Introduccin

AI, Terminator, Matriz ,I Robot,. . Son solo ejemplos de lo que en la ciencia ficcin no ha vendido como inteligencia artificial y los catastrficos resultados de una maquina ms inteligente que un humano y capaz de tomar decisiones autnomas sin importar nada ms que su existencia. Pero es este nuestro catastrfico futuro? La inteligencia se describe una propiedad de la mente en la que se relacionan habilidades tales como las capacidades del pensamiento abstracto, el entendimiento, la comunicacin, el raciocinio, el aprendizaje, la planificacin y la solucin de problemas. Es "capacidad para entender o comprender" y como la es "capacidad para resolver problemas". Explicado este concepto debemos introducir ala la inteligencia artificial como el campo de la investigacin cientfica que se intenta acercar a la creacin de estos sistemas. El presente trabajo no intenta explicar el mbito de utilizacin de la IA ni cmo crear uno, sino dar de forma concisa y legible las formas de decisin que utilizan estos sistemas para obtener las capacidades del pensamiento , aprendizaje y la solucin de problemas todo eso que ya denominamos como inteligencia. En el gran mbito que abarca este campo de la investigacin nos parce factible hablar de los sistemas y formas de preparacin de los diversos algoritmos para la toma de decisiones y de cmo aprenden estos sistemas ya que entendiendo esto es ms factible aplicar el mejor sistema para la labor requerida. Los invitamos a compartir de este trabajo de investigacin estamos seguros que no comprendern y valoraran de otra manera lo que la AI puede hacer por sus creadores.

Sistemas Neuronales y Redes Neuronales Artificiales.

En la historia de la inteligencia artificial surge la paradoja del mimetismo hacia el sistema ms inteligente en la toma de decisiones que conocemos el cerebro y el sistema nervioso de los vertebrados. Si valerse de las estructuras y procedimientos de la biologa y aplicarlos a los elementos electrnicos adecuados para crear inteligencia. Es Aqu donde nace las Redes Neuronales Artificiales o ANN por sus siglas en ingles. Para explicar la forma en que se debe analizar y abordar este tema debemos primero conocer y explicar el sistema neuronal en que est basado ya la que quiere asemejar ms especficamente la manera en que las neuronas como unidad elemental de un cerebro procesan, crea algoritmos y almacena la informacin.

Esto es muy importante porque pese a que McCulloch and Pitts en 1943 concibieron un modelo abstracto y simple de una neurona artificial, estos no tenan un conocimiento tan completo como el que tenemos hoy da gracias a los avances de la medicina del funcionamiento del cerebro. Expliquemos brevemente las neuronas y funcin. Neuronas
Las neuronas son un tipo de clulas del sistema nervioso cuya principal caracterstica es la excitabilidad elctrica de su membrana plasmtica; estn especializadas en la recepcin de estmulos y conduccin del impulso nervioso entre ellas o con otros tipos celulares. Partes de una Neurona:

Funcin Las neuronas tienen la capacidad de comunicarse con precisin, rapidez y a larga distancia con otras clulas, ya sean nerviosas, musculares o glandulares. A travs de las neuronas se transmiten seales elctricas denominadas impulsos nerviosos. Estos impulsos nerviosos viajan por toda la neurona comenzando por las dendritas, y pasa por toda la neurona hasta llegar a los botones terminales, que pueden conectar con otra neurona, fibras musculares o glndulas. La conexin entre una neurona y otra se denomina sinapsis. Las neuronas conforman e interconectan los tres componentes del sistema nervioso: sensitivo, motor e integrador o mixto; de esta manera, un estmulo que es captado en alguna regin sensorial entrega cierta informacin que es conducida a travs de las neuronas y es analizada por el componente integrador, el cual puede elaborar una respuesta, cuya seal es conducida a travs de las neuronas. Dicha respuesta es ejecutada mediante una accin motora.

El impulso nervioso Las neuronas transmiten ondas de naturaleza elctrica originadas como consecuencia de un cambio transitorio de la permeabilidad en la membrana plasmtica. Su propagacin se debe a la existencia de una diferencia de potencial o potencial de membrana entre la parte interna y externa de la clula (por lo general de -70 mV). La carga de una clula inactiva se mantiene en valores negativos (el interior respecto al exterior) y vara dentro de unos estrechos mrgenes. Cuando el potencial de membrana de una clula excitable sedespolariza ms all de un cierto umbral (de 65mV a 55mV app) la clula genera (o dispara) un potencial de accin. Un potencial de accin es un cambio muy rpido en la polaridad de la membrana de negativo a positivo y vuelta a negativo, en un ciclo que dura unos milisegundos. Redes neuronales Una red neuronal se define como una poblacin de neuronas fsicamente interconectadas o un grupo de neuronas aisladas que reciben seales que procesan a la manera de un circuito reconocible. La comunicacin entre neuronas, que implica un proceso electroqumico, implica que, una vez que una neurona es excitada a partir de cierto umbral, sta se despolariza transmitiendo a travs de su axn una seal que excita a neuronas aledaas, y as sucesivamente. El sustento de la capacidad del sistema nervioso, por tanto, radica en dichas conexiones. En oposicin a la red neuronal, se habla de circuito neuronal cuando se hace mencin a neuronas que se controlan dando lugar a una retroalimentacin, como define la ciberntica.

Como ya mencionamos el conocimiento de las redes neuronales biolgicas ha dado lugar a un diseo empleado en inteligencia artificial. El general estas redes funcionan porque cada neurona recibe una serie de entradas a travs de interconexiones y emite una salida. Esta salida viene dada por tres funciones: una funcin de propagacin, una funcin de activacin y una funcin de transferencia.

La simulacin de las propiedades observadas en los sistemas neuronales biolgicos a travs de modelos matemticos recreados mediante mecanismos artificiales (como un circuito integrado, un ordenador o un conjunto de vlvulas) tiene como objetivo conseguir que las mquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalizacin y su robustez. Las funciones principales de la neurona es estos sistemas es: Una funcin de propagacin (tambin conocida como funcin de excitacin), que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexin (valor neto). Si el peso es positivo, la conexin se denomina excitatoria; si es negativo, se denomina inhibitoria. Una funcin de activacin, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma funcin de propagacin. Una funcin de transferencia, que se aplica al valor devuelto por la funcin de activacin. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretacin que queramos darle a dichas salidas.

Diseo y programacin

Normalmente la programacin en la ingeniera del software, tiene como objetivo modelar matemticamente el problema y posteriormente formular una solucin mediante un algoritmo codificado que tenga una serie de propiedades que permitan resolver dicho problema. Pero en las ANN esto no es as ya que ellas inician de un conjunto de datos de entrada suficientemente significativos y el objetivo es conseguir que la red aprenda automticamente las propiedades deseadas. Por lo tanto en la ANN debemos hablar de logaritmos de aprendizaje que asemejan y permiten al sistema tomar las decisiones de manera autnoma que es la base de la IA. Estructura Las ANN son muy diferentes en trminos de estructura de un cerebro bilgico. Pero al igual que el cerebro, una ANN se compone de un conjunto masivamente de unidades de proceso muy simples y es en las conexiones entre estas unidades donde reside la inteligencia de la red. Sin embargo, en trminos de escala, un cerebro es muchsimo mayor que cualquier ANN creada hasta la actualidad, y las neuronas artificiales tambin son ms simples que su contrapartida animal. Biolgicamente, un cerebro aprende mediante la reorganizacin de las conexiones sinpticas entre las neuronas que lo componen. De forma similar las ANN tienen un gran nmero de procesadores virtuales interconectados que de forma simplificada simulan la funcionalidad de las neuronas biolgicas. En otras palabras biolgicamente estas redes se pueden reorganizar y formar nuevos conjuntos de conexiones sinpticas para almacenar informacin los recuerdos dicho proceso se ha podido simular en la ANN. Ventajas Las redes neuronales artificiales tienen muchas ventajas debido a que estn basadas en la estructura del sistema nervioso, principalmente el cerebro. Aprendizaje: Tienen la habilidad de aprender mediante una etapa que se llama etapa de aprendizaje. Esta consiste en proporcionar los datos como entrada a su vez que se le indica cul es la salida esperada. Auto organizacin: Crea su propia representacin de la informacin en su interior. Tolerancia a fallos: Una ANN almacena la informacin de forma redundante, sta puede seguir respondiendo de manera aceptable aun si se daa parcialmente. Flexibilidad: Una ANN puede manejar cambios no importantes en la informacin de entrada, como seales con ruido u otros cambios en la entrada (por ejemplo si la informacin de entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente).

Tiempo real: La estructura de una ANN es paralela, por lo cual si esto es implementado con computadoras o en dispositivos electrnicos especiales, se pueden obtener respuestas en tiempo real. Actualmente se trabaja en los algoritmos de aprendizaje y en las neuronas artificiales para hacerlas ms semejantes a las biolgicas utilizando elementos como el silicn sin embargo en la debilidad de estos sistemas estn en los algoritmo de aprendizaje y en el ncleo de la neurona artificial ya que no se podido modelar matemticamente ciertos procedimientos en las funciones de propagacin, activacin y transferencia para que el mismo sistema aprenda y resuelva varios problemas y no se recurra como en la actualidad a la reingeniera del sistema completo.