Redes Neurais Artificiais (RNA)

Antes de falar sobre redes neurais artificiais é preciso saber como são as redes neurais biológicas.

Redes neurais são compostas por um emaranhado (segundo Suzana Herculano-Houzel e Robert Lent, da Universidade Federal do Rio de Janeiro (UFRJ) são precisamente 86 bilhões) de neurônios que são células nervosas que interconectadas forma um circuito neural. Esses neurônios são arranjados e re-arranjados visando melhorar e aperfeiçoar o sistema neural, assim quando você está aprendendo algo novo, esses neurônios se arranjam de forma a armazenar informações e posteriormente disponibilizar dela o mais rápido possível. Essa capacidade de mudança de comportamentos das células nervosas é chamada de plasticidade cerebral.

O neurônio pode ser divido entre corpo do neurônio, axônios e dendritos. O corpo é responsável pela metabolização do neurônio, o axônio é o que conduz os impulsos para o próximo neurônio, e os dendritos fazem a função de transferir os impulsos através da conexão sináptica. A conexão sináptica é quando ocorre a passagem do sinal neural através de processos eletroquímicos específicos. Quanto mais experientes forem os neurônios maiores serão o numero que conexões sinápticas e também mais fortemente serão as ligações que ele poderá fazer.

O neurônio artificial é uma estrutura que tenta imitar o neurônio biológico. Os dendritos são as entradas ,a ligação com o corpo neuronal é feito por pesos que é como se fossem as sinapses ocorridas no neurônio biológico, a soma e a função de transferência assumem o papel da metabolização.

Assim sendo uma rede neural artificial é formada por diversos neurônios artificiais, onde os sinais de saída de um neurônio tornam se a entrada do outro neurônio e assim sucessivamente. A possibilidade entre esses arranjos de neurônios para formar a rede pode ser bem variada, o que acaba por gerar varias estruturas de rede.

Depois de definir a estrutura da rede neural o próximo passo é treinar a rede, assim como ensinamos os humanos, através de exemplos a aprendizagem vai sendo estabelecida ajustando os pesos até que a rede consiga dar a resposta certa para determinada pergunta.

O “aprendizado” de uma rede pode ser feito de forma associativo ou não associativo. No caso associativo é mostrada para a rede neural artificial uma entrada e a saída especifica que espera ser obtida, se a saída efetiva da rede não for igual a saída  esperada é gerado um erro que mede a distância entre a resposta efetiva e a resposta esperada, e esse erro retorna realimentando a rede e ajustando os pesos até que a saída efetiva seja igual a saída desejada. Já para o caso não associativo a rede tem que separar em classes de equivalência o que lhe é apresentado em suas entradas.

Podemos dizer que uma rede neural artificial aprendeu quando ela reconhece todas as entradas mostradas para ela na fase de treinamento.

As principais aplicações são em reconhecimento de imagens e reconhecimento de fala, onde são apresentadas algumas imagens na fase de treinamento e posteriormente a rede é capaz de associar cada imagem a um grupo especifico.

Uma aplicação em automação residencial seria comandar a casa através da fala onde você pede para a casa o que você espera que ela faça e ela fará. Por exemplo, você pode pronunciar a frase acenda a luz da sala, então você acende a luz da sala, o sistema de inteligência vai aprender o que é pra fazer e toda vez que você disser, acenda a luz da sala, a luz se acenderá automaticamente.