![\"\"](\"https:\/\/energiaadebate.com\/diario\/wp-content\/uploads\/2024\/09\/image1-1.png\")
<\/p>\nEn meses recientes, todos hemos sido testigos de la explosi\u00f3n tecnol\u00f3gica que no deja de sorprender por su versatilidad de soluciones. A veces controversial, la inteligencia artificial lleg\u00f3 para quedarse. El sector no ha sido la excepci\u00f3n para este tipo de alternativas resolutivas de situaciones que, en muchas ocasiones, parecen no tener pies ni cabeza. \u00bfC\u00f3mo interact\u00faan estas herramientas con la transici\u00f3n energ\u00e9tica? En este serial de escritos, juntos, navegaremos por las mareas de lo que son y veremos lo que hay debajo del iceberg.<\/p>\n
Comienzo por platicarte lo que es y las capacidades que tiene. Antes de llegar al t\u00e9rmino \u201cinteligencia\u201d, este tipo de arquitecturas parten de un esquema, en el cual la generaci\u00f3n e interpretaci\u00f3n de los datos provienen de un proceso o problema a resolver.<\/p>\n
<\/p>\n
La necesidad primaria determina siempre el tipo de soluci\u00f3n a parametrizar. Una vez que comprendemos, evaluamos y establecemos las variables que debemos tener en cuenta, notaremos que, a veces, los problemas no se resuelven con una \u00fanica consideraci\u00f3n o premisa. Un obst\u00e1culo multivariable requiere de resoluciones multinivel.<\/p>\n
Inspir\u00e1ndose en el comportamiento conocido del cerebro humano, las redes neuronales artificiales (RNA) tratan de crear modelos sint\u00e9ticos que resuelvan situaciones que resultan imposibles mediante t\u00e9cnicas algor\u00edtmicas convencionales. Una neurona cerebral puede recibir unas 10,000 entradas y enviar, a su vez, su salida a varios cientos de neuronas. La conexi\u00f3n entre neuronas se llama sinapsis. No es f\u00edsica, sino que hay unos 2 mm de separaci\u00f3n. Son uniones unidireccionales, en las que la transmisi\u00f3n de la informaci\u00f3n se hace de forma el\u00e9ctrica en el interior de la neurona y qu\u00edmicamente, gracias a unas sustancias espec\u00edficas llamadas neurotransmisores. En el campo computacional replicamos el mismo modelo que el cerebro. Las RNA tienen como base imitar el funcionamiento del pensamiento y entendimiento de organismos vivos. Un grupo de neuronas conectadas entre s\u00ed, que trabajan en conjunto, sin que haya una tarea concreta para cada una. Con la experiencia, las neuronas van creando y reforzando ciertas conexiones para \u201caprender\u201d algo que se queda fijo en el tejido. Se basan en la idea de ingresar par\u00e1metros y combinarlos para predecir un cierto resultado a futuro, usando su mismo registro hist\u00f3rico.<\/p>\n
Veamos un ejemplo pr\u00e1ctico.<\/p>\n
Si tenemos lo siguiente: pan cuadrado con ajonjol\u00ed, aderezo, jam\u00f3n, una rebanada de queso, lechuga y tomate. Quiz\u00e1s sepas que estamos hablando de un s\u00e1ndwich. Entonces, con solo ver los ingredientes podemos saber qu\u00e9 tipo de comida ser\u00eda. Las RNA har\u00e1n lo mismo, te dir\u00e1n cu\u00e1l es el platillo m\u00e1s probable a partir de una serie de elementos dados.<\/p>\n
![\"\"](\"https:\/\/energiaadebate.com\/diario\/wp-content\/uploads\/2024\/09\/image2-1.png\")
<\/p>\n
La de la izquierda es la columna de entrada. Cada nodo en ella representa un ingrediente y su cantidad. La columna de la derecha es la comida que resultar\u00e1 al usar esos datos. En los nodos intermedios es donde toda la magia sucede (llamada capa oculta), dependiendo del n\u00famero de variables, ser\u00e1 el n\u00famero de interrelaciones a considerar. Entre m\u00e1s datos y nodos tenga nuestro modelo, m\u00e1s precisa podr\u00eda resultar la RNA.<\/p>\n
A cada conector se le asigna un peso sin\u00e1ptico con un valor num\u00e9rico (representado en el gr\u00e1fico con flechas). Los nodos de la capa oculta contienen las ecuaciones matem\u00e1ticas cuya respuesta, en este caso, deber\u00eda ser binaria: s\u00ed o no.<\/p>\n
Imagina algo as\u00ed:<\/p>\n
15\u202fg de lechuga x 50\u202fg de jam\u00f3n + 100 gramos de queso x 3\u202fg de tomate + 10\u202fg aderezo x 7\u202fg de pan = S\u00ed<\/p>\n
Por supuesto, esta ecuaci\u00f3n carece de sentido, sin embargo, en la realidad el modelo tambi\u00e9n arroja resultados que, para nosotros los humanos, son incoherentes. Lo grandioso de las RNA es que la suma de todo ese \u201csin sentido\u201d, al final, resulta ser algo muy preciso.<\/p>\n
Ahora, como sabemos, hay muchas maneras de hacer un s\u00e1ndwich. Unos usar\u00e1n aguacate y cambiar\u00e1n el jam\u00f3n por at\u00fan y, aun as\u00ed, t\u00fa y yo sabemos que se seguir\u00e1 llamando s\u00e1ndwich. Aqu\u00ed es donde comienza el siguiente proceso. La RNA tiene que ser entrenada para que entienda estas diferencias. El entrenamiento ocurre de la siguiente forma: incluimos todas las recetas (\u00bfte suena el t\u00e9rmino \u201cbig data\u201d?) de todos los recetarios que tengamos a la mano y por cada platillo ponemos los ingredientes en los nodos de entrada. Si la RNA, dadas todas esas ecuaciones y valores de conexi\u00f3n, dice que es un huevo revuelto y no un s\u00e1ndwich, entonces le damos un \u201ccastigo matem\u00e1tico\u201d y la red, autom\u00e1ticamente, cambia los par\u00e1metros de las uniones (pesos sin\u00e1pticos) hasta que es capaz de decir sin mucho error que, en efecto, hablamos de un s\u00e1ndwich.<\/p>\n
El objetivo consiste en que el modelo concilie de manera correcta con todas y cada una de las recetas. Cuando el proceso termina la red ha aprendido y la pr\u00f3xima vez que quieras cocinar, solo le tendr\u00e1s que decir qu\u00e9 ingredientes tienes almacenados y la RNA te dir\u00e1 qu\u00e9 platillo podr\u00e1s preparar. Aprenden de nosotros, de patrones y comportamientos. Todo con la finalidad de ayudarnos a profetizar escenarios y usarlos a nuestro favor.<\/p>\n
En las siguientes entregas hablaremos sobre los usos de esas predicciones en el ambiente energ\u00e9tico.<\/p>\n
*\/ Frank Reyes es ingeniero en Electr\u00f3nica y Telecomunicaciones por la Universidad Aut\u00f3noma del Estado de Hidalgo. Trabaj\u00f3 en Petr\u00f3leos Mexicanos como experto en sistemas de control y automatizaci\u00f3n. Durante su trayectoria en el ramo de hidrocarburos desarroll\u00f3 herramientas de predicci\u00f3n mediante inteligencia artificial y machine learning para la optimizaci\u00f3n operativa de procesos en tiempo real, logrando certificaciones y reconocimientos dentro y fuera de la Empresa Productiva del Estado. Las opiniones vertidas en \u00abEl Diario de la Transici\u00f3n Energ\u00e9tica\u00bb son responsabilidad exclusiva de quienes las emiten y no representan necesariamente la posici\u00f3n de Energ\u00eda a Debate, su l\u00ednea editorial ni la del Consejo Editorial, as\u00ed como tampoco de Perceptia21 Energ\u00eda. Energ\u00eda a Debate es un espacio informativo y de opini\u00f3n plural sobre los temas relativos al sector energ\u00e9tico, abarcando sus distintos subsectores, pol\u00edticas p\u00fablicas, regulaci\u00f3n, transparencia y rendici\u00f3n de cuentas, con la finalidad de contribuir a la construcci\u00f3n de una ciudadan\u00eda informada en asuntos energ\u00e9ticos.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" En meses recientes, todos hemos sido testigos de la explosi\u00f3n tecnol\u00f3gica que no deja de sorprender por su versatilidad de soluciones. A veces controversial, la inteligencia artificial lleg\u00f3 para quedarse. El sector no ha sido la excepci\u00f3n para este tipo de alternativas resolutivas de situaciones que, en muchas ocasiones, parecen no tener pies ni cabeza. […]<\/p>\n","protected":false},"author":2,"featured_media":654,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[50,35,48,49],"class_list":["post-576","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized","tag-cerebro","tag-energia","tag-inteligencia-artificial","tag-neuronas"],"wps_subtitle":"","_links":{"self":[{"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/posts\/576","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/comments?post=576"}],"version-history":[{"count":4,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/posts\/576\/revisions"}],"predecessor-version":[{"id":587,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/posts\/576\/revisions\/587"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/media\/654"}],"wp:attachment":[{"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/media?parent=576"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/categories?post=576"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/energiaadebate.com\/diario\/wp-json\/wp\/v2\/tags?post=576"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nEs especialista en almacenamiento y distribuci\u00f3n de energ\u00eda, as\u00ed como de su optimizaci\u00f3n y generaci\u00f3n; asocia sistemas de gesti\u00f3n y mejores pr\u00e1cticas de confiabilidad. Es miembro en activo del Instituto de Ingenieros El\u00e9ctricos y Electr\u00f3nicos (IEEE) desde el 2010.
\n<\/strong><\/em><\/p>\n
\n