Las redes neuronales son modelos computacionales complejos que se utilizan a menudo para el reconocimiento de patrones. Debido a que las redes neuronales se basan en funciones biológicas del cerebro, pueden «aprender» y predecir resultados. Existen muchos usos prácticos de las redes neuronales para la predicción, incluido el cálculo financiero, la previsión meteorológica y el diagnóstico médico.
Las redes neuronales artificiales para la predicción están inspiradas en el cerebro humano. En un cerebro biológico, muchas pequeñas unidades de procesamiento llamadas «neuronas» están conectadas en una gran red. Cada área de procesamiento individual es relativamente simple, pero toda la red puede resolver problemas complejos cuando todas las neuronas trabajan juntas. Las conexiones entre cada pequeña neurona se pueden reconfigurar en nuevos patrones de red. Esto permite que el cerebro se reorganice y «aprenda» nuevos conceptos.
Al igual que un cerebro humano, una red neuronal artificial contiene muchos pequeños procesadores y conexiones que pueden reconfigurarse. El concepto de usar neuronas artificiales fue descrito por primera vez por los científicos Walter Pitts y Warren McCulloch en 1943. Este trabajo científico pronto fue ampliado y publicitado por el famoso pionero de la inteligencia artificial Alan Turing, quien escribió sobre las redes neuronales artificiales en una publicación de 1948 titulada “Maquinaria inteligente . »
El cálculo financiero es uno de los usos más comunes de las redes neuronales para la predicción. Esencialmente, una red neuronal se utiliza como un «filtro» matemático para predecir un resultado en función de los datos financieros disponibles. Esta función se utiliza a menudo en software de predicción del mercado de valores. En esta aplicación, una computadora procesa las tendencias anteriores del mercado. Una vez que se ha establecido un patrón, la red neuronal calcula si una acción aumentará o disminuirá en el futuro.
Las redes neuronales también se pueden utilizar para determinar la calificación crediticia de una persona o empresa. Al igual que con la predicción de valores, el reconocimiento de patrones es la clave. Una red puede considerar miles de beneficiarios de créditos anteriores y analizar su historial financiero. Al encontrar tendencias pasadas, las redes neuronales para la predicción pueden estimar qué nuevos solicitantes probablemente dejarán de pagar su crédito. Estas personas reciben una calificación crediticia de alto riesgo basada en predicciones.
Del mismo modo, las redes neuronales se pueden utilizar para la previsión meteorológica. Se pueden alimentar a la red muchos factores ambientales diferentes, como la temperatura y las corrientes de viento. Usando un modelo de pronóstico que se basa en patrones climáticos anteriores, la red neuronal puede determinar el resultado probable de las condiciones climáticas actuales.
El uso de redes neuronales para la predicción también puede ayudar a resolver ciertos problemas médicos. El cuerpo humano es muy complejo y decenas o incluso cientos de factores pueden combinarse para causar una afección médica. Las redes neuronales a veces pueden deducir la fuente de un síntoma. En esta aplicación, una red artificial puede encontrar tendencias y patrones de registros de pacientes anteriores y predecir la causa más probable de una enfermedad.