Red Neuronal de la Inteligencia Artificial

La red neuronal de una inteligencia artificial funciona precisamente de esta manera: detecta un conjunto de atributos que le permiten identificar entre otras cosas si una imagen es o no la de un gato, diagnosticar una imagen médica o reconocer la emoción que expresa la voz, o la cara, de una persona. Estos atributos permiten sacar conclusiones y tomar buenas decisiones en dominios muy específicos Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo modo, a la salida de la neurona, puede existir una función limitadora o umbral, que modifica el valor resultado o impone un límite que no se debe sobrepasar antes de propagarse a otra neurona. Esta función se conoce como función de activación. Como en el cerebro humano, una de las características más importantes de las redes neuronales es su poder de “aprendizaje”. Dependiendo del tipo de aprendizaje, estos algoritmos se clasifican en tres grandes grupos: supervisado, no-supervisado y reforzado.