Red neuronal artificial

Las redes de neuronas artificiales (denominadas habitualmente como RNA o en ingls como: "ANN"1 ) son un paradigma de aprendizaje y procesamiento automtico inspirado en la orma en !ue unciona el sistema ner"ioso de los animales# $e trata de un sistema de intercone%i&n de neuronas en una red !ue colabora para producir un est'mulo de salida# (n inteligencia arti icial es recuente re erirse a ellas como redes de neuronas o redes neuronales#

Funcionamiento
Las redes neuronales consisten en una simulaci&n de las propiedades obser"adas en los sistemas neuronales biol&gicos a tra"s de modelos matemticos recreados mediante mecanismos arti iciales (como un circuito integrado) un ordenador o un conjunto de "l"ulas)# (l objeti"o es conseguir !ue las m!uinas den respuestas similares a las !ue es capaz de dar el cerebro !ue se caracterizan por su generalizaci&n y su robustez#

*erceptr&n con + entradas

,na red neuronal se compone de unidades llamadas neuronas# -ada neurona recibe una serie de entradas a tra"s de intercone%iones y emite una salida# (sta salida "iene dada por tres unciones:
1. ,na unci&n de propagaci&n (tambin conocida como unci&n de

e%citaci&n)) !ue por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su intercone%i&n ("alor neto)# $i el peso es positi"o) la cone%i&n se denomina excitatoria. si es negati"o) se denomina inhibitoria# 2. ,na unci&n de acti"aci&n) !ue modi ica a la anterior# *uede no e%istir) siendo en este caso la salida la misma unci&n de propagaci&n# /# ,na unci&n de trans erencia) !ue se aplica al "alor de"uelto por la unci&n de acti"aci&n# $e utiliza para acotar la salida de la neurona y generalmente "iene dada por la interpretaci&n !ue !ueramos darle a dichas salidas# Algunas de las ms utilizadas son la unci&n sigmoidea (para obtener "alores en el inter"alo 01)12) y la tangente hiperb&lica (para obtener "alores en el inter"alo 031)12)#

Diseo y programacin de una RNA

-on un paradigma con"encional de programaci&n en ingenier'a del so t4are) el objeti"o del programador es modelar matemticamente (con distintos grados de ormalismo) el problema en cuesti&n y posteriormente ormular una soluci&n (programa) mediante un algoritmo codi icado !ue tenga una serie de propiedades !ue permitan resol"er dicho problema# (n contraposici&n) la apro%imaci&n basada en las 5NA parte de un conjunto de datos de entrada su icientemente signi icati"o y el objeti"o es conseguir !ue la red aprenda automticamente las propiedades deseadas# (n este sentido) el dise6o de la red tiene menos !ue "er con cuestiones como los lujos de datos y la detecci&n de condiciones) y ms !ue "er con cuestiones tales como la selecci&n del modelo de red) la de las "ariables a incorporar y el preprocesamiento de la in ormaci&n !ue ormar el conjunto de entrenamiento# Asimismo) el proceso por el !ue los parmetros de la red se adec7an a la resoluci&n de cada problema no se denomina genricamente programaci&n sino !ue se suele denominar entrenamiento neuronal# *or ejemplo en una red !ue se "a a aplicar al diagn&stico de imgenes mdicas. durante la ase de entrenamiento el sistema recibe imgenes de tejidos !ue se sabe son cancer'genos y tejidos !ue se sabe son sanos) as' como las respecti"as clasi icaciones de dichas imgenes# $i el entrenamiento es el adecuado) una "ez concluido) el sistema podr recibir imgenes de tejidos no clasi icados y obtener su clasi icaci&n sano8no sano con un buen grado de seguridad# Las "ariables de entrada pueden ser desde los puntos indi"iduales de cada imagen hasta un "ector de caracter'sticas de las mismas !ue se puedan incorporar al sistema (por ejemplo) procedencia anat&mica del tejido de la imagen o la edad del paciente al !ue se le e%trajo la muestra)#

Estructura
La mayor'a de de los cient' icos coinciden en !ue una 5NA es muy di erente en trminos de estructura de un cerebro animal# Al igual !ue el cerebro) una 5NA se compone de un conjunto masi"amente paralelo de unidades de proceso muy simples y es en las cone%iones entre estas unidades donde reside la inteligencia de la red# $in embargo) en trminos de escala) un cerebro es much'simo mayor !ue cual!uier 5NA creada hasta la actualidad) y las neuronas arti iciales tambin son ms simples !ue su contrapartida animal# 9iol&gicamente) un cerebro aprende mediante la reorganizaci&n de las cone%iones sinpticas entre las neuronas !ue lo componen# :e la misma manera) las 5NA tienen un gran n7mero de procesadores "irtuales interconectados !ue de orma simpli icada simulan la uncionalidad de las neuronas biol&gicas# (n esta simulaci&n) la reorganizaci&n de las cone%iones sinpticas biol&gicas se modela mediante un mecanismo de pesos) !ue son ajustados durante la ase de aprendizaje# (n una 5NA entrenada) el conjunto de los pesos determina el conocimiento de esa 5NA y tiene la propiedad de resol"er el problema para el !ue la 5NA ha sido entrenada# *or otra parte) en una 5NA) adems de los pesos y las cone%iones) cada neurona tiene asociada una unci&n matemtica denominada unci&n de trans erencia# :icha unci&n genera la se6al de salida de la neurona a partir de las se6ales de entrada# La entrada de la unci&n es la suma de todas las se6ales de entrada por el peso asociado a la cone%i&n de entrada de la se6al# Algunos ejemplos de entradas son la unci&n escal&n de ;ea"iside) la lineal o mi%ta) la sigmoide y la unci&n gaussiana) recordando !ue la unci&n de trans erencia es la relaci&n entre la se6al de salida y la entrada#

Ventajas
Las redes neuronales arti iciales (5NA) tienen muchas "entajas debido a !ue estn basadas en la estructura del sistema ner"ioso) principalmente el cerebro#

Aprendizaje: Las 5NA tienen la habilidad de aprender mediante una etapa !ue se llama etapa de aprendizaje# (sta consiste en proporcionar a la 5NA datos como entrada a su "ez !ue se le indica cul es la salida (respuesta) esperada# Auto organizacin: ,na 5NA crea su propia representaci&n de la in ormaci&n en su interior) descargando al usuario de esto# Tolerancia a fallos: :ebido a !ue una 5NA almacena la in ormaci&n de orma redundante) sta puede seguir respondiendo de manera aceptable aun si se da6a parcialmente#

Flexibilidad: ,na 5NA puede manejar cambios no importantes en la in ormaci&n de entrada) como se6ales con ruido u otros cambios en la entrada (ej# si la in ormaci&n de entrada es la imagen de un objeto) la respuesta correspondiente no su re cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente) Tiempo real: La estructura de una 5NA es paralela) por lo cul si esto es implementado con computadoras o en dispositi"os electr&nicos especiales) se pueden obtener respuestas en tiempo real#

Tipologa de las RNA Modelos

(%iste una serie de modelos !ue aparecen en la mayor'a de estudios acadmicos y la bibliogra 'a especializada#

*erceptr&n Adaline *erceptr&n multicapa <emorias asociati"as <!uina de 9olzman <!uina de -auchy *ropagaci&n hacia atrs (bac=propagation) 5edes de (lman 5edes de ;op ield 5ed de contrapropagaci&n 5edes de neuronas de base radial 5edes de neuronas de aprendizaje competiti"o <apas Autoorganizados (5NA) (5edes de >ohonen) -recimiento dinmico de clulas ?as Neuronal -reciente 5edes A5@ (Adaptative Resonance Theory) Topologa

,na primera clasi icaci&n de las redes de neuronas arti iciales !ue se suele hacer es en unci&n del patr&n de cone%iones !ue presenta# As' se de inen tres tipos bsicos de redes:

:os tipos de redes de propagacin hacia delante o ac'clicas en las !ue todas las se6ales "an desde la capa de entrada hacia la salida sin e%istir ciclos) ni cone%iones entre neuronas de la misma capa# o Monocapa# (jemplos: perceptr&n) Adaline#
o

Multicapa# (jemplos: perceptr&n multicapa#

Las redes recurrentes !ue presentan al menos un ciclo cerrado de acti"aci&n neuronal# (jemplos: (lman) ;op ield) m!uina de 9olzman#

Aprendi aje
,na segunda clasi icaci&n !ue se suele hacer es en unci&n del tipo de aprendizaje de !ue es capaz (si necesita o no un conjunto de entrenamiento super"isado)# *ara cada tipo de aprendizaje encontramos "arios modelos propuestos por di erentes autores:

Aprendizaje super"isado: necesitan un conjunto de datos de entrada pre"iamente clasi icado o cuya respuesta objeti"o se conoce# (jemplos de este tipo de redes son: el perceptr&n simple) la red Adaline) el perceptr&n multicapa y la memoria asociati"a bidireccional# Aprendizaje no super"isado o autoorganizado: no necesitan de tal conjunto pre"io# (jemplos de este tipo de redes son: las memorias asociati"as) las redes de ;op ield) la m!uina de 9olzman y la m!uina de -auchy) las redes de aprendizaje competiti"o) las redes de >ohonen o mapas autoorganizados y las redes de resonancia adaptati"a (A5@) 5edes h'bridas: son un en o!ue mi%to en el !ue se utiliza una unci&n de mejora para acilitar la con"ergencia# ,n ejemplo de este 7ltimo tipo son las redes de base radial# Aprendizaje re orzado: se sit7a a medio camino entre el super"isado y el autoorganizado#

Tipo de entrada
Ainalmente tambin se pueden clasi icar las 5NAs seg7n sean capaces de procesar in ormaci&n de distinto tipo en:

5edes anal&gicas: procesan datos de entrada con "alores continuos y) habitualmente) acotados# (jemplos de este tipo de redes son: ;op ield) >ohonen y las redes de aprendizaje competiti"o#

5edes discretas: procesan datos de entrada de naturaleza discreta. habitualmente "alores l&gicos booleanos# (jemplos de este segundo tipo de redes son: las m!uinas de 9olzman y -auchy) y la red discreta de ;op ield#

Aplicaciones
Las caracter'sticas de las 5NA las hacen bastante apropiadas para aplicaciones en las !ue no se dispone a priori de un modelo identi icable !ue pueda ser programado) pero se dispone de un conjunto bsico de ejemplos de entrada (pre"iamente clasi icados o no)# Asimismo) son altamente robustas tanto al ruido como a la dis unci&n de elementos concretos y son cilmente paralelizables# (sto incluye problemas de clasi icaci&n y reconocimiento de patrones de "oz) imgenes) se6ales) etc# Asimismo se han utilizado para encontrar patrones de raude econ&mico) hacer predicciones en el mercado inanciero) hacer predicciones de tiempo atmos rico) etc# @ambin se pueden utilizar cuando no e%isten modelos matemticos precisos o algoritmos con complejidad razonable. por ejemplo la red de >ohonen ha sido aplicada con un %ito ms !ue razonable al clsico problema del "iajante (un problema para el !ue no se conoce soluci&n algor'tmica de complejidad polin&mica)# Btro tipo especial de redes neuronales arti iciales se ha aplicado en conjunci&n con los algoritmos genticos (A?) para crear controladores para robots# La disciplina !ue trata la e"oluci&n de redes neuronales mediante algoritmos genticos se denomina 5ob&tica ("oluti"a# (n este tipo de aplicaci&n el genoma del A? lo constituyen los parmetros de la red (topolog'a) algoritmo de aprendizaje) unciones de acti"aci&n) etc#) y la adecuaci&n de la red "iene dada por la adecuaci&n del comportamiento e%hibido por el robot controlado (normalmente una simulaci&n de dicho comportamiento)

Algoritmo gen!tico
,n algoritmo es una serie de pasos organizados !ue describe el proceso !ue se debe seguir) para dar soluci&n a un problema espec' ico# (n los a6os 1CD1) de la mano de Eohn ;enry ;olland) surgi& una de las l'neas ms prometedoras de la inteligencia arti icial) la de los algoritmos genticos# $on llamados as' por!ue se inspiran en la e"oluci&n biol&gica y su base gentico3 molecular# (stos algoritmos hacen e"olucionar una poblaci&n de indi"iduos sometindola a acciones aleatorias semejantes a las !ue act7an en la e"oluci&n

biol&gica (mutaciones y recombinaciones genticas)) as' como tambin a una $elecci&n de acuerdo con alg7n criterio) en unci&n del cual se decide cules son los indi"iduos ms adaptados) !ue sobre"i"en) y cules los menos aptos) !ue son descartados# @ambin es denominado algoritmos e"oluti"os) e incluye las estrategias de e"oluci&n) la programaci&n e"oluti"a y la programaci&n gentica# :entro de esta 7ltima se han logrado a"ances curiosos: (n 1CCC) por primera "ez en la historia) se concedi& una patente a un in"ento no realizado directamente por un ser humano: se trata de una antena de orma e%tra6a) pero !ue unciona per ectamente en las condiciones a las !ue estaba destinada# No hay) sin embargo) nada injusto en el hecho de !ue el autor del algoritmo gentico del !ue sali& la orma de la antena se haya atribuido la autor'a de la patente) pues l escribi& el programa e ide& el criterio de selecci&n !ue condujo al dise6o patentado# ,n algoritmo gentico es un mtodo de b7s!ueda dirigida basada en probabilidad# 9ajo una condici&n muy dbil (!ue el algoritmo mantenga elitismo) es decir) guarde siempre al mejor elemento de la poblaci&n sin hacerle ning7n cambio) se puede demostrar !ue el algoritmo con"erge en probabilidad al &ptimo# (n otras palabras) al aumentar el n7mero de iteraciones) la probabilidad de tener el &ptimo en la poblaci&n tiende a 1 (uno)#

Funcionamiento
Los algoritmos genticos establecen una analog'a entre el conjunto de soluciones de un problema) llamado enotipo) y el conjunto de indi"iduos de una poblaci&n natural) codi icando la in ormaci&n de cada soluci&n en una cadena) generalmente binaria) llamada cromosoma# Los s'mbolos !ue orman la cadena son llamados los genes# -uando la representaci&n de los cromosomas se hace con cadenas de d'gitos binarios se le conoce como genotipo# Los cromosomas e"olucionan a tra"s de iteraciones) llamadas generaciones# (n cada generaci&n) los cromosomas son e"aluados usando alguna medida de aptitud# Las siguientes generaciones (nue"os cromosomas)) llamada descendencia) se orman utilizando dos operadores genticos) de sobrecruzamiento y de mutaci&n#

"u#ndo usar estos algoritmos

Los algoritmos genticos son de probada e icacia en caso de !uerer calcular unciones no deri"ables (o de deri"aci&n muy compleja) aun!ue su uso es posible con cual!uier unci&n# :eben tenerse en cuenta tambin las siguientes consideraciones:

$i la unci&n a optimizar tiene muchos m%imos8m'nimos locales se re!uerirn ms iteraciones del algoritmo para "asegurar" el m%imo8m'nimo global# $i la unci&n a optimizar contiene "arios puntos muy cercanos en "alor al &ptimo) solamente podemos "asegurar" !ue encontraremos uno de ellos (no necesariamente el &ptimo)#

Funcionamiento de un algoritmo gen!tico $#sico

,n algoritmo gentico puede presentar di"ersas "ariaciones) dependiendo de c&mo se aplican los operadores genticos (cruzamiento) mutaci&n)) de c&mo se realiza la selecci&n y de c&mo se decide el reemplazo de los indi"iduos para ormar la nue"a poblaci&n# (n general) el pseudoc&digo consiste de los siguientes pasos:

Algoritmo gentico i: inicializaci&n) (F): e"aluaci&n) G: condici&n de trmino) $e: selecci&n) -r: cruzamiento) <u: mutaci&n) 5e: reemplazo) FH: mejor soluci&n#

Inicializacin: $e genera aleatoriamente la poblaci&n inicial) !ue est constituida por un conjunto de cromosomas los cuales representan las posibles soluciones del problema# (n caso de no hacerlo aleatoriamente) es importante garantizar !ue dentro de la poblaci&n inicial) se tenga la di"ersidad estructural de estas soluciones para tener una representaci&n de la mayor parte de la poblaci&n posible o al menos e"itar la con"ergencia prematura# !aluacin: A cada uno de los cromosomas de esta poblaci&n se aplicar la unci&n de aptitud para saber !u tan "buena" es la soluci&n !ue se est codi icando# "ondicin de trmino (l A? se deber detener cuando se alcance la soluci&n &ptima) pero sta generalmente se desconoce) por lo !ue se

deben utilizar otros criterios de detenci&n# Normalmente se usan dos criterios: correr el A? un n7mero m%imo de iteraciones (generaciones) o detenerlo cuando no haya cambios en la poblaci&n# <ientras no se cumpla la condici&n de trmino se hace lo siguiente:
o

#eleccin :espus de saber la aptitud de cada cromosoma se procede a elegir los cromosomas !ue sern cruzados en la siguiente generaci&n# Los cromosomas con mejor aptitud tienen mayor probabilidad de ser seleccionados# #obrecruzamiento (l cruzamiento es el principal operador gentico) representa la reproducci&n se%ual) opera sobre dos cromosomas a la "ez para generar dos descendientes donde se combinan las caracter'sticas de ambos cromosomas padres# Mutacin modi ica al azar parte del cromosoma de los indi"iduos) y permite alcanzar zonas del espacio de b7s!ueda !ue no estaban cubiertas por los indi"iduos de la poblaci&n actual# Reemplazo una "ez aplicados los operadores genticos) se seleccionan los mejores indi"iduos para con ormar la poblaci&n de la generaci&n siguiente

Aplicaciones

:ise6o automatizado) incluyendo in"estigaci&n en dise6o de materiales y dise6o multiobjeti"o de componentes automo"il'sticos: mejor comportamiento ante cho!ues) ahorros de peso) mejora de aerodinmica) etc# :ise6o automatizado de e!uipamiento industrial# :ise6o automatizado de sistemas de comercio en el sector inanciero# -onstrucci&n de rboles ilogenticos# Bptimizaci&n de carga de contenedores# :ise6o de sistemas de distribuci&n de aguas# :ise6o de topolog'as de circuitos impresos# :ise6o de topolog'as de redes computacionales# (n @eor'a de juegos) resoluci&n de e!uilibrios# Anlisis de e%presi&n de genes# Aprendizaje de comportamiento de robots#

Aprendizaje de reglas de L&gica di usa# Anlisis lingI'stico) incluyendo inducci&n gramtica) y otros aspectos de *rocesamiento de lenguajes naturales) tales como eliminaci&n de ambigIedad de sentido# Jn raestructura de redes de comunicaciones m&"iles# Bptimizaci&n de estructuras moleculares# *lani icaci&n de producci&n multicriteria# *redicci&n# Aplicaci&n de Algoritmos ?enticos al :ilema del *risionero Jterado Bptimizaci&n de sistemas de compresi&n de datos) por ejemplo) usando 4a"elets# *redicci&n de *legamiento de prote'nas# Bptimizaci&n de Layout# *redicci&n de estructura de 5NA# (n bioin ormtica) Alineamiento m7ltiple de secuencias# Aplicaciones en plani icaci&n de procesos industriales) incluyendo plani icaci&n job3shop# $elecci&n optima de modelos matemticos para la descripci&n de sistemas biol&gicos# <anejo de residuos s&lidos# Jngenier'a de so t4are# -onstrucci&n de horarios en grandes uni"ersidades) e"itando con lictos de clases# *roblema del "iajante# ;allazgo de errores en programas# Bptimizaci&n de producci&n y distribuci&n de energ'a elctrica# :ise6o de redes geodsicas (*roblemas de dise6o)#

%engua natural

(l trmino lengua natural designa una "ariedad lingI'stica o orma de lenguaje humano con ines comunicati"os !ue est dotado de una sinta%is y !ue obedece supuestamente a los principios de econom'a y optimidad# Las lenguas naturales usualmente estn basadas en s'mbolos sonoros pero tambin pueden e%istir lenguas basadas en se6as# (n la sociolingI'stica) el trmino lengua natural tambin se utiliza a "eces de lengua tnica en contraposici&n a las lenguas plani icadas (como el esperanto)# La lengua tnica e"oluciona enmarcada por una cultura de hablantes nati"os !ue utilizan dicha lengua con una inalidad comunicati"a# :e esta orma) se distingue entre idiomas tales como el chino mandar'n) el espa6ol y el ingls) las cuales son lenguas tnicas. y el esperanto) ido) interlingua) a las cuales se les denomina lenguas plani icadas# $in embargo) una lengua plani icada tambin puede ad!uirir una cultura) como es el caso del esperanto# $in embargo) ormalmente las lenguas plani icadas y las lenguas tnicas pueden cumplir igualmente con los re!uisitos de poseer sinta%is y principios de econom'a !ue las hagan aptas para la comunicaci&n humana general#
o

%enguas naturales y lenguaje

Las lenguas naturales se contraponen a otras ormas de lenguaje tanto humanas no humanas# As' junto con las lenguas naturales humanas tenemos:

(l lenguaje animal !ue tiene intencionalidad) e%presi"idad) representati"idad e incluso puede llegar a la simulaci&n y el ingimiento. pero en el !ue no se han encontrado presencia de algo !ue podamos llamar estructuras sintcticas# Los lenguajes ormales usadas por el hombre) entre los cuales estn la l&gica matemtica o los lenguajes de programaci&n# Kue son estructuras dotadas de algo similar a la sinta%is de las lenguas humanas) pero tienen un alcance ms reducido !ue las lenguas naturales humanas#

Diferencias con el lenguaje formal

Al contrario !ue en el lenguaje ormal) donde el signi icado de una cadena o rase s&lo est in luido por su aspecto o " orma") en los lenguajes naturales la semntica o signi icado espec' ico y conte%tual de sus componentes inter"ienen en la "alidez o no de la rase) a6adiendo complejidad a su estudio#

La lingI'stica es la rama del saber !ue se encarga del estudio del lenguaje) entendido como el conjunto de reglas !ue gobierna cual!uier proceso de comunicaci&n# Admitiendo la e%istencia de reglas de comunicaci&n) la lingI'stica estructural lleg& a de inir e%tensi"amente un determinada lengua natural como el conjunto de rases !ue se pueden emitir y utilizar en esa lengua# A inales de la dcada de los a6os 1CL1 Noam -homs=y propuso incorporar los lenguajes naturales al tipo de lenguajes susceptibles de ser estudiados por los sistemas ormales por medio de gramticas generati"as) !ue darn lugar a las cadenas o rases "lidas en un lenguaje dado#

"aractersticas de las lenguas naturales

(l lingIista -harles A# ;oc=ett habla de !uince rasgos de initorios de la lengua: 1# Modo de comunicacin: es el canal "ocal3auditorio el principal en el lenguaje humano (se produce el mensaje con la boca y se recibe con el o'do)# @ambin puede darse el canal manual3"isual) el de la escritura# +# Transmisin difundida $ recepcin dirigida : en el habla se emite un mensaje !ue se e%pande en todas direcciones y !ue puede ser escuchado por cual!uiera. sin embargo) el sistema auditi"o humano permite la identi icaci&n del lugar de donde pro"iene# /# Transitoriedad: el mensaje humano es temporal. las ondas se de"anecen y el mensaje no persiste ni en el tiempo ni en el espacio# M# %esarrollo interlocuti!o o intercambiabilidad: un hablante) en condiciones normales) puede tanto emitir como recibir mensajes# L# Retroalimentacin total: el hablante puede escucharse a s' mismo en el preciso instante !ue emite un mensaje# (sto es importante para la realizaci&n correcta del habla# N# specializacin: los &rganos !ue inter"ienen en el habla) aparte de ser"ir para sus unciones isiol&gicas correspondientes) estn especializados para el habla#

D# #emanticidad: la se6al se corresponde con un signi icado en particular# (s un elemento undamental de cual!uier mtodo de comunicaci&n# O# Arbitrariedad: no e%iste correlaci&n entre la se6al y el signo# *or ejemplo) los onemas !ue crean la palabra nada en s' mismos no tienen relaci&n alguna con ese concepto. en croata) por ejemplo) nada signi ica esperanza# No hay raz&n alguna para !ue el concepto carencia de algo debiera ser "nada" y no cual!uier otra combinaci&n de onemas#

C# %iscreticidad: las unidades bsicas son separables) sin haber una transici&n gradual# ,n oyente puede o'r o "t" o "d") e independientemente de !ue lo escuche bien distinguir o una u otra) sin escuchar una mezcla de ambas# 11# %esplazamiento: puede hacerse re erencia a situaciones u objetos !ue no se sit7an por de'%is) en el "a!u' y ahora") es decir) separados por el tiempo o distancia) o incluso sobre cosas !ue no e%isten ni han e%istido# 11# %oble articulacin o dualidad: e%iste un ni"el o segunda articulacin en el !ue los elementos no poseen signi icado pero s' distinguen signi icado ( onema)) y otro ni"el o primera articulacin en el !ue estos elementos se agrupan para tener signi icado (mor ema)# Los elementos de la segunda articulacin son initos) pero pueden agruparse de in initas maneras#(- # ;jelmsle")# 1+# &roducti!idad: las reglas de la gramtica permiten la creaci&n de oraciones nue"as !ue jams han sido creadas) pero !ue pueden ser entendidas# (- # competencia lingI'stica) gramtica generati"a) -homs=y)# 1/# Transmisin cultural: el lenguaje humano es un producto de una e"oluci&n hist&rica y se transmite entre generaciones# - # cambio lingI'stico) gramtica hist&rica)#(s posible !ue no se d en el resto de ormas de comunicaci&n no humanas# 1M# &re!aricacin: el mensaje puede ser intencionadamente also#(- # m%imas con"ersacionales) ?rice)# 1L# Funcin metaling'(stica: el lenguaje humano permite re erirse a s' mismo. se puede decir !ue "altaz" es una palabra masculina) y no se est haciendo re erencia alguna al objeto) sino a la palabra en s'#

&rgenes de las lenguas en los seres 'umanos

-on respecto al origen de las lenguas) e%isten dos posturas bsicas:

La monognesis o hip&tesis de !ue en 7ltima instancia todas las lenguas del mundo deri"an de una 7nica lengua ancestral) es decir) la hip&tesis de !ue las lenguas humanas surgieron por di"ersi icaci&n de una protolengua !ue surgi& en un determinado momento e"oluti"o de la especie) a partir del cual continuaron e%istiendo las lenguas humanas# (n la antigIedad) esta teor'a encuentra paralelismo con la bula de babel) contenida en la 9iblia# La polignesis) sostiene !ue el proceso !ue dio lugar a las lenguas humanas pudo suceder en di"ersos lugares y momentos# 1

(n ambos casos) despus de la aparici&n de una o ms lenguas actuaron procesos de di"ersi icaci&n o cambio lingI'stico !ue aumentaron el n7mero de lenguas) hasta llegar a los "arios miles de lenguas e%istentes en la actualidad#

La teor'a de lingI'stica de las lenguas criollas y los pidgins sugiere !ue el proceso de ormaci&n de una lengua natural genuina a partir de un input lingI'stico adecuado puede lle"ar tan poco tiempo como una generaci&n# (l caso del idioma de se6as de Nicaragua creada a partir de un sistema semi&tico inconsistente es un ejemplo paradigmtico de como puede ormarse una lengua consistente con una gramtica bien ijada) a partir de elementos inconsistentes#