Rede neuronal artificial
Desde o punto de vista da cibernética, ademais das técnicas de procesado utilizadas nos computadores dixitais máis coñecidos, aparecen outras posibilidades. Una das direccións que máis se está investigando é a posibilidade de desenvolver sistemas de procesamiento que utilicen os mesmos principios de comportamento e estruturas que poden atoparse tanto no ser humano como noutros seres vivos. Isto creou novos computadores: neuroordenadores. Hai una diferenza importante entre ambos.
Os computadores dixitais son sistemas secuenciales deseñados paira manexar as manifestacións simbólicas de todo o que se atopa no exterior. Por outra banda, os neuroordenadores son sistemas de estrutura paralela que procesan directamente a información externa, é dicir, sen utilizar aparicións simbólicas. Paira comprender o que está detrás da neuroconputación, é moi interesante entender os principios da neurobiología e a súa importancia na computación superrápida.
Fundamentos da neuroconputación
As neuronas son células nerviosas e as redes neuronais son redes formadas por estas células. O cerebro é un exemplo natural de redes neuronais. O interese que sempre existiu polas redes artificiais NSA (Redes Neuronais Artificiais) baseábase en consideracións anatómicas e psicolóxicas. Os primeiros modelizadores de neuronas artificiais trataron de mostrar a relación estímulo/resposta das neuronas biolóxicas e ademais a estrutura interna das neuronas.
É dicir, no campo da física e a enxeñaría as máis destacadas foron as “características computacionales” das neuronas. O interese dos que traballan nos ámbitos da lóxica, as matemáticas, a ciencia da computación e a física por este problema foi crecendo e diminuíndo ao longo dos anos, pero na actualidade está nun nivel alto. Isto débese á creación de poderosos ordenadores que resolven problemas que non se poden resolver cos sistemas de computación utilizados até agora.
Conceptos biolóxicos básicos
Actualmente sabemos que a anatomía dunha neurona biolóxica é:
- Estrutura de cornos, con células denominadas dendritas, que se considera zona de recepción de sinais desde outras neuronas.
- Corpo da célula, chamado soma.
- Longa estrutura de transmisión lineal denominada axon.
- Estruturas tipo brocha, chamadas botóns sinápticos, situadas ao final da cola de Axon.
1º. Na figura preséntanse as estruturas dunha neurona biolóxica mencionada. 1.b. a imaxe presenta a abstracción matemática da neurona. Nesta imaxe x 1 , x 2 , ..., x n , j son entradas que chegan á neurona, w ij , resistencias sinápticas e e j , saída da neurona. 1.c. na figura 1.b móstrase o circuíto eléctrico correspondente á abstracción matemática da figura. Neste caso cada x i é tensión e w ij , cada un preséntase cun potenciómetro. O triángulo con signo aditivo no seu interior é un amplificador operacional configurado en forma aditiva. A cantidade f será calquera función non lineal.
2º. Na imaxe pódese ver una rede de neuronas biolóxicas. Cando dúas neuronas desta rede están moi próximas, chámase sinapsis ao momento de unión. A influencia das neuronas no punto de contacto é electromecánica. A sinapsis non é un contacto físico real. Una sinal compórtase como un sistema de aceso, é dicir, non pasa información ata que a concentración do sinal supera un límite. Cando isto ocorre, xérase potencial na célula receptora de información.
Cando una neurona toma información a través de contactos sinápticos desde os laterais, a toma realízase mediante pulsos consecutivos. Entón realízase a suma explorada das entradas algebraicas, compútase a función de contención de dita suma e créase a saída (se o valor da función supera o valor límite). Como nos contactos sinápticos a transmisión realízase nunha soa dirección, os pulsos de entrada e saída van das dendritas á somara, de aquí a axon e finalmente aos botóns sinápticos. Dado que os mecanismos básicos de computación das neuronas biolóxicas son a suma ponderada e a función de contención, trataremos de emular estas funcións biolóxicas mediante redes NSA.
Estimouse que o cerebro humano ten un número de neuronas entre 109 e 1012, existindo entre elas máis de 1015 contactos sinápticos. Estas células son unidades de procesamiento de información cerebral básica. Ademais, estimouse que una neurona normal recibe información doutras 10.000 neuronas e envíaa a 1.000 neuronas se é necesario. A pesar de coñecer o comportamento das neuronas raras e as conexións entre as neuronas, descoñécese o seu comportamento cando os grupos neuronais traballan xuntos.
Por tanto, o mellor que podemos facer é considerar que, seguindo a mesma estrutura, o comportamento das redes artificiais tamén será dalgunha maneira similar. É imposible seguir completamente esta estrutura. Con todo, ao tratarse dunha rede que cumpre funcións moi especiais, a NSA pode ter una estrutura máis sinxela que a neurona biolóxica. Ademais, está demostrado que o procesamiento da información que se produce no cerebro non é só paralelo, senón que tamén hai funcións ben situadas.
Segundo as informacións extraídas de neuropatología, neurohistología e neurofarmaquología, a parte máxima da computación prodúcese en aproximadamente 1.000 zonas (módulos). Por exemplo, a capacidade de falar está asociada á zona de Broca no lóbulo frontal esquerdo do cerebro, mentres que a capacidade de comprender a linguaxe natural está asociada á zona de Wernick, situada na parte traseira do lóbulo temporal e á esquerda. Por tanto, pódese dicir que as operacións de alto nivel realízanse en ámbitos especiais, nos que se comunica dalgunha maneira. Considérase que os compoñentes que interveñen no procesamiento da información son o cerebelo, o hipocampo, as amígdalas e a cortiza cerebral.
Todo iso lévanos a pensar que o cerebro humano é una estrutura zonificada en función das funcións, na que o procesado realízase de forma paralela. Ademais, parece que o traballo paralelo das neuronas realízase asíncronamente, é dicir, sen centro de sincronización (sen reloxo). Por estes motivos, moitos pensan que a través dos grupos que realizan o procesado de forma paralela (realizando asíncronamente a comunicación entre eles e a distribución de funcións), a rede neuronal aparecería mellor.
Funcionamento das redes
O proceso de computación a través de redes NSA é o seguinte: (NA) Una “neurona artificial” (ou (PE) elemento de procesamiento recibe as entradas doutro NA ou dun estímulo externo. A suma axitada destas entradas completa o argumento da función activadora (ou de transferencia). Esta función que define as características da neurona normalmente non é lineal. O resultado da función activadora é a saída de n. Esta saída divídese ao longo das conexións doutro DNI.
O modo en que se realizan estas conexións (é dicir, topología) define o fluxo de información que se produce a través da rede e denomínase arquitectura da rede. As configuracións arquitectónicas máis utilizadas son as dunha capa, multicapa, realimentación, prealimentación e conectividad lateral. A importancia das conexións axitadas nestas arquitecturas é moi elevada, polo que son coñecidas como modelos de computación conectiva.
O proceso de acondicionamento dos pisos durante a preparación da rede denomínase regra de aprendizaxe. É dicir, os sistemas de redes neurales artificiais non se programan, ensínaselles. Este proceso de aprendizaxe pode ser auditado ou non auditado. A máis utilizada nas regras de aprendizaxe auditadas é o método de programación cara atrás (BP). Un método non auditado pertence ao auto-organización. En resumo, o tres compoñentes fundamentais dos sistemas de computación baseados en redes NSA son a función de transferencia, a arquitectura e a regra de aprendizaxe. Hai que dicir que este tipo de modelos de computación teñen só a aparencia metafórica dos cerebros reais.
Cando se obteña un modelo computacional adecuado, a implantación do sistema pode realizarse mediante a utilización de compoñentes dixitais, ópticos ou analóxicos de computación como bloque de operacións. Un compoñente coñecido entre os enxeñeiros eléctricos, que se comporta dalgunha maneira como as neuronas, é un amplificador operacional configurado como integrador. Se se supervisa un centenar de integradores conectados entre si por potenciómetro (os potenciómetros son sinapsis), pódese analizar como una primeira aproximación dunha NSA.
A adaptación destes potenciómetros á representación do algoritmo de aprendizaxe permitiría una mellor aproximación á rede neuronal. Calquera que coñece o funcionamento da computación analóxica sabe que esta configuración de computación (e por tanto o modelo matemático de descrición da rede neuronal) está constituída por un grupo de ecuacións diferenciais non lineais e axustadas. É dicir, os NSA pódense ver como sistemas dinámicos que se programan. Por tanto, o proceso de aprendizaxe, mentres o sistema dinámico alcanza un estado de mínima enerxía, pode aparecer como un proceso de adaptación de parámetros (coeficientes de ecuacións diferenciais). Desta forma, pódese utilizar máis amplamente as matemáticas.
A pesar de que a descrición dada anteriormente conta cunha boa presentación da neurona artificial e da NSA, a definición de NSA aínda non pode ser perfectamente definida. A NSA pode definirse como un sistema de computación distribuída con múltiples compoñentes de procesamiento interconectados. Outra definición é que a NSA é un sistema adaptador e paralelo con capacidade de autoaprendizaje, capaz de procesar a información.
Diferenzas entre neuronas biolóxicas e artificiais
Paira comprender mellor o anterior, presentaranse as diferenzas existentes entre redes de neuronas biolóxicas e neuronas artificiais:
- Os compoñentes electrónicos utilizados paira simular neuronas son moi rápidos, pero con pouca conexión. As neuronas biolóxicas son unidades analóxicas conectadas con alta densidade. Sendo as constantes de tempo destas unidades milisegundas, o traballo das neuronas reais é máis lento que o das artificiais. As neuronas artificiais crean escalares de saída de medida media dos pulsos producidos polas neuronas biolóxicas. Cando se transmite un pulso dunha neurona a outra, faise a velocidade lenta, oscilando entre 0,5 e 120 metros nun segundo. Segundo estes parámetros, non se pode saber como pode realizar o cerebro todos os traballos anteriormente mencionados en tempos curtos medidos. Con todo, hai moitos investigadores que están a desenvolver modelos paira realizar funcións cerebrais.
- Una neurona biolóxica fai traballar ou frear ás neuronas que están en contacto con el, pero ambas as cousas non poden facerse xuntas. Isto dise que é a lei de Eccles. Parece que os sistemas NSA non se seguen a esta regra.
- O código de información do sistema nervioso real difire do utilizado polo sistema NSA. Por exemplo, cando una neurona biolóxica produce una saída, esta é un grupo de pulsos consecutivos. A frecuencia desta saída relaciónase de forma logarítmica coa suma algebraica das entradas que chegan á neurona. Esta frecuencia é de 1 a 100 ciclos por segundo aproximadamente. Isto indica que os bits utilizados na transmisión de información entre neuronas son moi escasos.
- Por último, parece que os cerebros reais son estruturas de computación superficial, é dicir, con moi poucas capas, cun alto grao de similitude. Por outra banda, os modelos baseados en computadores dixitais convencionais son secuenciales e teñen una estrutura computacional profunda.
Futuro
Na actualidade existen áreas nas que estas redes neuronais están a aplicar con éxito: visión artificial, tradutores de linguaxes naturais, etc.
Con todo, tanto o proceso de aprendizaxe destas redes como os problemas asociados á súa densidade, aínda non foron superados. Por outra banda, coa tecnoloxía VLSI (very large scale integration) e os avances que se están producindo en óptica, optoelectrónica e tecnoloxía holográfica, parece que se van a dar solución a estes problemas.
Deste xeito, a revolución tecnolóxica que estes novos tipos de computadores, formados por redes neuronais e non dixitais, van influír na nosa vida diaria será enorme: sistemas de seguridade, sistemas de control de calidade, ámbito médico, etc.
Zu idazle
Zientzia aldizkaria
