Red Neuronal

Tras la la introducción a la Inteligencia Artificial y un vistazo a los debates filosóficos que conlleva la inteligencia artificial, hoy vamos a centrarnos en un tipo de algoritmo utilizado para “crear” IA: las redes neuronales.

En ellas, la unidad básica se denomina neurona y recibe unas entradas (valores numéricos) a las que realiza una operación (generalmente suma) y al resultado le aplica una función. Esta función devuelve otro resultado que envía a más neuronas, hasta llegar a la salida final. La idea general está inspirada en el sistema nervioso animal, siendo una pobre imitación del mismo, pero muy útil para nuestros propósitos.

Cada entrada dirigida a una neurona viene acompañada de un peso, el cual multiplica el valor de la entrada. La entrada total de la neurona será la suma (u otra operación) de todas ellas al que, en ocasiones, se le suma una constante umbral. En toda red hay dos capas conectadas con el exterior, la capa de entradas que recibe los datos, y la capa de salidas, que devuelve la respuesta de la red. Entre ambas pueden situarste una o más capas denominadas ocultas. La capa de entradas tiene la función de distribuir los datos entre la red, por lo que no se suelen contar cuando se habla del número de capas que tiene una red.

Red neuronal con pesos (extraída de)

En el ejemplo de arriba, las neuronas verdes, a la izquierda, representan la capa de entrada. Esto quiere decir que poseemos dos datos distintos (Lev y WordNet a la derecha) para la información que queremos procesar. Estos datos, tras “sufrir” unas determinadas operaciones, son enviados a las neuronas azules del centro, a cada una de las cuales no tiene porqué llegar el mismo valor, porque se multiplican por el peso asociado a cada flecha, que puede verse en la imagen derecha. Podéis apreciar como son todos completamente distintos, incluso positivos y negavitos. Finalmente, ésta capa aplicaría las funciones que le correspondan y la enviaría a la última neurona (en la imagen derecha aún envían a una capa más). La última neurona tras aplicar su función devolvería la salida final, que sería la flecha que sale de la h.

Sin embargo, ésta no es la única forma de construirlas, en estas imágenes la información sólo viaja de las capas de atrás a las de delante, lo cual no es cierto para todos los modelos. Siendo común en algunos la transmisión entre las neuronas de la misma capa o incluso hacia atrás, es decir, entre a, b, y c, o de f hasta b.

Con esta idea básica se han establecido muy diveros tipos de redes neuronales clasificados según su número de capas (monocapa, multicapa) , topología (unidireccionales, realimentadas), aprendizaje (supervisado, no supervisado, mixto), datos de entrada/salida (contínuos, discretos), tipo de respuesta(autoasociativa, heteroasociativa). Con lo que tenemos Perceptron (problemas dicotómicos, de clasificación), MLP (problemas no linearmente separables), Adaline (Perceptron con entradas reales y no binarias), Máquina de Bolzman (problemas de combinatoria), Memorias Asociativas (recuperación de información mediante alguna de sus partes, por asociación), Red de Hopfield(tipo de asociativa, basada en perceptron), Mapas autoorganizados/Redes de Kohonen y muchos otros tipos diferentes.

Las redes neuronales tienen dos fases principales de operación: aprendizaje o entrenamiento, recuerdo o ejecución. Durante el entrenamiento se aplican “ejemplos“, generalmente un conjunto de datos conocidos que definen una solución conocida, que mediante una regla de aprendizaje modifican los diferentes pesos de cada neurona en función de cómo difiera la respuesta de la red de la solución esperada. Los valores de estos pesos representan el grado de conocimiento. El entrenamiento concluye cuando el margen de error entre la salida de la red y la salida real es aceptable. Después, en la fase de ejecución, se aplican nuevos datos con solución desconocida y se espera que la red esté preparada para dar una solución verdadera en base a lo aprendido durante el entrenamiento. Generalmente en esta fase cesa el aprendizaje, por lo que no se modifican los pesos.

Estos “ejemplos” de los que hablaba no son nada especial. Pueden ser fotografías de pacientes con cáncer de pulmon y sanos (que estén catalogadas) y la red “descubrirá” patrones en ellas. Luego, se pasa una nueva foto y debería discernir si hay cáncer o no. Unos datos de entrada más comunes podrían ser edad, sexo, peso, altura, color de piel, color de ojos, color de pelo, grupo sanguíneo, y la salida la raza a la que pertenece el sujeto. O figuras geométricas, bien sea mediante imágenes o las coordenadas de sus puntos y líneas en el plano. Tamaños de hojas, de pétalos, color de flores, y altura del tallo… y catalogamos flores. Las posibilidades son infinitas.

Para terminar, veamos un ejemplo real de un proyecto de la NASA para controlar “fábricas verdes” de alimentos vegetales en el espacio. Dependiendo de la luz, temperatura, humedad relativa,CO₂, nutrientes, edad, y tipo, cada planta tiene una diferente tasa de transpiración (agua que libera), allocation ¿cuota? (porcentaje comestible de biomasa) y la asimilación (índice de fotosíntesis). Representando esto en forma de red, quedaría así:

Red para control de invernadero.

Con esta información y la ayuda de las redes neuronales, los ingenieros de la NASA están desarrollando un invernadero que regule por sí mismo los diferentes parámetros (agua, temperatura, luz…) para cultivar unas plantas que desarrollen mayores porcentajes comestibles con el menor gasto de recursos posible. Esto, que ya puede parecer importante en cierta medida para cualquier agricultor terrestre, se convierte en algo crítico en una misión tripulada de varios años en la que se puede llevar lo justo.

Y hasta aquí llega la presentación de las Redes Neuronales. En el próximo capítulo me centraré en un tipo especial de las mismas, el Perceptrón, y su generalización, el Perceptrón Multicapa.

Alan Turing

Tras la anterior introducción técnica, una parte fundamental (además de todas las matemáticas que hay detrás) para avanzar en este campo es definir de forma clara, ¿qué es la inteligencia? ¿cómo funciona? Conceptos imprescindibles de conocer y comprender si realmente queremos crear una inteligencia. Además esto conlleva una serie de debates filosóficos: ¿se puede llamar realmente inteligencia a los procesos que hace una máquina? ¿puede considerarse inteligencia aunque no entienda realmente lo que hace? ¿qué hace falta para considerar algo como inteligente? Hay un gran debate sobre esto y sus definiciones. Una de las posibles respuestas la dio, de nuevo, Alan Turing, en los años cincuenta con su famosa Prueba de Turing.

«Se fundamenta en la hipótesis positivista de que, si una máquina se comporta en todos los aspectos como inteligente, entonces debe ser inteligente».

El Test de Turing consiste en un hombre y una máquina en una habitación comunicándose con otro fuera de ella. El que está fuera ha de adivinar cuál de sus dos interlocutores es el ordenador mediante preguntas y respuestas en las que obviamente no sirve de nada preguntar si lo son o no, puesto que tienen permitido mentir. Por supuesto ninguna máquina lo ha pasado todavia como tal, pero como afirman en Turing Test lo realmente interesante es que el usuario no se comporte como juez tratando de pillar a la máquina haciendo preguntas tendenciosas dispuesto a descubrirla, sino que esté en un chat normal y no sepa que puede estar hablando con un computador con lo que se comportará normalmente. Bajo estas condiciones sería algo más fácil que una máquina lo superase.

Test de Turing

Para algunos esta prueba sería suficiente para demostrar una IA, sin embargo otros creen que no. Para rebatirlo John Searle inventó el experimento mental de la Sala China, y el famoso Roger Penrose lo popularizó. Afirma que si él, que no sabe chino, entra en un cuarto con manuales y reglas que le indican cómo responder a las diferentes frases y un chino desde fuera introduce un texto, él sería capaz, utilizando esos manuales, de emitir una respuesta coherente. Entonces el chino afirmaría que quién le ha respondido entiende chino, sin embargo John no ha entendido nada de lo que ha leído ni contestado. Esto conlleva todo tipo de discusiones e interpretaciones.

Un amigo está programando un videojuego. La semana pasada me comentó que había dotado a los enemigos de “cierta inteligencia”: «Antes atacaban cada uno a su aire, ahora cuando hay varios en pantalla según el número aplican diversas estrategias; esto no es inteligencia porque las estrategias están predefinidas, pero parece que son listos».

Si la mejor estrategia cuando van dos personas a atacar a otro es ir por delante y por detrás y lo hacen así porque su maestro así se lo enseñó, ¿no son inteligentes? ¿para qué iban a atacarle los dos por delante si es mejor como lo aprendieron? Quizás la inteligencia tal y como la entendemos suponga una cierta creatividad y posiblemente un aprendizaje de la experiencia. La creatividad quizás no, pero el aprendizaje veremos más adelante que es la parte fundamental de las redes neuronales. Generalmente sólo aprenden durante la fase de entrenamiento y ya nunca más, pero también se puede trabajar con redes que continúen aprendiendo con nueva información. Otra forma de aprender de la experiencia puede ser cualquier modelo basado en el Teorema de Bayes. La creatividad… también es algo que deberíamos acotar. Por poner un ejemplo, una espada podemos utilizarla de muchas formas distintas, aplicar todo lo que hemos aprendido en clases de esgrima e innovar descubriendo por nosotros mismos nuevos golpes, pero jamás la utilizaremos de una forma que no sea agarrándola por el mango.

Dos días después de haber escrito parte de estas entradas en mi blog, terminé en una antigua anotación de Microsiervos reseñando un libro titulado On Intelligence, de Jeff Hawkins. En el mismo el autor expone una interesante teoría sobre cómo cree que puede funcionar el cerebro para recordar cosas y aprender. Se sale un poco del campo de la IA, pero no deja de ser fundamental comprender cómo realmente funciona nuestro cerebro para tratar de imitarlo. Quizás descubriendo “el algoritmo” sea mucho más fácil implementarlo. Del post me gustaría extraer un párrafo:

«Previamente, también explica por qué cree que el Test de Turing no sirve para demostrar genuinamente que algo es inteligente. Tú puedes ser inteligente simplemente estando sentado en una habitación oscura sin hacer nada. Comportarse inteligentemente no quiere decir que realmente lo seas, como demuestra el experimento de la sala china. Deep Blue no es inteligente, simplemente calcula rápido jugadas de ajedrez.»

Hacia el final de la entrada habla un poco sobre la visión de Jeff de la IA y me ha resultado muy parecida a mi breve “conclusión”, por lo que pensaréis que la he copiado, sin embargo puedo asegurar que la escribí antes de haber leído la suya.

No dudo que con la Inteligencia Artificial podamos acabar llegando muy lejos, y consiguiendo sistemas muy preparados para casi cualquier problema al que se vaya a enfrentar y para aprender de sus errores y que quizá podamos llegar a conseguir entes que podamos calificar de inteligentes, pero lo que veo prácticamente imposible es que logremos dotarles de una consciencia, por lo que no creo que debamos temer nunca por una Skynet o unos Nexus 6 renegados, ni sentir lástima por el niño de Inteligencia Artificial o El Hombre Bicentenario.

En la próxima entrada, hablaremos sobre las redes neuronales.

Por ejemplo, para hallar la salida a un laberinto se podría hacer un programa que recorriese todas las direcciones posibles sin ninguna distinción, volviendo atrás cuando se bloquease y probando los distintos caminos. Al final, llegaría a la salida siempre. Esto en informática se denomina backtracking o técnica de ensayo-error, y es justo lo contrario a la inteligencia artificial.

Un programa “inteligente” tendría ciertas preferencias, como los caminos hacia la derecha si sabe que la salida está en ese sentido. En este caso concreto, seguramente, resultaría completamente inútil, pero está analizando su entorno respondiendo de forma aparentemente más óptima y, en todo caso, más racional que probando todas las opciones sin ningún criterio.

Para lograr una salida óptima hay muy diversos métodos que dividen a la Inteligencia Artificial en varias ramas completamente distintas entre sí. Se puede, por ejemplo, crear una extensa base de datos (conocimientos) con las mejores soluciones conocidas para diferentes situaciones. Son los llamados sistemas expertos y pretenden simular a una persona con gran experiencia en cierta labor, siendo esa base de conocimientos con los que cuenta la máquina los que habría adquirido esa persona durante toda su carrera. Sería, por ejemplo, resolver un cubo de Rubik sabiendo que primero se debe completar una cara, luego una fila de las caras contiguas, dejar ciertas piezas en una posición determinada y luego efectuar 17 movimientos conocidos (creo que la forma de resolverlo era algo similar, no pretendo ser exacto, sólo dar un ejemplo).

Otra opción es estudiar las implicaciones de nuestras diversas acciones y seleccionar las que nos reporten mayores beneficios en base a unas reglas. Es lo que se suele utilizar en ajedrez y juegos del estilo. La máquina analiza cada uno de sus movimientos y cada uno de los movimientos del contrario, y lo que ella respondería… así hasta unas cuantas jugadas más adelante. Obviamente esto implica una explosión combinacional imposible de computar, por lo que se descartan muchas según diversos criterios heurísticos. Luego, en base a esos criterios, se estudia qué jugada nos reporta más ventaja.

Como curiosidad, el primer programa para jugar al ajedrez lo escribió Alan Turing en 1952. Por entonces las computadoras no tenían suficiente capacidad para procesarlo, así que tenía que hacerlo él mismo a mano, ¡tardando hora y media para cada movimiento! En la única partida registrada, el programa perdió contra un amigo de Turing.

Otros intentos de crear Inteligencia Artificial mucho más interesantes y recientes son las redes neuronales y los algoritmos genéticos, ambos inspirados en la naturaleza.

Pese a que las primeras fueron enunciadas hace más de medio siglo, no se han estudiado y aplicado realmente hasta hace relativamente poco, y los algoritmos genéticos datan de la década de los setenta. Estos últimos creo que están orientados a problemas de optimización, basándose en las ideas de la evolución darwinista. Se crean un montón de soluciones aleatorias y las que que parecen mejores se combinan entre sí durante varios ciclos, añadiendo mutaciones azarosas para mantener la variedad. Supuestamente al final sólo quedan las soluciones más óptimas. Como casi siempre en estos casos, la entrada inglesa Genetic algorithms es mucho más completa y lo que he leído me ha quedado más claro que en la Wikipedia en español.

Las redes neuronales intentan imitar el sistema nervioso animal. Se basan en unas “neuronas” que reciben unos valores de entrada a los que aplican una función específica y su salida la envían a otras neuronas que siguen el mismo proceso hasta alcanzar la salida. Obviamente ésta salida será un número más, y dependiendo del mismo se tomarán unas decisiones u otras. Hay diversos tipos de redes con distintas filosofias y formas de interconectarse, pero por lo general están pensadas para problemas de reconocimiento de patrones. Lo realmente interesante de las redes es que son “entrenadas” y una vez lo han hecho es cuando está preparado el modelo para ser implementado y utilizado. Al igual que antes la versión inglesa es mucho más completa.

Existen otras formas de inteligencia artificial, pero he considerado éstas como las principales, y creo que dan una idea de en qué consiste esta disciplina. Las redes neuronales las veremos más a fondo en un capítulo dedicado exclusivamente a ellas.

Como se ha visto, la Inteligencia Artificial lleva rondando a los expertos desde los primeros tiempos de la informática, y aún así está actualmente muy en pañales. ¿Por qué? El problema es debido a que en su momento se predijeron muchos progresos en los diez siguientes años y, al no darse debido a la paupérrima capacidad de computación de los ordenadores de entonces, se desechó como inútil. Sin embargo, y con la creciente capacidad de los procesadores actuales, recientemente ha vuelto con fuerzas redobladas para instalarse como “el futuro” de la computación.

Pero la Inteligencia Artificial no se limita sólo a la informática/matemáticas, al tener unos objetivos tan complejos implica todo un debate filosófico detrás, que puedes seguir leyendo en el siguiente artículo de la serie.

No soy ningún experto en la materia, así que agradeceré todas las correcciones que me puedan hacer quienes sepan algo más del tema. Me he animado a escribir sobre ello porque estoy realizando un asistente para entrenarlas como Proyecto de Fin de Carrera y estoy empezando a comprender cómo funcionan.

Me centraré en las redes neuronales y, dentro de ellas, en el Perceptrón Multicapa, que es sobre lo que “sé” hasta ahora. Si en algún momento llego a trabajar sobre otro tipo de agentes no dudaré en venir aquí a compartir lo que aprenda.

Puesto que, como puede verse, mi campo es algo limitado, espero que nadie se corte en ampliar esta serie con otro tipo de sistemas inteligentes. En el primer artículo propiamente dicho daremos una introducción técnica de la Inteligencia Artificial.