¿Redes Neuronales Artificiales y Psicología?

Hice un hilo para tuiter, y como no me gusta que se pierdan para siempre, lo posteo aca también.

¿Qué es una red neuronal Artificial?¿Cómo es que un modelo de deep learning puede hacer un texto que parezca HUMANO?¿Por qué el algoritmo de tuiter es racista?

Para poder responder las 2 preguntas finales del tuit anterior (que era mi intención original xD), creo que primero tenemos que entender qué es una red neuronal artificial.

Hay que desmitificar un poquito lo que son este tipo de modelos de inteligencia artificial, así que voy a partir por hablar de que es una red neuronal artificial, al menos en uno de sus formatos más simples.

¿Qué es una red neuronal artificial? Hace poco hice este video que nos puede servir de punto de partida. El modelo que muestro ahí es un perceptrón multicapa, que vendría siendo uno de los formatos más pequeños de una red neuronal artificial

Pero ¿de qué están hechas? Podríamos decir que al final del día, no son más que un conjunto de operaciones matemáticas, un par de multiplicaciones y sumas, simulan la forma en la que nuestro cerebro lleva a cabo computaciones usando neuronas.

Y cuando digo computaciones, me refiero a cálculos, operaciones, y ese tipo de cosas. La cantidad de capas y conexiones en una red, aumentan la magnitud de las computaciones que puede hacer. ¿Cómo se ven esos procesos? Vamos con un ejemplo

La señal que llega a la unidad interna 1, no es más que el resultado del producto interno entre el vector con los datos de la entrada y el vector de conecciones del input y la unidad 1. Ok, eso no aclaró mucho las cosas, pero en esta foto se entiende mejor:

Esos valores en la unidad de entrada, son análogos a tus ojos siendo estimulados por la luz, y que esa luz genere un cierto tipo de actividad que es pasada a otra neurona, y así hasta generar la experiencia de estar viendo.

Para que se hagan una idea, un cono (las células en el ojo que responde al color), responde a un rango de frecuencia en la luz, como pueden ver en esta foto de wikipedia:

Lo que hacemos nosotros es entonces tomar esos valores, y representarlos en una lista, que luego ponemos en las unidades de entrada de la red neuronal artificial, que simula el que una célula está siendo impactada por esa frecuencia, y por lo tanto, está recibiendo esa información

El resultado de la operación de más arriba se pasa a la función de activación que determina el nivel de actividad interna. Podríamos decir que determinan los umbrales de actividad con los que una unidad se activa, o no. Estos umbrales pueden tener distintas formas, dependiendo de lo que quiera “capturar”

Esto es similar a la idea del potencial de acción y la ley del todo o nada en las neuronas. Una vez alcanzado un cierto nivel de actividad, una neurona “decide” disparar o no. Si necesitan recordarlo, la buen wiki nos ayuda https://es.wikipedia.org/wiki/Potencial_de_acci%C3%B3n

Estas funciones permiten que la red pueda “decidir”, o sea, hacer discriminaciones acerca de los características relevantes en nuestros estímulos, aquellos que generen un cierto patrón de actividad van a activar/encender la unidad interna.

Dawson, M.R.W. (2004). Minds and Machines: Connectionism and psychological modeling. Blackwell: Oxford, UK.

¿Y después? La actividad de cada una de las unidades internas es pasada a las unidades de output y es multiplicada por los valores de la conexión, muy parecido a lo que ya hablamos. El valor de actividad en las unidades de salida son la respuesta de la red.

Dawson, M.R.W. (2018). Connectionist representations of tonal music: Discovering musical patterns by interpreting artificial neural networks. Athabasca University Press: Edmonton, AB Readings
(Por ejemplo, esta red arroja un 1 cuando el acorde presentado es un acorde Mayor, y un 0 cuando es un acorde menor)

Pero, ¿cómo aprende la red? Pues ese input es comparado con un valor objetivo, el valor que debería asumir el output si es que acertara. La diferencia entre el valor objetivo y el output, se transforma luego en un parámetro para ajustar los valores de conexión de la red.

El proceso se repite hasta que la diferencia entre el valor objetivo y el de salida sea de un rango aceptable. Con la ayuda del cálculo buscamos la mejor curva de aprendizaje, la mejor solución en el menor tiempo posible.

El resumen? 1) Las redes neuronales son un montón de multiplicaciones. 2) la diferencia entre lo que la red responde, y lo que queremos que responda, se usa para ir ajustando los parámetros de la red, y lograr que aprenda.

3)Que este proceso se repite muuuuuuchas veces. Igual tengo que admitir que es un poco mas complejo que esto, pero para ahondar, tendria que meterme mas en estadística y algebra lineal, y yo creo que ni yo ni ustedes queremos eso xD

Ok, ¿pero qué tiene esto que ver con la cognición? Bueno, algunes de nosotros, creemos que entrenar a las redes neuronales artificiales en cierto tipo de problemas es una buena forma de crear un modelo de cómo las cosas pueden ser resueltas por nuestro cerebro. Y que al observar la estructura de los valores de las conecciones que asumen estas redes—una vez que aprenden a resolver el problema— pueden ser candidatos para representaciones mentales.

Acá pueden ver un trabajo que publicamos hace poco en el área, que trata sobre música y redes neuronales artificiales: https://www.nature.com/articles/s41598-020-64229-4

Referencias

Dawson, M.R.W. (2004). Minds and Machines: Connectionism and psychological modeling. Blackwell: Oxford, UK.

Dawson, M.R.W. (2005). Connectionism: A Hands-On Approach. Blackwell: Oxford, UK

Dawson, M.R.W. (2018). Connectionist representations of tonal music: Discovering musical patterns by interpreting artificial neural networks. Athabasca University Press: Edmonton, AB Readings

Esta explicación es harto mejor que la mia, por lo demas:

Disclaimer: Estoy en proceso de formación aún, asi que si ve una pifia, un error, o algo de ese estilo, por favor corrijame. Y, obviamente hay gente más secDisclaimer final: Estoy en proceso de formación aún, así que si ve una pifia, un error, o algo de ese estilo, por favor corríjame. Y obviamente hay gente más seca que yo, así que si elles están en desacuerdo conmigo, escúcheles a elles y no a mí.


Deja un comentario

A %d blogueros les gusta esto: