Las redes neuronales se han convertido en una tendencia contemporánea ejecutada por la ciencia y la tecnología. En este caso, se emplean para mejorar los programas y crear sistemas completos capaces de automatizar, agilizar y ayudar al rendimiento humano. Pero partamos del punto más importante, su principal objetivo urbano es enseñar al sistema a tomar decisiones de forma autónoma en situaciones complejas del mismo modo que lo hacen los humanos.
Una gran parte de lo que la humanidad quiere conseguir de forma artificial es lo que ya ha hecho la naturaleza. El cerebro humano está dotado de una magnífica red neuronal, de la que se sigue estudiando en la actualidad. Desde el punto de vista genético, las redes neuronales biológicas son bastante complejas y para una persona sin la formación técnica adecuada sería difícil entender cómo funciona una red neuronal natural.
¿Qué tipo de tareas pueden resolver las redes neuronales?
Su potencial está en la resolución de las llamadas tareas inteligentes, actividades de otro tipo, como:
- El reconocimiento facial
- El reconocimiento de sillas en centros comerciales (diferenciando las sillas de KFC de las de McDonalds).
- El piloto automático de Tesla, etc.
Dichas actividades se conocen como tareas inteligentes porque no tienen pasos específicos para su solución, no hay una secuencia de acciones claramente definida, y la propia red neuronal se entrena en el proceso de resolución de dicha tarea.
Papel de las redes neuronales en el ámbito de la minería de datos y el aprendizaje automático
Analicemos ahora el lugar que ocupan las redes neuronales en el ámbito más general de la minería de datos.
La minería de datos es la manipulación y el análisis directo de los datos por parte de los seres humanos utilizando sus propios recursos intelectuales.
El ejemplo habitual de un programa de aplicación utilizado en el campo de la minería de datos es el paquete MATLAB, ampliamente empleado.
En el caso de la Minería de Datos, la propia persona, como investigador, se ocupa del tema y se sumerge en él. Como analogía aproximada podemos recordar la famosa película Juegos mentales, cuando el protagonista, cubierto de datos, se sentaba, pensaba y resolvía una especie de código.
El aprendizaje automático consiste en entrenar a una máquina para que resuelva un determinado tipo de problema sin la intervención de un ser humano.
Un ejemplo es el desarrollo de la calificación crediticia en un banco, es decir, la creación de un sistema fiable para evaluar la solvencia de una persona (riesgos crediticios) a partir de métodos estadísticos numéricos.
Con frecuencia, esto se sigue haciendo manualmente, por medio de la fuerza humana. Es decir, una persona analiza muchos datos sobre los que pagan o dejan de pagar los préstamos y trata de encontrar aquellos parámetros que se correlacionan con la capacidad de pago del prestatario.
En este caso, el algoritmo probablemente no nos dará estos patrones de una manera que podamos entender, pero tendrá el poder de predicción necesario y podrá dar una previsión bastante precisa de la solvencia de tal o cual prestatario potencial.