Las redes neuronales artificiales (RNA) se han convertido, en este nuevo siglo, en pilares esenciales de la inteligencia artificial porque están diseñadas para realizar tareas específicas de aprendizaje y, sobre todo, de reconocimiento de patrones (elementos que se repiten a través de una secuencia lógica).
Marcelo Pacheco, director de la carrera de Ingeniería de Sistemas de la Universidad Franz Tamayo, Unifranz, asegura que las RNA son «modelos computacionales inspirados en la estructura del cerebro, es decir en el funcionamiento de las redes neuronales biológicas. Toman algo que ya está hecho en la naturaleza, que funciona perfectamente, adaptándolo para que funcione en elementos inanimados como las computadoras, de allí el término artificial”.
Se trata de un tipo de proceso de machine learning, llamado aprendizaje profundo, que utiliza los nodos (neuronas) interconectados en una estructura de capas que se parece al cerebro humano, permitiendo a las computadoras aprender de sus errores y mejorar continuamente.
El académico destaca su uso en la medicina, la seguridad, el pronóstico del mercado o la automatización industrial; además, de investigaciones que exploran la conexión de neuronas humanas con RNA, destacando la evolución constante en la interfaz cerebro-máquina.
Por ejemplo, dentro de la Medicina, al detectar pequeñas variaciones en tomografías, las RNA permiten diagnósticos más precisos y rápidos. Similar aplicación tiene en el reconocimiento de voz, con fines de seguridad.
Hoy en día -según Pacheco- vemos herramientas como el ChatGPT, el procesamiento de lenguaje natural o la visión por computadora que “permiten cosas geniales como la conducción automática”. Al ser capaces de procesar muchos datos y buscar patrones en ellos, también se la aplica, exitosamente, en la detección de fraudes bancarios.
“Un ámbito hermoso de aplicación es la automatización industrial y la robótica, que permiten el control de procesos industriales. Por ejemplo, en la universidad, los estudiantes de Ingeniería de Sistemas están trabajando en aplicar este conocimiento para resolver problemas cotidianos. Es realmente un mundo de posibilidades el que presentan las RNA para el futuro de la humanidad y la mejora constante de la vida”, puntualiza.
Sin que afecte su significado, las redes neuronales artificiales son, también, denominadas «redes neuronales computacionales», «redes neuronales» o «redes neuronales profundas», este último cuando hacen referencia a modelos con varias capas ocultas.
Entrenamiento de una red neuronal
El proceso de entrenamiento de una red neuronal, según Pacheco, inicia con la abstracción del problema y la definición clara de la tarea a realizar, por ejemplo, el reconocimiento de patrones, regresiones o clasificación, entre otros, para posteriormente preparar los datos que permitan medir la eficiencia de la Red.
En este punto se debe diseñar la red, decidiendo la cantidad de capas ocultas, la cantidad de neuronas que intervienen, peso y conexiones que permitan inicializar los pesos y sesgos asociados para mejorar el rendimiento de las RNA.
«Es como el proceso de aprender a reconocer letras. Mientras más datos se le entregan a la red, mejores son sus respuestas y más rápidas debido a la secuencia de movimientos entre las capas. Es decir, cuando empezamos a conocer las letras, inicialmente nos es difícil recordar cada una de ellas, pero cuanto más entrenamos mayor facilidad tenemos para reconocerlas. Con las RNA se tiene, exactamente, el mismo proceso”, especifica.
¿Es posible pensar en una IA generativa y consciente?
Pensar en un futuro, a corto y mediano plazo, donde la IA adquiera consciencia es entrar al juego de la especulación y de la ciencia ficción. “Hay que esperar aún un largo tiempo, y mucha investigación, para poder hablar al respecto”, asegura Pacheco.
Sin embargo, el académico aclara que IA generativa e IA consciente no son lo mismo.
La IA generativa hace referencia a un tipo de IA diseñada específicamente para crear, generar o producir nuevos contenidos, a través de un entrenamiento y diseño particular (imágenes, texto, música u otros tipos de datos).
En cambio, una IA consciente implica la capacidad de disponer de conciencia, entendimiento y experiencias subjetivas similares a las de los seres humanos. “Ésta es un área de mucha especulación y debate, ya que la conciencia es un fenómeno complejo y aún no se logra comprender completamente, ni siquiera hablando en términos humanos”, señala el ingeniero en sistemas.
Desafíos éticos y legales
Para Pacheco, la transparencia, explicabilidad y el manejo adecuado de la privacidad es de suma importancia cuando se trabaja con redes neuronales artificiales.
A medida que las RNA avanzan, el debate sobre la conciencia y la posibilidad de una IA generativa plantea interrogantes sobre los límites éticos y legales en su desarrollo y aplicación.
“Es necesario establecer límites éticos claros sobre cómo se recopilan, cómo se almacenan y cómo se pueden utilizar los datos. De allí también el pensar en quién es responsable, dado que la conciencia del uso de los datos no puede ser atribuida a la misma IA”, precisa.
En cuanto a los límites legales, las regulaciones de privacidad, así como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea, son herramientas que ayudan en este proceso y gestión.
El uso de las RNA es muy amplio, y así como es grande su capacidad, los límites se deben establecer generando leyes y controles que permitan garantizar el uso correcto de ésta. “La conciencia está en quien desarrolla y aplica estos algoritmos”, reflexiona el académico.
En palabras de Pacheco, «el mundo de la inteligencia artificial es un universo lleno de posibilidades por explorar. Los límites éticos y legales deben ser tan innovadores como la propia tecnología para garantizar un uso responsable y beneficioso en la mejora constante de la calidad de vida de las personas, en los negocios o la investigación, donde el elemento esencial es soñar».