Vida Artificial. Un enfoque desde la Informática Teórica - El predominio de la Inteligencia Artificial

Alrededor de la Cibernética de los años 40-50, se agrupaban fundamentalmente las matemáticas, la ingeniería eléctrica y la neurofisiología. Por el tipo de problemas que se investigaban, el tipo de modelo que se proponía y la formación científica de los investigadores, la inteligencia humana tendría que ser abordada desde la materialidad del cerebro. Para reproducir en una máquina las capacidades inteligentes tanto animales como humanas habría que reproducir la forma en que las neuronas se transmiten información unas a otras, en la simulación de redes neuronales.

Los autómatas que construyó la Informática Teórica como modelos de cómputo simbólico aceptadores de lenguajes, fueron en su inicio modelos de redes neuronales desarrollados por MacCulloch y Pitts en 1943. Una red neuronal (ARB64) intenta imitar la forma en que las neuronas reales se transmiten información de unas a otras. Los modelos de MacCulloch y Pitts fueron llamados redes "modulares" porque un "modulo" es la representación formal de una neurona real. La incidencia de un estímulo en los receptores de información, como las células nerviosas de la retina, (entradas a la red) activa un impulso electroquímico que se transmite del cuerpo de una neurona por el axón a otras neuronas. Una neurona sólo puede transmitir un impulso si recibe una cantidad suficiente de impulsos de otras neuronas. Un módulo o neurona se identifica con un elemento que tiene m entradas, x1...xm, que provienen del exterior o de otras neuronas, y una salida. Cada conexión tiene asociado un peso wi.

Una red neuronal es una colección de neuronas en las que las salidas de éstas se conectan con otros módulos o con el exterior a través de líneas de entrada y salida. El proceso de una red neuronal es dinámico: las neuronas actúan sincrónicamente a golpe de reloj, y en el instante t cada neurona puede estar activada, estado 1, si dispara un impulso, o inactiva, en estado 0. La función que rige la transición es: y(t+1)=1 <=> Sumatorio de wixi(n) mayor o igual a theta. En el instante t+1, cada unidad pondera las entradas con los pesos asignados a cada una y si el total de excitación transmitida supera una cantidad umbral 6, entonces la neurona transmite el impulso. En otro caso, permanece inactiva. Las conexiones pueden ser excitatorias, si los pesos wi son positivos o grandes, y por lo tanto contribuyen a la transmisión del impulso de la entrada xi a la unidad, o inhibitorias en el caso contrario, cuando wixi es un valor negativo que se opone a la superación de la cantidad umbral. Las entradas y salidas pueden bifurcarse y estar una neurona conectadas a otras varias, pero el impulso es el mismo para todas. Una red neuronal, como las de MacCulloch y Pitts, se puede entonces representar por un grafo valuado en el que las neuronas o nodos se conectan unas con otras de forma arbitraria, existiendo una serie de nodos que representan a las entradas y otro conjunto a las salidas.

Se ha demostrado que las Redes Neuronales de MacCulloch y Pitts y los autómatas finitos(ARB64) son equivalentes. La idea es que aunque se trabaja con información numérica, como los pesos o el umbral, en cada instante de tiempo t la red está en un estado global determinado por la configuración unidades activas e inactivas que se asimila a un estado interno del autómata, y la función que cambia este estado global por otro se puede identificar con la función de transición de un autómata transductor que pasa a otro estado interno. Los autómatas finitos fueron desarrollados por Kleene en 1951 (DIA84) como máquinas reconocedoras de secuencias regulares de eventos a partir de las las redes neuronales.