Unha Rede Neuronal é usada para aprender patróns e relacións de datos. Tradicionalmente un programador ou un analista especifican "códigos" de cada faceta do problema en orde para que a computadora poida "entender" a situación. Redes Neuronais non requiren o código explícito do problema. Por exemplo, para xerar un modelo que leve a cabo un prognóstico de vendas, unha Rede Neuronal só necesita que lle dean os datos sen preparar relacionados co problema. Os datos sen preparar poderían consistir en: historias de vendas pasadas, prezos, prezos da competencia e outras variables económicas. A Rede Neuronal escolle entre esta información e produce un acordo dos factores que inflúen nas vendas. O modelo pode entón ser chamado para dar unha predición de vendas futuras dado un prognóstico dos factores craves. Estes adiantos son debidos á creación de regras de aprendizaxe dunha Rede Neuronal, que son os algoritmos usados para "aprender" as relacións dos datos. As regras de aprendizaxe habilitan á rede para "gañar coñecemento" desde datos dispoñibles e aplica ese coñecemento para asistir ao xerente para facer decisións craves. Aínda que a súa estrutura varía segundo o tipo de rede, o máis usual é que haxa tres capas de neuronas, unha de entrada, que recolle os estímulos, outra oculta, que procesa a información, e outra de saída, que executa a resposta. O feito de supor que o comportamento intelixente no home prodúcese a un nivel superior con independencia dos niveis inferiores está intimamente relacionado co debate entre holismo ou crenza en que "o todo é máis que a suma das suas partes" e o reduccionismo, ou crenza en que "un todo pode ser comprendido completamente se se entenden as suas partes, e a natureza da súa suma."
Sistemas Fuzzy ou lóxica borrosa
Ata o século XX a lóxica clásica traballábase con dous valores: Verdadeiro (1) ou Falso (0). Pero durante o último século comezáronse a crear novas lóxicas que incorporaban máis valores de certeza, por exemplo a lóxica de Lukasiewicz incorpora un novo valor, o de Medio Verdadeiro ou Medio Falso segundo se véxa. Desta forma xa temos tres valores (Estas lóxicas adóitanse chamar trivalentes) : Verdadeiro (1), Medio Verdadeiro (0.5) ou Falso (0).A primeira idea que nos vén á cabeza é a de seguir creando novos valores de verdade por exemplo se unha cousa sabemos case seguro que é verdadeira asignariámoslle o valor de verdade 0.75. Se estendemos a idea a infinitos valores entre o 0 e o 1 descubrimos a Lóxica Difusa coa que os xaponeses (Anos 70) lle déron utilidades prácticas que se usan hoxe en día en todo o mundo. A primeira aplicación práctica que lle deron foi a de frear electrónicamente e con suavidade o Shinkansen (Tren bala) xaponés. Para frear un coche normalmente imos soltando o acelerador suavemente mentres freamos suavemente calculando nós intuitivamente o que tardaremos en frear etc, pero non adoitamos apretar o freo a fondo para frear. Para facer un programa que frease un coche ou un tren de forma automática o primeiro que poderiamos facer sería: quero parar, frear; . Isto faría que se frease ao besta. Unha mellora sería(queroParar e a velocidade alta , frear ata a metade; ou(quieroParar e VelocidadAlta) frear_a_tope. Se siguieramos introducindo ifs ata o infinito creando novos valores de Velocidade (Do mesmo xeito que faciamos ao principio do artigo cos valores de Verdadeiro,MedioVerdadero, Falso etc) conseguiriamos un sistema fuzzy moi xenuino so para que vexades que frear suavemente un tren de forma programada non é tan sinxelo como podamos pensar a primeira vista. Vexamos como hai que proceder para implementar un bo sistema fuzzy. Ter en conta que a partir de agora traballamos con números reais, é dicir, entre o 100 e o 75 hai máis valores, etc? O eixo vertical indica o valor de verdade de cada velocidade. O eixo horizontal a velocidade. Trazamos uns triángulos según queiramos medir por ejemplo :a velocidade media , outro de velocidade alta. Imaxinarvos que o tren viaxa a 77km/h, operariamos da seguinte forma: Buscamos no eixo horizontal a velocidade á que imos (77) e trazamos unha vertical marcando as interseccións cos triángulos. A partir das interseccións tomamos o seu valor de verdade mirando o eixo vertical. Neste caso temos dúas interseccións, a primeira intersecta co triángulo de Velocidade Media a unha altura de 0.20 , a segunda intersección corta co triángulo de Velocidade Alta a unha altura de 0.45. Polo tanto a consideración do sistema é que se imos a 77 Km/h a nosa velocidade é 0.2 Media e 0.45 Alta. É dicir, conseguimos que o sistema teña unha estimación difusa da velocidade actual. Probade a substituír outros valores de velocidade e veredes como o que se obtén ten bastante sentido, se poñemos por exemplo 98km/h sairá un valor de 0.90 Alta etc. Vedes como conseguimos que o sistema poida saber en cada momento unha consideración sobre a velocidade que levamos. A partir dos valores obtidos pódese tomar xa unha decisión sobre canto hai que pulsar o freo . O importante é que vos quededes coa idea de que ao ter moitos valores entre Verdadeiro(Velocidade Alta) e Falso (Velocidade Lenta) podemos conseguir frear de forma suave. Se quixeramos ter un sistema máis preciso (que frease máis suavemente) poderiamos crear máis triángulos que indicaran a Velocidade Moi Alta, Velocidade Moi baixa etc. Supoño que con este esquema xa pillariades a idea.Finalmente móstrovos algunhas aplicacións prácticas ademais das xa comentadas. Hoxe en día os sistemas de lóxica difusa están nas camaras de fotos para calcular se chega moita ou pouca luz ao diafragma (Pouca, bastante, moita luz?), en robots para que se movan con suavidade (Velocidade do brazo Alta, Baixa?), en sistemas de piloto automático e control de avións (Altura do avión Baixa, Alta, Moi Alta?) ou por exemplo o sistema que acaba de sacar Toyota para aparcar automaticamente o coche (Cerca, Lonxe, Moi preto, Moi Lonxe do bordo?.
Granxa de Evolución
Ata o século XX a lóxica clásica traballábase con dous valores: Verdadeiro (1) ou Falso (0). Pero durante o último século comezáronse a crear novas lóxicas que incorporaban máis valores de certeza, por exemplo a lóxica de Lukasiewicz incorpora un novo valor, o de Medio Verdadeiro ou Medio Falso segundo se véxa. Desta forma xa temos tres valores (Estas lóxicas adóitanse chamar trivalentes) : Verdadeiro (1), Medio Verdadeiro (0.5) ou Falso (0).A primeira idea que nos vén á cabeza é a de seguir creando novos valores de verdade por exemplo se unha cousa sabemos case seguro que é verdadeira asignariámoslle o valor de verdade 0.75. Se estendemos a idea a infinitos valores entre o 0 e o 1 descubrimos a Lóxica Difusa coa que os xaponeses (Anos 70) lle déron utilidades prácticas que se usan hoxe en día en todo o mundo. A primeira aplicación práctica que lle deron foi a de frear electrónicamente e con suavidade o Shinkansen (Tren bala) xaponés. Para frear un coche normalmente imos soltando o acelerador suavemente mentres freamos suavemente calculando nós intuitivamente o que tardaremos en frear etc, pero non adoitamos apretar o freo a fondo para frear. Para facer un programa que frease un coche ou un tren de forma automática o primeiro que poderiamos facer sería: quero parar, frear; . Isto faría que se frease ao besta. Unha mellora sería(queroParar e a velocidade alta , frear ata a metade; ou(quieroParar e VelocidadAlta) frear_a_tope. Se siguieramos introducindo ifs ata o infinito creando novos valores de Velocidade (Do mesmo xeito que faciamos ao principio do artigo cos valores de Verdadeiro,MedioVerdadero, Falso etc) conseguiriamos un sistema fuzzy moi xenuino so para que vexades que frear suavemente un tren de forma programada non é tan sinxelo como podamos pensar a primeira vista. Vexamos como hai que proceder para implementar un bo sistema fuzzy. Ter en conta que a partir de agora traballamos con números reais, é dicir, entre o 100 e o 75 hai máis valores, etc? O eixo vertical indica o valor de verdade de cada velocidade. O eixo horizontal a velocidade. Trazamos uns triángulos según queiramos medir por ejemplo :a velocidade media , outro de velocidade alta. Imaxinarvos que o tren viaxa a 77km/h, operariamos da seguinte forma: Buscamos no eixo horizontal a velocidade á que imos (77) e trazamos unha vertical marcando as interseccións cos triángulos. A partir das interseccións tomamos o seu valor de verdade mirando o eixo vertical. Neste caso temos dúas interseccións, a primeira intersecta co triángulo de Velocidade Media a unha altura de 0.20 , a segunda intersección corta co triángulo de Velocidade Alta a unha altura de 0.45. Polo tanto a consideración do sistema é que se imos a 77 Km/h a nosa velocidade é 0.2 Media e 0.45 Alta. É dicir, conseguimos que o sistema teña unha estimación difusa da velocidade actual. Probade a substituír outros valores de velocidade e veredes como o que se obtén ten bastante sentido, se poñemos por exemplo 98km/h sairá un valor de 0.90 Alta etc. Vedes como conseguimos que o sistema poida saber en cada momento unha consideración sobre a velocidade que levamos. A partir dos valores obtidos pódese tomar xa unha decisión sobre canto hai que pulsar o freo . O importante é que vos quededes coa idea de que ao ter moitos valores entre Verdadeiro(Velocidade Alta) e Falso (Velocidade Lenta) podemos conseguir frear de forma suave. Se quixeramos ter un sistema máis preciso (que frease máis suavemente) poderiamos crear máis triángulos que indicaran a Velocidade Moi Alta, Velocidade Moi baixa etc. Supoño que con este esquema xa pillariades a idea.Finalmente móstrovos algunhas aplicacións prácticas ademais das xa comentadas. Hoxe en día os sistemas de lóxica difusa están nas camaras de fotos para calcular se chega moita ou pouca luz ao diafragma (Pouca, bastante, moita luz?), en robots para que se movan con suavidade (Velocidade do brazo Alta, Baixa?), en sistemas de piloto automático e control de avións (Altura do avión Baixa, Alta, Moi Alta?) ou por exemplo o sistema que acaba de sacar Toyota para aparcar automaticamente o coche (Cerca, Lonxe, Moi preto, Moi Lonxe do bordo?.
Granxa de Evolución
A evolución na natureza foi a clave para mellorar os organismos e desenvolver a intelixencia. Michael Dyer, investigador de Intelixencia Artificial da Universidade de California, apostou ás características evolutivas das redes neuronais e deseñou Bio-Land. Bio-Land é unha granxa virtual onde vive unha poboación de criaturas baseadas en redes neuronais. Os biots poden usar os seus sentidos da vista, o oído e ata o olfacto e tacto para atopar comida e localizar parellas. Os biots cazan en manadas, traen comida á súa prole e apíñanse buscando calor. O que o seu creador quere que fagan é falar entre eles, coa esperanza de que desenvolvan evolutivamente unha linguaxe primitiva. A partir desa linguaxe, co tempo poderían xurdir niveis máis altos de pensamento
BIOCHIPS
Na oficina do científico Masuo Aizawa, do Intituto de Tecnoloxía de Tokio, nada chama demasiado a atención, excepto unha placa de vidro que flota nun recipiente cheo dun líquido transparente. Trátase dun chip que parece salpicado con barro. Pero as aparencias enganan. Os grumos alargados do chip de Aizawa non son manchas, senón células neurais vivas!, criadas no precursor dun circuíto electrónico-biolóxico: o primeiro paso cara á construción neurona por neurona, dun cerebro semiartificial. Cre que pode ser máis fácil utilizar células vivas para construír máquinas intelixentes que imitar as funcións destas con tecnoloxía de semiconductores, como se fixo tradicionalmente. No futuro, poderíase utilizar o chip neuronal de Aizawa como interfaz entre a prótese e o sistema nervioso de pacientes que perdesen unha extremidade. Se continúa o uso de células vivas en sistemas eléctricos, nos próximos anos case con toda seguridade ocorrerá o advenimiento de dispositivos computacionales que, aínda que rudimentarios, serán completamente bioquímicos.
No hay comentarios:
Publicar un comentario