Desde que OpenAI hizo el lanzamiento de ChatGPT en noviembre de 2022, se ha incrementado el uso del interés por la inteligencia artificial. Pero el concepto viene desde el siglo pasado y en específico su historia comienza en 1943 cuando Warren McCullough y Walter Pitts publican el artículo «A Lógica Calculas o Ideas Imanten in Nervios Activista», siendo este, el primer trabajo científico y a su vez el primer modelo matemático que define una red neuronal. Siendo las bases en 1950, del primer computador de red neuronal, creado por Marvin Minsky y Dean Edmond, estudiantes de Harvard, y lo llamaron Sonar.
Por definición las redes neuronales toman su nombre de los modelos simples del funcionamiento del sistema nervioso, que tienen como unidad básica las neuronas del cerebro y que estas se organizan en capas. Por lo tanto, una red neuronal es un modelo simplificado que busca emular la forma en como el cerebro humano procesa la información: En otras palabras, las computadoras buscan emular el funcionamiento de cerebro y forma de aprender.
ChatGPT está basado una red neuronal, un modelo de «aprendizaje profundo». En adición está utilizando los mismos algoritmos de IA e ingredientes existentes para crear nuevos contenidos, obtenidos de datos existentes en la red. Lo interesante de este proceso al imitar el cerebro humano, es que es capaz de aprender y corregir sus propios errores. En otras palabras, este tipo de redes son capaces de aprender examinando los datos existentes, generando conexiones para informaciones correctas y desechando las incorrectas. Este proceso no se detiene y continúa haciendo sus propias correcciones. Un proceso muy parecido al aprendizaje de un niño.
Como es costumbre en el mundo de la tecnología, ya se han clasificados las redes neuronales en diferentes tipos, dependerá del uso y el propósito. Así, podemos encontrar alguna de las más significativas. Entrar en la explicación de cada una de estas redes, sería extender por mucho este artículo y cada día encontramos nuevos modelos, tan solo me limitaré a mencionarlas: Las redes neuronales feedforward, o perceptrones multicapa (MLP) que básicamente se nutren de información. Las redes neuronales convolucionales (CNN), Redes neuronales recurrentes (RNN).
Hagamos una salvedad, el deep learning y las redes neuronales se usan en conversaciones pretendiendo ser lo mismo, y esto tiende a confundir. Como resultado, vale la pena señalar que lo «deep» o «profundo» en el deep learning se refiere simplemente a la profundidad de las capas en una red neuronal. Una red neuronal que consta de más de tres capas, que sería inclusiva de las entradas y la salida, puede considerarse un algoritmo de deep learning. Una red neuronal que sólo tiene dos o tres capas es sólo una red neuronal básica.
