Las Redes Neuronales Artificiales (RNA), entendidas a grosso modo como sistemas que pretenden emular ciertos funcionamientos cognitivos de los seres vivos –entre ellos del hombre– consisten en múltiples procesadores (neuronas) interconectados entre sí.
Un aspecto clave es que las interacciones entre las neuronas se modulan a través de pesos, cuyo valor se determina mediante un entrenamiento consistente en mostrar a la red neuronal una gran cantidad de ejemplos e ir adaptando dichos pesos hasta que se logre un desempeño que se considere "adecuado" bajo algún criterio previamente determinado. Lo importante es que la red pueda entregar resultados válidos ante la aparición de ejemplos nuevos.
Hasta hace unos diez años las RNA eran herramientas útiles para desempeñar una serie de operaciones que permitían resolver problemas tan disímiles como el reconocimiento de rostros, la predicción de valores bursátiles o el control de maquinas en procesos industriales de manera bastante eficiente, pero comparable a muchos otros métodos de la estadística clásica o de la inteligencia artificial.
Sin embargo, el advenimiento de lo que se conoce actualmente como el aprendizaje profundo –Redes Neuronales Artificiales mucho más complejas que las iniciales logradas gracias a la enorme cantidad de ejemplos ahora disponibles (Big Data) y a la gran capacidad de cómputo de los computadores– ha otorgado a las RNA clara superioridad en aplicaciones tan cotidianas como las que usamos en nuestro teléfono celular o en el computador cada vez que etiquetamos personas o recurrimos a algún traductor de idiomas.
Es decir, las Redes Neuronales Artificiales permiten la posibilidad de predecir el comportamiento de variables de sistemas complejos (calidad de producto o disponibilidad de maquinaria) a través de su comportamiento histórico.
Ha sido tan apabullante el éxito del aprendizaje profundo que el uso de nuevas tecnologías están inundando todas las áreas aplicativas imaginables, incluidas las denominadas Industrias Tractoras.
En particular en el ámbito de la industria de manufactura la introducción creciente de estas técnicas, unidas a lo que se conoce como la Industria 4.0, está logrando aumentar la productividad y rebajar considerablemente los costos a través de una mejora en el mantenimiento de los equipos, una mayor preparación ante los cambios del entorno y un uso eficiente de los datos disponibles, además de lograrse una mejor gestión de la empresa.
En consecuencia, es indispensable que las empresas comprendan las potencialidades de las RNA y puedan aplicarlas para aumentar la competitividad en un ambiente global. Hoy existe en la industria una necesidad latente de evolucionar hacia lo digital; ya que en un futuro cercano quienes no introduzcan las nuevas tecnologías disponibles, padecerán de una grave falta de competitividad.
Es imprescindible entonces, desde la academia, el Estado y las asociaciones de empresas, acompañar y apoyar a nuestra industria en este urgente y complejo proceso de cambios.
