De neuronas biológicas a neuronas artificiales, el fascinante mundo de las redes neuronales

Actualmente, el uso de la inteligencia artificial (IA) ha rebasado los límites de la ciencia ficción. Es un hecho innegable que tiene un auge cada vez mayor en el desarrollo de las ciencias y tecnologías, además de procesos industriales, debido a que aumenta la eficiencia, permite la automatización, entre otras muchas ventajas.

En el campo científico, destaca una rama de la IA que son las llamadas Redes Neuronales Artificiales (RNAs), ya que son herramientas poderosas para el análisis de señales complejas y la modelación de sistemas en diferentes áreas como las neurociencias, matemáticas, estadística, física, ciencias de la computación, la ingeniería y recientemente la química. Pero ¿qué son las RNAs?

Existen diferentes definiciones, sin embargo, todas ellas coinciden en que son sistemas computacionales que están constituidos por un conjunto de unidades que se llaman neuronas artificiales conectadas entre sí y ordenadas en capas que se utilizan para procesar y transmitir información. Estos sistemas tratan de imitar el funcionamiento de las neuronas en el cerebro, por lo tanto, su estructura es similar a la de una red neuronal biológica, como se muestra en la Figura 1.

Figura 1. Representación de una red neuronal biológica y una artificial

El aprendizaje de las neuronas biológicas en el cerebro se basa en la adquisición de nuevos conocimientos a través de las experiencias propias o ajenas y la extracción de conocimiento genérico a partir de un conjunto de datos. En cambio, las neuronas artificiales para poder aprender y transmitir una respuesta requieren de un conjunto de datos y necesitan ser programadas, ya que no existen estímulos del entorno que les permitan aprender.

Una RNA se organiza en tres capas principales, la de entrada que recibe los datos, la oculta (que pueden ser varias) que procesa esos datos y la capa de salida de donde se obtendrá la respuesta de la red. Mediante matemáticas avanzadas, la RNA es capaz de aprender las relaciones complejas que hay en el conjunto de datos con el que es alimentada e incluso a reconocer patrones. Posteriormente se pone a prueba con datos estándar para ver si es capaz de reproducirlos, si sus respuestas varían mucho de lo esperado y reinicia el proceso optimizándolo de forma que, poco a poco, vaya terminando de aprender hasta lograr el resultado esperado, esto es lo que se conoce como el entrenamiento de la RNA.

Las RNAs han resultado muy útiles, ya sea solas o combinadas con otros métodos, para para resolver tareas complejas de clasificación, identificación, diagnóstico y cuantificación. En la química analítica, las RNAs se están empleando en conjunto con las técnicas electroquímicas para el desarrollo de las llamadas lenguas electrónicas.

En estos sistemas, mediante diversos sensores se registran un conjunto de señales complejas que pueden ser interpretadas por una RNA como se muestra en la Figura 2, pudiendo aplicarse en el análisis de la calidad de vinos y licores, la detección de patrones del sector agroalimentario, en sistemas de detección de contaminantes en la atmósfera o cuerpos de aguas, en el análisis simultáneo y en tiempo real de diferentes metabolitos en sangre para hacer diagnósticos clínicos, en el control de enfermedades crónicas, en el control de calidad de fármacos, entre otros.

Figura 2. Vista esquemática del mecanismo operativo de la lengua electrónica. Reimpreso de “A review on conjugated polymer-based electronic tongues”, por P. Vahdatiyekta, M. Zniber, J. Bobacka, y T. P. Huynh, 2022, Analytica Chimica Acta, 1221, 340114.

En el Área de Materiales de la Universidad Autónoma Metropolitana (UAM) unidad Azcapotzalco, en conjunto con el Área Académica de Química de la Universidad Autónoma del Estado de Hidalgo (UAEH), se están desarrollando y optimizando metodologías electroquímicas basadas en sensores químicos miniaturizados, desarrollados con materiales novedosos, que acoplados a una RNA pueden realizar la cuantificación de compuestos químicos presentes en muestras muy complejas, que en condiciones normales tomaría mucho tiempo realizarla a costos de análisis muy elevados. Un ejemplo es el análisis de diclofenaco sódico en fármacos comerciales donde se puede realizar su determinación exacta y precisa, aún en presencia de otras sustancias activas como paracetamol, piridoxina y cafeína.

El uso de las RNAs aún tiene un campo muy amplio de aplicación. Con el desarrollo de software cada vez más moderno que permite aplicar la programación y entrenamiento en computadoras personales, las RNA van poco a poco encontrando muchos nichos de oportunidad que permitan apoyar para resolver problemas de salud, medioambientales, de alimentación y mejorar así el bienestar de la sociedad en general.