Por Gabriela Jiménez Ramírez:
(Caracas, 10 de febrero de 2026). – En las últimas décadas, la inteligencia artificial (IA) ha experimentado un crecimiento exponencial impulsado, en gran medida, por el desarrollo de las Redes Neuronales Artificiales (RNA).
Estos modelos computacionales, inspirados en el funcionamiento del cerebro humano, demuestran su eficacia para resolver problemas complejos que antes requerían intervención humana especializada, sin embargo, su implementación no está exenta de desafíos técnicos, éticos y estructurales, especialmente en contextos donde los recursos tecnológicos y la infraestructura científica son limitados.
De acuerdo con diferentes portales, el concepto de redes neuronales se remonta a la década de 1940, cuando Warren McCulloch y Walter Pitts propusieron un modelo matemático simplificado de la neurona biológica. Este primer acercamiento sentó las bases teóricas para el desarrollo posterior de sistemas capaces de emular procesos cognitivos básicos.
En este contexto, donde la IA sigue tomando terreno por las potencias, Venezuela avanza en el desarrollo de estas herramientas, de la mano de los investigadores de la Fundación Centro Nacional de Desarrollo e Investigación en Telecomunicaciones (Cendit), con su más reciente trabajo sobre Predicción de la Degradación de la Señal en una Red Óptica Pasiva de Alta Velocidad mediante IA y Software Libre.
Nuestros investigadores desarrollaron un sistema basado en software libre y RNA para predecir la degradación de señales y optimizar el consumo energético en Redes Ópticas Pasivas (PON) de alta velocidad, específicamente en tecnología de 50 Gbps.
Este proyecto fue aceptado en la Tercera Conferencia Internacional sobre Inteligencia Artificial, destacándose entre más de 1.700 investigaciones internacionales, entrando al grupo de las 600 investigaciones seleccionadas para su publicación, lo que evidencia su relevancia técnica y su nivel de innovación.
El doctor Héctor Núñez, jefe de la Unidad de Fotónica del Cendit, el uso de RNA permite identificar patrones de degradación en el diagrama de ojo de la señal antes de que ocurra una falla, lo cual representa un avance en el mantenimiento predictivo de redes de telecomunicaciones.
Este reconocimiento fortalece la capacidad de Cendit para optimizar las redes del país y también abre la puerta a la aplicación de algoritmos de inteligencia artificial en otros contextos y problemas.
