Xarxes neuronals: màquines que aprenen

Written by Edgar Gonzàlezdimarts, 28 febrer 2006 01:47

És probable que els més aficionats del futbol hagin escoltat que, des de l'any 2002, el club A.C. Milan del Calci italià realitza un seguiment informatitzat dels seus jugadors i que un ordinador és capaç de determinar quins jugadors corren risc de lesionar-se. D’això en diuen “intel•ligència artificial”. Actualment, en els laboratoris informàtics es desenvolupen programes que imiten l'estructura del cervell humà, intentant emular una de les capacitats que ens fa intel•ligents: la d'aprendre.

Neurones naturals

El nostre sistema nerviós està format per un enorme nombre de cèl•lules nervioses: les neurones. Cadascuna d'aquestes cèl•lules està connectada a un gran nombre de veïnes, formant una densa xarxa. Les neurones reben senyals d'entrada de les seves veïnes a través de ramificacions d'entrada: les dendrites. Si la suma de les senyals d'entrada supera un cert nivell, la neurona s'activa i envia el seu propi senyal a través de l’axó, o ramificació de sortida. Les neurones que es trobin connectades a aquest axó rebran el senyal pels seus dendrites, i aquest canvi podrà generar, al seu torn, nous senyals que es propagaran a altres neurones. Aquesta cascada d'activacions és la base del funcionament del cervell i de tot el sistema nerviós.

Neurones artificials

La idea de les xarxes neuronals artificials és la d'imitar l'estructura del cervell mitjançant la connexió d'un nombre d'unitats petites que realitzin càlculs simples per a construir programes que realitzin tasques complexes. En la seva versió més simple, les neurones artificials són components que treballen amb nombres. La seva tasca és rebre una sèrie de quantitats numèriques de les seves veïnes, multiplicar cadascuna d'elles per una quantitat fixa i, si la suma és major a un valor determinat, enviar a les neurones que ho esperen un valor de sortida. Com en el sistema nerviós, hi ha neurones que no reben com entrada la sortida d'altres neurones, sinó les dades del problema; i hi ha neurones que no envien la seva sortida a unes altres, sinó que donen la resposta final.

Uns inicis insospitats

Un dels primers sistemes de xarxes neuronals amb capacitat d'aprendre va ser el perceptró, desenvolupat l'any 1957 per Frank Rosenblatt. El sistema era capaç d'aprendre a reconèixer formes geomètriques com quadrats, triangles o cercles, així com molts altres patrons. Rosenblatt era molt optimista respecte a les possibilitats del seu sistema. No obstant això, va tenir com rival a l'influent Marvin Minsky, qui va dedicar anys a desacreditar Rosenblatt. En 1969 va publicar en un article una dura crítica cap als perceptrons, fent gran èmfasi en les seves limitacions. Aquest article, juntament amb l'accidental mort de Rosenblatt poc després, va aconseguir tallar totes les subvencions per a la investigació en xarxes neuronals durant una dècada. Irònicament, el propi Minsky va ser després un actiu investigador en versions millorades dels perceptrons...

Aprenentatge

Una de les característiques que fa de les xarxes neuronals un sistema interessant és la seva capacitat d'aprendre. No sempre és possible construir un programa que faci una tasca desitjada. De vegades no se sap amb certesa com hauria de fer-la; altres vegades, pot ser massa costós introduir en l'ordinador totes les ordres necessàries per a fer-la. No obstant això, es pot crear un programa amb capacitat d'aprendre, i llavors ensenyar-li un munt d'exemples de la tasca a realitzar. Així, en el cas de l'equip de futbol, se li pot ensenyar l'historial de variables biomètriques dels jugadors (pes, altura, tant per cent de greix corporal, pulsacions en repòs...) i si s'han lesionat o no després de jugar cada partit. L'esperança és que el programa aprengui i, quan se li donin noves dades, sigui capaç de determinar, abans que es jugui el partit, si el jugador es pot lesionar o no. Les xarxes neuronals no són l'únic mètode d'aconseguir aprenentatge, però si un dels més populars.