Un mapa autoorganizado (SOM), también conocido como mapa de características autoorganizado (SOFM) o mapa de Kohonen, es una técnica de aprendizaje automático no supervisado utilizada para producir una representación de baja dimensión (típicamente bidimensional) de un conjunto de datos de mayor dimensión, preservando al mismo tiempo la estructura topológica de los datos. Por ejemplo, un conjunto de datos con p variables medidas en n observaciones puede representarse como grupos de observaciones con valores similares, que luego se visualizan como un mapa bidimensional donde los grupos proximales tienen valores más similares que los distales. Esto facilita la visualización y el análisis de datos de alta dimensión.
El SOM es un tipo de red neuronal artificial, pero se entrena mediante aprendizaje competitivo en lugar de aprendizaje por corrección de errores, como la retropropagación con descenso de gradiente. Fue introducido por el profesor finlandés Teuvo Kohonen en la década de 1980, basándose en modelos biológicos de sistemas neuronales de la década de 1970 y en modelos de morfogénesis que se remontan a Alan Turing en la década de 1950. Los SOM crean representaciones internas que recuerdan al homúnculo cortical, un mapa neurológico distorsionado del cuerpo humano basado en las áreas cerebrales dedicadas al procesamiento sensorial.
Entrenamiento y mapeo
Los SOM operan en dos modos: entrenamiento y mapeo. El entrenamiento utiliza un conjunto de datos de entrada (el espacio de entrada) para generar una representación de menor dimensión (el espacio del mapa). El mapeo clasifica entonces datos de entrada adicionales utilizando el mapa generado. El objetivo del entrenamiento es representar un espacio de entrada con p dimensiones como un espacio de mapa con n dimensiones, donde p > n. El espacio del mapa consiste en nodos o neuronas dispuestos en una cuadrícula hexagonal o rectangular, típicamente bidimensional. El número y la disposición de los nodos se especifican de antemano según los objetivos del análisis.
Cada nodo está asociado con un vector de pesos que representa su posición en el espacio de entrada. Mientras que los nodos en el espacio del mapa permanecen fijos, el entrenamiento mueve los vectores de pesos hacia los datos de entrada reduciendo una métrica de distancia, como la distancia euclidiana, sin estropear la topología inducida del espacio del mapa. Después del entrenamiento, el mapa clasifica observaciones adicionales encontrando el nodo con el vector de pesos más cercano al vector de entrada.
Algoritmo de aprendizaje
El objetivo del aprendizaje es hacer que diferentes partes de la red respondan de manera similar a ciertos patrones de entrada, motivado en parte por cómo se maneja la información sensorial en partes separadas de la corteza cerebral. Los pesos de las neuronas se inicializan ya sea con valores aleatorios pequeños o se muestrean uniformemente del subespacio abarcado por los dos vectores propios del componente principal. Esta última alternativa acelera el aprendizaje porque los pesos iniciales ya se aproximan a los pesos finales del SOM.
La red recibe muchos vectores de ejemplo que representan entradas esperadas, generalmente administrados varias veces como iteraciones. El entrenamiento utiliza aprendizaje competitivo: cuando se alimenta un ejemplo de entrenamiento, se calcula su distancia euclidiana a todos los vectores de pesos, y la neurona con el vector de pesos más similar es la unidad de mejor coincidencia (BMU). La BMU y las neuronas cercanas en la cuadrícula del SOM ajustan sus pesos hacia el vector de entrada, con la magnitud del cambio disminuyendo con el tiempo y la distancia en la cuadrícula desde la BMU.
La fórmula de actualización para una neurona v con vector de pesos Wv(s) es Wv(s+1) = Wv(s) + θ(u,v,s) · α(s) · (D(t) - Wv(s)), donde s es el índice de paso, t es un índice en la muestra de entrenamiento, u es el índice de la BMU para el vector de entrada D(t), α(s) es un coeficiente de aprendizaje monótonamente decreciente, y θ(u,v,s) es la función de vecindad que da la distancia entre las neuronas u y v en el paso s. La muestra de entrenamiento puede escanearse sistemáticamente, extraerse aleatoriamente mediante muestreo bootstrap, o usar otros métodos como el jackknife.
La función de vecindad depende de la distancia en la cuadrícula entre la BMU y la neurona v. En su forma más simple, es 1 para neuronas lo suficientemente cercanas a la BMU y 0 para las demás, pero las funciones gaussianas y de sombrero mexicano son comunes. La vecindad se reduce con el tiempo: las vecindades amplias permiten la autoorganización global, mientras que las estrechas permiten que los pesos converjan a estimaciones locales. El coeficiente de aprendizaje y la función de vecindad disminuyen de manera constante o escalonada cada T pasos.
Aplicaciones e importancia
Los SOM se utilizan para visualización, agrupamiento y reducción de dimensionalidad en campos como el análisis de datos, el reconocimiento de patrones y la bioinformática. Sobresalen en preservar relaciones topológicas, lo que los hace útiles para el análisis exploratorio de datos donde comprender la estructura es clave. A diferencia de los métodos supervisados, los SOM no requieren datos etiquetados, lo que los hace valiosos en escenarios de aprendizaje no supervisado.
Los SOM se han aplicado en diversos dominios, desde el reconocimiento de voz y el análisis de imágenes hasta la minería de datos financieros y el diagnóstico médico. Su capacidad para crear mapas intuitivos de datos complejos los ha convertido en un elemento básico en las herramientas de visualización de datos. La técnica sigue siendo relevante en la investigación moderna de inteligencia artificial, a menudo utilizada como referencia para comparar arquitecturas más complejas como los modelos de aprendizaje profundo.
Relación con otras redes neuronales
Los SOM difieren fundamentalmente de las redes feedforward entrenadas con retropropagación, como los transformadores utilizados en los modelos de lenguaje grandes. Mientras que los SOM usan aprendizaje competitivo y preservan la topología, los transformadores dependen de la corrección de errores y los mecanismos de atención. Los SOM también son distintos de las redes residuales y las U-Nets, que son supervisadas y utilizan optimización basada en gradientes. Sin embargo, los SOM comparten el paradigma de red neuronal de procesamiento distribuido y pesos adaptativos, y pueden integrarse en sistemas más grandes para el preprocesamiento o la extracción de características.
Limitaciones y extensiones
Los SOM tienen limitaciones, incluida la sensibilidad a la inicialización y las opciones de parámetros, y pueden no escalar bien a datos de dimensión extremadamente alta. Variantes como los SOM crecientes y los SOM jerárquicos abordan algunos problemas ajustando dinámicamente el tamaño del mapa. A pesar de estos desafíos, los SOM siguen siendo una herramienta fundamental en el aprendizaje no supervisado, con investigaciones en curso que exploran su uso en modelos híbridos con técnicas modernas.