Xarxes Neuronals Artificials

El cervell humà és el sistema de càlcul més complex dins la naturalesa. Un ordinador i un ésser humà realitzen tasques bastant diferents: si bé el reconeixement facial per a un home és una feina ben senzilla, per a un ordinador és una feina més costosa. A l'inrevés ens trobem en casos com la comptabilitat d'una empresa: és fins i tot dificultosa per un expert en la matèria però fàcil per a una senzilla rutina d'ordinador.

El model del cervell humà ha estat font d'inspiracions en moltes àrees: és complicat i difícil d'explicar i aquests són fets que afavoreixen que des de sempre s'hagi volgut simular el seu comportament. I no només el seu comportament, sinó construir eines que utilitzin l'estructura d'aquest per resoldre problemes de forma mecanitzada.

El fruit dels científics que han volgut crear un model d'ordinador que iguali o adopti les característiques de la nostra font de pensament són les Xarxes Neuronals o Computació Neuronal.

Si bé és cert que la font d'inspiració és biològica, actualment coneixem dos tipus de Xarxes Neuronals:

- de model biològic: podríem parlar des de xarxes que intenten simular els sistemes neuronals biològics fins a altres que simulen funcions auditives o de visió.

- de model destinat a aplicació: Aquests no tenen gaire semblança amb els anteriors, les seves arquitectures estan lligades a les necessitats de les aplicacions per les quals que són dissenyats.

Dels dos grups anteriors ens basarem sobretot en les de model biològic: tenen camps d'aplicació més extensos i, si més endavant puc aconseguir informació suficient, entraré amb més detall en el segon grup.

Ara us convido a fer una petita reflexió: el temps de commutació d'una neurona (pocs mil·lisegons) és casi bé un milió de vegades menor que en els actuals computadors, però la connectivitat d'aquestes és milers de vegades superiors que els actuals ordinadors. Llavors com podem veure, no només necessitem unitats “ràpides”, sinó que necessitem que les connexions entre les unitats i el temps de resposta entre aquestes sigui molt alt. Aquí és on es marca l'objectiu l'àmbit de les xarxes neuronals: ser capaços de recrear de manera artificial tota la xarxa biològica.

Les xarxes neuronals artificials, conegudes amb les sigles ANN (de l'anglès Artificial Neural Network) van ser originalment una simulació abstracta dels sistemes nerviosos biològics, formats per un conjunt d'unitats anomenades “neurones” o “nodes” connectades unes amb altres. Veurem com, aquestes connexions tenen certa semblança amb les dendrites i els axons que ja coneixem de les neurones. En fem un repàs de les parts d'aquestes?

- El cos de la neurona

- Les branques d'extensió anomenades dendrites per a rebre entrades

- Un axó que transporta els impulsos nerviosos des del cos de la nostra cèl·lula cap a la següent.

En general, una neurona envia la seva sortida a altres utilitzant l'axó que transporta la informació a través de diferències de potencial o ones de corrent, Aquest procés l'identificarem com una funció de xarxa u(). La neurona recull els senyals mitjançant la sinapsis sumant totes les influències excitadores i inhibidores. Si les influències excitadores positives dominen, és a dir, superen un cert llindar, llavors la neurona dóna un senyal positiu i envia aquest missatge a altres neurones per la sinapsis de sortida. En aquest punt identificarem la funció d'activació f() que ens dona el valor d'activació de la neurona. Aquesta funció d'activació pot ser una funció lineal, de llindar, gaussiana, sigmoïdal... depenent del funcionament de la nostra “neurona”