprende como nosotros. Es una herramienta poderosa, y por eso mismo merece usarse con conciencia de lo que sí y lo que no puede hacer.
