Conseguir diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha sido uno de los principales objetivos de los científicos a lo largo de la historia. De los intentos realizados en este sentido se han llegado a definir las líneas fundamentales para la obtención de máquinas inteligentes: En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas, en el sentido de máquinas que realizaran, con más o menos éxito, alguna función típica de los seres huma
La clase de las llamadas máquinas
cibernéticas, a la cual la computación neuronal
pertenece, tiene más historia de la que se
cree: Herón (100 a.C) construyó un autómata
hidráulico.
1936 - Alan Turing. Fue el primero en estudiar el cerebro como una
forma de ver el mundo de la computación. Sin embargo, los
primeros teóricos que concibieron los fundamentos de la
computación neuronal fueron Warren McCulloch, un
neurofisiólogo, y Walter Pitts, un matemático, quienes, en 1943,
lanzaron una teoría acerca de la forma de trabajar de las neuronas.
Ellos modelaron una red neuronal simple mediante circuitos
eléctricos.
1949 - Donald Hebb. Fue el primero en
explicar los procesos del aprendizaje
(que es el elemento básico de la
inteligencia humana) desde un punto
de vista psicológico, desarrollando una
regla de como el aprendizaje ocurría.
1957 - Frank Rosenblatt. Comenzó el
desarrollo del Perceptrón. Esta es la red
neuronal más antigua; utilizándose hoy en
día para aplicación como reconocedor de
patrones. En 1959, escribió el libro Principios
de Neurodinámica (Teorema de Convergencia
del Perceptrón).
1960 - Bernard Widrow/Marcial Hoff. Desarrollaron el modelo
Adaline (ADAptative LINear Elements). Esta fue la primera red
neuronal aplicada a un problema real (filtros adaptativos para
eliminar ecos en las líneas telefónicas)
1967 - Stephen Grossberg. Realizó una red: Avalancha, que
consistía en elementos discretos con actividad que varía en el
tiempo que satisface ecuaciones diferenciales continuas, para
resolver actividades como reconocimiento continuo de habla y
aprendizaje de los brazos de un robot.
1982, el Minsky y Papera,del Instituto Tecnológico de Massachussets
(MIT), publicaron un libro Perceptrons. Probaron (matemáticamente)
que el Perceptrón no era capaz de resolver problemas relativamente
fáciles, tales como el aprendizaje de una función no-lineal. Esto
demostró que el Perceptrón era muy débil, dado que las funciones
no-lineales son extensamente empleadas en computación y en los
problemas del mundo real. A pesar del libro, algunos investigadores
continuaron su trabajo. Tal fue el caso de James Anderson, que
desarrolló un modelo lineal, llamado Asociador Lineal, que consistía en
unos elementos integradores lineales (neuronas) que sumaban sus
entradas.
1974 - Paul Werbos. Desarrolló la idea básica del
algoritmo de aprendizaje de propagación hacia atrás
(backpropagation); cuyo significado quedó
definitivamente aclarado en 1985.
1977 - Stephen Grossberg. Teoría de Resonancia Adaptada (TRA). La
Teoría de Resonancia Adaptada es una arquitectura de red que se
diferencia de todas las demás previamente inventadas. La misma
simula otras habilidades del cerebro: memoria a largo y corto plazo.
1977 - Teuvo Kohonen. Ingeniero electrónico de
la Universidad de Helsinki, desarrolló un
modelo similar al de Anderson, pero
independientemente.
1980 - Kunihiko Fukushima. Desarrolló un modelo
neuronal para el reconocimiento de patrones
visuales..
1985 - John Hopfield. Provocó el renacimiento de
las redes neuronales con su libro: "Computación
neuronal de decisiones en problemas de
optimización."
1986 - David Rumelhart/G. Hinton. Redescubrieron el
algoritmo de aprendizaje de propagación hacia atrás
(backpropagation). A partir de 1986, el panorama fue
alentador con respecto a las investigaciones y el desarrollo
de las redes neuronales. En la actualidad, son numerosos
los trabajos que se realizan y publican cada año, las
aplicaciones nuevas que surgen (sobretodo en el área de
control) y las empresas que lanzan al mercado productos
nuevos, tanto hardware como software (sobre todo para
simulación)