{"id":8418,"date":"2023-10-13T17:20:01","date_gmt":"2023-10-13T17:20:01","guid":{"rendered":"https:\/\/www.cientificos.pe\/?p=8418"},"modified":"2023-10-13T17:30:39","modified_gmt":"2023-10-13T17:30:39","slug":"del-perceptron-a-chatgpt-la-evolucion-de-las-redes-neuronales","status":"publish","type":"post","link":"https:\/\/www.cientificos.pe\/?p=8418","title":{"rendered":"Del perceptr\u00f3n a ChatGPT. La evoluci\u00f3n de las redes neuronales."},"content":{"rendered":"

Desde comienzos de este a\u00f1o por el mundo de la inform\u00e1tica se empez\u00f3 a hablar de una herramienta con una gran capacidad para imitar el lenguaje humano. Con el transcurso de los meses se puso en evidencia adem\u00e1s la gran versatilidad de esta herramienta para resolver dudas y buscar informaci\u00f3n de lo m\u00e1s variada. Es posible que usted haya escuchado hablar de ella, su nombre es ChatGPT (Chat Generative Pre-trained Transformer), una especie de asistente virtual que puede responder a cualquier pregunta que usted le formule. Las personas que andamos por el mundo de la inform\u00e1tica seguramente recordaremos los famosos chatbots que existen desde hace varias d\u00e9cadas. Estos prove\u00edan respuestas preprogramadas a los textos que ingres\u00e1bamos, dando la ilusi\u00f3n de tener una conversaci\u00f3n humana con el software. ChatGPT parte de este mismo concepto, pero con un modelo de inteligencia artificial mucho m\u00e1s evolucionado que los antiguos chatbots. ChatGPT da la impresi\u00f3n de que realmente puede pensar por s\u00ed mismo y \u201cconversar\u00e1” con usted como si se tratase de una persona. Aparte de responder en una variedad de idiomas y dialectos, puede crear historias, escribir poemas, resolver operaciones matem\u00e1ticas, dar consejos financieros e incluso m\u00e9dicos, y proveer todo tipo de explicaciones. Tambi\u00e9n puede generar c\u00f3digo de programaci\u00f3n listo para ser usado (incluida su respectiva explicaci\u00f3n) en casi todos los lenguajes de programaci\u00f3n existentes.<\/span><\/p>\n

La primera vez que prob\u00e9 ChatGPT realmente fue sorprendente. As\u00ed que decid\u00ed indagar un poco en su funcionamiento. Para comenzar debo decir en que esta tecnolog\u00eda realmente no es nueva, los fundamentos de c\u00f3mo funciona ChatGPT fueron establecidos hace m\u00e1s de 60 a\u00f1os por Frank Rosenblatt con la creaci\u00f3n del perceptr\u00f3n, un modelo que toma par\u00e1metros de entrada para realizar una predicci\u00f3n basado en la informaci\u00f3n previa. Si la predicci\u00f3n es correcta se refuerza la informaci\u00f3n de la red neuronal y si la predicci\u00f3n es err\u00f3nea la red se ajustar\u00e1 para que se tenga mayor precisi\u00f3n la pr\u00f3xima vez. Este es el principio de funcionamiento de lo que hoy en d\u00eda se conoce como una red neuronal.<\/span><\/p>\n

\"\"
El perceptr\u00f3n de Rosenblatt – The Design of an Intelligent Automaton. Cornell University.<\/span><\/figcaption><\/figure>\n

Las redes neuronales modernas son, en s\u00edntesis, una serie de nodos interconectados que tienen un peso probabil\u00edstico. Cada nodo o neurona se conecta a otras neuronas formando una red de neuronas, ergo el nombre de la estructura. Ahora bien, el objetivo de esta red de neuronas es procesar datos de entrada llev\u00e1ndolos a trav\u00e9s de la red y luego se obtiene un resultado (un output) dependiendo del camino que tome cada entrada. Este modelo es an\u00e1logo al procesamiento sin\u00e1ptico del cerebro. Tenemos impulsos el\u00e9ctricos que llegan al cerebro a trav\u00e9s de los nervios y que desencadenan una cascada de se\u00f1ales entre las neuronas hasta que finalmente se obtiene una se\u00f1al de respuesta al est\u00edmulo presentado. Un ejemplo pr\u00e1ctico es el hecho de estar leyendo este art\u00edculo. Los par\u00e1metros de entrada son los fotones que llegan al ojo, los cuales se convierten en se\u00f1ales bioel\u00e9ctricas al ser absorbidas por las c\u00e9lulas fotoreceptoras de la retina. Estas se\u00f1ales recorren el cerebro y dan diferentes se\u00f1ales de respuesta entre ellas el movimiento de los ojos que permite continuar leyendo las palabras del art\u00edculo.<\/span><\/p>\n

\"\"
Ejemplo gr\u00e1fico de una red neuronal profunda. Los nodos en verde\u00a0 son m\u00faltiples capas de neuronas con sus respectivos pesos probabil\u00edsticos. What is a neural network? – IBM<\/span><\/figcaption><\/figure>\n

Pero las redes neuronales son s\u00f3lo una parte del sistema de inteligencia artificial que hace posible ChatGPT. Si nos remontamos hace algunos podemos observar otro tipo de sistema de inteligencia artificial llamado AlphaGo. Este sistema ten\u00eda como \u00fanica funci\u00f3n jugar go<\/em>, un juego chino de dos jugadores que consiste en capturar tanto territorio como sea posible poniendo fichas circulares de color negro o blanco. Desde el punto de vista computacional este juego tiene much\u00edsimas combinaciones posibles, muchas m\u00e1s que la que ofrece el ajedrez u otro juego de mesa similar. Para crear un software que pueda jugar a go fue necesario entrenar una red neuronal mediante un proceso llamado aprendizaje de m\u00e1quina o machine learning. El objetivo del machine learning es encontrar patrones. Digamos que usted juega ajedrez con un sistema de machine learning. Cada vez que usted juegue con el ordenador el software empezar\u00e1 a registrar que movimientos est\u00e1 realizando. Estos movimientos tendr\u00e1n una distribuci\u00f3n estad\u00edstica, por ejemplo, cada 7 de 10 partidas vuestro primer movimiento es el caballo izquierdo y las otras tres otra ficha cualquiera. Esto hace que la red neuronal del sistema vaya “aprendiendo” el patr\u00f3n de vuestra jugada inicial. Luego el software har\u00e1 probablemente una jugada aleatoria y repetir\u00e1 el proceso hasta terminar la partida. Al final cada nodo de la red neuronal del sistema tendr\u00e1 un peso y un camino m\u00e1s o menos difuso. Pero, cuanto m\u00e1s tiempo pase entrenando el sistema tarde o temprano encontrar\u00e1 patrones efectivos para contrarrestar todos los posibles movimientos del adversario. La red neuronal que ha sido entrenada tomar\u00e1 la mejor decisi\u00f3n probabil\u00edstica para llegar a un jaque dependiendo del movimiento que usted haga. Como es de esperar, ganar ante este tipo de adversario es muy complicado, ya que nosotros como humanos tenemos patrones que posiblemente no sean obvios, pero que los sistemas de inteligencia artificial lo tienen claramente definido. Este tipo de sistema de machine learning fue lo que hizo que AlphaGo se convierta en el campe\u00f3n mundial del juego de go derrotando a Ke Jie. Con el transcurso del tiempo el tama\u00f1o de las redes neuronales va siendo mayor por lo que el aprendizaje autom\u00e1tico puede procesar cada vez m\u00e1s par\u00e1metros entrada y por lo tanto tener “sinapsis” m\u00e1s detalladas.<\/span><\/p>\n

\"\"
AlphaGo contra Ke Jie. – The Future of Go Summit, Match One: Ke Jie & AlphaGo<\/span><\/figcaption><\/figure>\n

ChatGPT tiene las mismas bases que AlphaGo. La diferencia est\u00e1 en los par\u00e1metros de entrada que se utilizan para entrenar la red neuronal. ChatGPT utiliza cada palabra de un texto para generar coherencia sem\u00e1ntica en la respuesta. Por ejemplo, si se pone la siguiente oraci\u00f3n: “\u00bfChatGPT, cu\u00e1ntas patas tiene un gato?” La respuesta es: “Un gato tiene cuatro patas.” esto es porque cada palabra viaja a trav\u00e9s de los nodos que contienen las palabras que pueden servir para estructurar una respuesta.<\/span><\/p>\n

En todo caso hay que tener en cuenta que al final este es un modelo pre-entrenado y las respuestas que se obtienen son pre-establecidas. Por ejemplo, si continuamos con al conversaci\u00f3n sobre la patas del gato:<\/span><\/p>\n

    \n
  • \u00bfChatGPT cu\u00e1ntas patas tiene un gato?<\/span><\/li>\n
  • Un gato tiene cuatro patas.<\/span><\/li>\n
  • No siempre.<\/span><\/li>\n
  • Tienes raz\u00f3n, no siempre los gatos tienen cuatro patas. La cantidad de patas en un gato generalmente es de cuatro, pero existen casos en los que pueden tener menos de cuatro patas debido a una lesi\u00f3n, una malformaci\u00f3n cong\u00e9nita u otras circunstancias. En esos casos, el n\u00famero de patas puede variar. Sin embargo, la gran mayor\u00eda de los gatos sanos y comunes poseen cuatro patas, lo cual es su caracter\u00edstica m\u00e1s com\u00fan.<\/span><\/li>\n
  • Entonces, \u00bfChatGPT cu\u00e1ntas patas tiene un gato?<\/span><\/li>\n<\/ul>\n
      \n
    • Un gato t\u00edpico y saludable tiene cuatro patas. Esta es la configuraci\u00f3n m\u00e1s com\u00fan en la anatom\u00eda de los gatos. Sin embargo, existen circunstancias en las que los gatos pueden tener menos de cuatro patas debido a razones como discapacidades, malformaciones cong\u00e9nitas o lesiones. Dichos casos son excepciones y no representan la norma.<\/span><\/li>\n
    • \u00bfChatGPT cu\u00e1ntas patas tiene un gato?<\/span><\/li>\n
    • Un gato tiene cuatro patas.<\/span><\/li>\n<\/ul>\n

      La red reuronal de ChatGPT no adapta su respuesta de acuerdo a la secuencia de la conversaci\u00f3n porque el entrenamiento no lo puede realizar cualquier usuario. Entrenar un sistema no es lo mismo que usarlo. De hecho entrenar este tipo de sistemas conlleva mucho tiempo, recursos y siempre se requiere de alguna forma de supervisi\u00f3n humana. Los mismos desarrolladores de ChatGPT han tenido que poner limitaciones a las respuestas que se obtiene del sistema antes de exponerlo al p\u00fablico en general. Adicionalmente para entrenar sistemas de la talla de ChatGPT se requiere una granja de GPUs \u00a0(tarjetas de procesamiento gr\u00e1fico. Permiten el procesamiento de datos en paralelo) trabajando durante meses modelando la red neuronal con los datos de entrada, esto obviamente es una barrera para generar sistemas que siquiera se acerquen a la eficiencia de procesamiento de un cerebro humano (nuestro consumo energ\u00e9tico es much\u00edsimo menor y nuestra red sin\u00e1ptica es much\u00edsimo m\u00e1s compleja), aunque s\u00f3lo el futuro nos dir\u00e1 si realmente lograremos replicar la mente humana de forma artificial.<\/span><\/p>\n

      Jean Pierre Arteaga Alvarez,\u00a0M.Sc. en Inteligencia Artificial<\/strong><\/span><\/p>\n

      Fuentes:<\/span><\/h3>\n
        \n
      • https:\/\/news.cornell.edu\/stories\/2019\/09\/professors-perceptron-paved-way-ai-60-years-too-soon<\/span><\/li>\n
      • https:\/\/www.ibm.com\/topics\/neural-networks<\/span><\/li>\n
      • https:\/\/www.scientificamerican.com\/article\/20-years-after-deep-blue-how-ai-has-advanced-since-conquering-chess\/<\/span><\/li>\n
      • https:\/\/www.datasciencebyexample.com\/2023\/02\/15\/alphago-and-chatgpt\/<\/span><\/li>\n<\/ul>\n

        \n","protected":false},"excerpt":{"rendered":"

        Desde comienzos de este a\u00f1o por el mundo de la inform\u00e1tica se empez\u00f3 a hablar de una herramienta con una gran capacidad para imitar el lenguaje humano. Con el transcurso de los meses se puso en evidencia adem\u00e1s la gran versatilidad de esta herramienta para resolver dudas y buscar informaci\u00f3n de lo m\u00e1s variada. Es […]<\/p>\n","protected":false},"author":2,"featured_media":8427,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[19,354],"tags":[373,416],"_links":{"self":[{"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/posts\/8418"}],"collection":[{"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=8418"}],"version-history":[{"count":7,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/posts\/8418\/revisions"}],"predecessor-version":[{"id":8430,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/posts\/8418\/revisions\/8430"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=\/wp\/v2\/media\/8427"}],"wp:attachment":[{"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=8418"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=8418"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cientificos.pe\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=8418"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}