https://empresas.blogthinkbig.com/redes-neuronales-artificiales/
Las redes neuronales artificiales (RNA) son modelos de la inteligencia artificial que se inspiran en el comportamiento de las neuronas y las conexiones cerebrales para resolver problemas. Para entender mejor el concepto, tenemos que iniciar por responder dos preguntas. ¿Qué es la inteligencia artificial? ¿Qué es una red neuronal?
La inteligencia artificial (IA, en inglés AI o Artificial Intelligence) es una rama de la ciencia de la computación que se ocupa de modelar la conducta inteligente. Los sistemas de IA utilizan algoritmos y modelos para analizar, organizar, procesar y convertir datos. El objetivo es obtener información útil para la toma de decisiones.Una red neuronal es un modelo simplificado que simula cómo los cerebros de los seres vivos, en especial el humano, procesa información.
Funcionamiento de las redes neuronales artificiales
Las redes neuronales artificiales (en inglés, ANN, Artificial Neural Networks) se inspiran en el sistema nervioso y el comportamiento biológico, creando un sistema de interconexión en capas de neuronas artificiales que colaboran para procesar datos de entrada y generar salidas.
Como modelo computacional, las RNA utilizan grafos y funciones, conformadas por elementos de proceso (EP o nodos) y conexiones (enlaces). Procesan entradas y generan salidas que ayudan a resolver problemas. En algunos modelos se utiliza memoria local en los nodos o elementos de proceso. Los nodos y conexiones de la red neuronal se organizan en capas.
Fuente: Fernando Sancho Caparrini, (2018)
Utilidad de las redes neuronales artificiales
Las redes neuronales se diferencian de otros modelos de IA en tener la capacidad de aprender en forma automática. Este proceso también es conocido como machine learning o aprendizaje de máquina.
Algunas de las aplicaciones generales de las redes neuronales artificiales son:
Sistemas inteligentes para la toma de decisiones en la gestión empresarial.
Predicción.
Reconocimiento de tendencias.
Reconocimiento de patrones y gestión de riesgo, aplicados por ejemplo en la detección de fraude.
Artefactos inteligentes con capacidad de aprendizaje, por ejemplo, los homepods o altavoces inteligentes.
Hogar inteligente o domótica.
Sistemas de visión computacional y detección.
Vehículos autónomos y energías renovables.
Usos exitosos de redes neuronales artificiales
Captar clientes mediante el envío manual de mensajes de correo electrónico es un proceso que puede ser poco eficiente. Microsoft utilizó el software de red neuronal BrainMaker para determinar cuáles son los clientes más probables en convertirse en compradores, tras recibir correos de campañas de e-marketing.
Se utilizaron como datos la fecha de la compra, la cantidad y el tipo de producto adquirido. Microsoft aumentó del 4,9 % al 8,2 % la tasa efectiva de respuesta al correo directo. Esto implica para la empresa una campaña más efectiva de mercadeo, obteniendo los mismos ingresos con 35 % menos de costos.
En finanzas, la predicción del valor futuro de bonos y otros instrumentos de inversión es una tarea especializada. Investigadores de la Universidad de Stanford en Palo Alto, California, han aplicado para esta tarea sistemas de predicción híbridos. Combinan redes neuronales artificiales y varias modalidades de machine learning para mejorar la predicción del valor futuro de bonos.
Las mejoras se reflejan en obtener predicciones con un margen de error de tan solo 78 céntimos de euro, con cálculos que apenas requieren segundos. Las predicciones sin uso de RNA a disposición de un agente de bolsa pueden llegar a tardar hasta 15 minutos luego de una transacción.
Redes neuronales artificiales en servicios inteligentes de salud (eHealth)
Las aplicaciones de las redes neuronales en la medicina y la atención de la salud son diversas.
Es un área disruptiva en donde se combinan las ciencias de la salud, de la computación y la inteligencia artificial. La eSalud, o eHealth, es la aplicación de las tecnologías de la información y de la comunicación en apoyo de los campos de la salud, sus profesionales y usuarios.
El ehealth ha sido implementada exitosamente en casos asociados con:
Asistencia sanitaria virtual.
Sistemas de predicción en salud utilizando RNA y big data.
Predicción de resultados en cirugía cardíaca.
Un ejemplo es el uso de IA y RNA en sistemas de ayuda a la identificación de enfermedades y diagnósticos. Estos sistemas contribuyen a la toma de decisiones y mejoran la calidad de la atención a los pacientes.
El uso de algoritmos para la clasificación de enfermedades y la predicción de mortalidad hospitalaria, que incluyen redes neuronales, tienen una precisión entre el 81,7 % y el 99,8 %, según resultados de la investigación doctoral de Ana Monsalve en la Universidad de Alicante, España.
