7.1.2 Fase de Entrenamiento

Norbert Wiener en su libro ``Dios y el Golem'' [25] proporciona tal vez una de las definiciones más neutrales de aprendizaje de todas las conocidas. Allí definió un sistema que aprende como: ``Un sistema organizado puede definirse como aquel que transforma un cierto mensaje de entrada en uno de salida, de acuerdo con algún principio de transformación. Si tal principio está sujeto a cierto criterio de validez de funcionamiento, y si el método de transformación se ajusta a fin de que tienda a mejorar el funcionamiento del sistema de acuerdo con ese criterio, se dice que el sistema aprende''.

Esta definición es válida para definir el aprendizaje bajo los dos puntos de vista en que éste puede entenderse: el ontogenético, que es el aprendizaje de un individuo humano o no, y el filogenético, aprendizaje que afecta a la especie.

Uno de los principales objetivos de los sistemas autónomos es emular la habilidad que posee el hombre para interactuar con el ambiente y aprender de dichas interacciones. Es así como necesitan de una estructura flexible, capaz de desempeñarse en ambientes de operación dinámicos sujetos a diversas incertezas y perturbaciones. Dentro de las aproximaciones existentes en la teoría de Inteligencia Artificial, surgen las Redes de Neuronas Artificiales como elementos capaces de proveer de dicha estructura flexible, mediante la integración con diversos sistemas de aprendizaje. Tales sistemas están orientados hacia diferentes operaciones y pueden ser clasificados en dos tipos [5][14]: aprendizaje supervisado y no supervisado, y dentro de este, aprendizaje auto-organizativo y aprendizaje por reforzamiento[12].

Una vez diseñada la arquitectura de la red (capas y número de neuronas por capa) y las funciones que la regirán, se tiene que proceder a entrenar a la red para que aprenda el comportamiento que debe tener; es decir, para que aprenda a dar la respuesta adecuada a la configuración de estímulos o patrones de entrada que se le presenten [6][20].

Una excepción a esta regla general la constituyen las redes de Hopfield, que no son entrenadas sino construidas, de modo que tengan ya inicialmente el comportamiento deseado. Por este motivo, se ha dicho que las redes de Hopfield simulan el comportamiento instintivo mientras que las demás redes simulan el comportamiento aprendido.

En la vida de las redes con comportamiento aprendido se distinguen dos periodos o fases claramente diferenciados. Durante la fase de aprendizaje se entrena a la red para que vaya modificando sus pesos sinápticos, adaptándolos paulatinamente para que la respuesta de la red sea la correcta. Después, viene la fase de funcionamiento real o fase de ejecución, durante la cual la red ya es operativa y sus pesos sinápticos no volverán a ser modificados. Durante esta fase se usa la red como si se tratara de cualquier otro programa informático convencional.

Marcos Gestal 2009-12-04