Mejora continua

ATERRIZANDO LA REVOLUCIÓN 4.0…

.. LAS REDES NEURONALES ARTIFICIALES

.. LAS REDES NEURONALES ARTIFICIALES

Continuando con nuestro esfuerzo por acercar a un plano más sencillo y práctico aquellos conceptos que son claves en el escenario de la Industria 4.0, hoy presentamos una de las principales herramientas analíticas, paradigma de Machine Learning: las redes neuronales artificiales (conocidas por sus siglas en inglés ANN).

1

Una ANN no es más que una réplica de lo que podría ser un cerebro humano: una serie de neuronas (centros de procesamiento y memoria) interconectadas entre sí, de tal forma que los datos fluyen desde la capa de entrada a la capa de salida (donde obtenemos el output que queremos conseguir), pasando al menos por una capa oculta.

La forma en que se relacionan estas entradas y salidas puede ser más o menos obvia (desde una regresión lineal a una relación no lineal como una función sigmoidal), pero la clave es la ponderación (siguiendo con el símil cerebral, los pesos sinápticos) que se le da a las distintas entradas.

PARADIGMA DE INTELIGENCIA ARTIFICIAL

Aquí se hace más patente que en ninguna otra herramienta aquello de que los sistemas “aprenden” con el tiempo y la experiencia ya que, observando el desempeño de la ANN mediante una función coste, evaluamos el error entre la salida obtenida y la salida que queríamos haber obtenido y, resumiendo, modificamos los pesos sinápticos para reducir tal error, gracias a un algoritmo automatizado llamado propagación hacia atrás (personalmente, lo más fascinante de las ANN).

Es verdad que perdemos comprensión a la hora de saber cómo las entradas influyen en la salida, pero la precisión que se obtiene en estas herramientas hace que se compense dicha pérdida.

¿CÓMO IMPLEMENTO LAS ANN DE MI EMPRESA?

A partir de aquí, las oportunidades de las ANN son inmensas, pudiéndose agrupar en :2

1) Aproximación de funciones: ya que, aunque se usen nombres vertiginosos para los no expertos (neuronas, pesos sinápticos) no es más que el campo de optimización de funciones, en este caso de una función coste. Algo idéntico a lo que una regresión lineal simple hace sobre la función error.

2) Predicción de series temporales: no deja de ser un tipo especial de aproximación de funciones, en el que el estado actual i es función del estado anterior i-1.

3) Clasificación: quizá el uso más extendido de las ANN, en donde son usadas para categorizar a una muestra en una de las serie de clases ya definidas que más se adecúan a sus variables, e.g categorizar a un tumor si es benigno o maligno, si un correo es spam o no, si la imagen analizada es un coche, un árbol, un gatito…

4) Agrupamiento: Un tipo de clasificación, en el cual no se conocen las categorías de antemano (entramos en el campo del aprendizaje no supervisado). Las muestras serán agrupadas en función de unas característica de entrada, ponderando de sobremanera aquellas que sean “geográficamente” más cercanas entre sí.

EN RESUMEN

Las ANN son una de las herramientas más poderosas dentro del Análisis predictivo y la Inteligencia Artificial, y los procesos industriales son escenario idóneos para “exprimir” al máximo estos cerebros artificiales. Si las máquinas son el músculo de la Industria 4.0, las ANN tienen que ser, sin duda, la cabeza.3

El cerebro es básicamente un ordenador y la conciencia un programa. En teoría, podría ser recreado en una red neuronal”. – Stephen Hawking.

COMPARTE ESTE POST