Búsqueda · 28 momentos en 13 episodios
Juan Carlos GilSilvana TapiaLuisa AchaerandioGastón GiribetFrancis VillatoroHéctor SocasIgnacio Crespoalgoritmo aprendizaje refuerzo neuronalneuronas desagradan el ruidoseñal castigo neuronaFrancis VillatoroMITDoomHéctor SocasRonald GordoLLMCPUsGPUsTPUs
Algoritmo de aprendizaje MIT Neuronas biológicas
Ep549: Agujeros Negros; IAlucinaciones; Engranajes; Materia Oscura; Doom Neuronal
12 de marzo de 20265 momentos
Con
0:000:301:001:302:002:303:003:303:45
Francis Villatoro explica cómo se utiliza un algoritmo de aprendizaje con refuerzo para demostrar que el sistema neuronal biológico puede aprender, basándose en la hipótesis del principio de energía libre.
…De hecho, se han obtenido mejores resultados con las neuronas humanas que con las neuronas de ratón. Entonces, esto en 2022 no se tenía ni idea y yo creo que todavía no se sabe por qué ocurren esas cosas. Oye, ¿y se les premia...? Ahí está el punto. La idea es mostrar que este sistema neuronal biológico puede aprender. Entonces, para aprender, tienes que utilizar un algoritmo de aprendizaje, aquí se usa un algoritmo de aprendizaje con refuerzo. Entonces lo que subyace a este trabajo es una hipótesis que es la hipótesis del principio de energía libre que se interpreta en este contexto biológico como que a las neuronas les desagrada el ruido, recibir una excitación ruidosa en todos los electrodos que yo puedo controlar yo en todos los electrodos genero señales ruidosas sin un patrón durante un pequeño intervalo de tiempo y eso resulta que es la señal digamos de castigo si lo has hecho mal te castigo pensé que a lo mejor le quitaban la comida un rato la señal digamos de recompensa es no castigar vale si yo no pongo ruido no estoy castigando es Que el sistema está funcionando bien. Entonces yo voy jugando muchas veces. En el de Doom le ponen un refuerzo positivo que es una señal regular. Pueden ser varios pulsitos o alguna cosa regular. Pero sí, a mí eso me sorprendió. No hay retropropagación,…
Significado #1 · Palabras #2
Francis Villatoro menciona una revista prestigiosa especializada en neurociencia que tuvo gran repercusión al publicar un artículo sobre un procesador neuronal.
Habla: Francis VillatoroPalabras #11procesador neuronal neurociencianeuronas físicas electrodosmodelo pong procesador…que traiga usted este tema, porque es verdad que ha salido en muchos medios de comunicación y ha generado muchos titulares de esos, como dice Gastón, hiperbólicos y estaría bien que lo comentáramos un poco y lo desmitificáramos, ¿no? Así que, bueno, dale y… Una revista bastante prestigiosa en temas de neurociencia, y bueno, en su momento tuvo mucho eco; en su momento tuvo mucho eco, y en ese artículo usaban su procesador neuronal que combina neuronas físicas, verdaderas, digamos biológicas, con una serie de sensores a raíz de electrodos que permite introducir y leer, o sea, escribir y leer información en esa red de neuronas físicas, biológicas, y conectarlas con un ordenador que puede procesar algo. Entonces hicieron un modelo muy sencillito del juego Pong, del ping pong. Entonces en redes sociales la gente dijo: si haces el Pong tienes que hacer el Zoom. ¿Vale? Entonces, ¿qué pasa con eso? Pues que lo que pasa es que esta empresa lo que quiere, y de hecho lo comercializa, te lo vende, te vende este tipo de equipos para…
Francis Villatoro explica cómo se utiliza un algoritmo de aprendizaje con refuerzo para demostrar que el sistema neuronal biológico puede aprender, basándose en la hipótesis del principio de energía libre.
Habla: Francis VillatoroSignificado #1 · Palabras #2algoritmo aprendizaje refuerzo neuronalneuronas desagradan el ruidoseñal castigo neurona…De hecho, se han obtenido mejores resultados con las neuronas humanas que con las neuronas de ratón. Entonces, esto en 2022 no se tenía ni idea y yo creo que todavía no se sabe por qué ocurren esas cosas. Oye, ¿y se les premia...? Ahí está el punto. La idea es mostrar que este sistema neuronal biológico puede aprender. Entonces, para aprender, tienes que utilizar un algoritmo de aprendizaje, aquí se usa un algoritmo de aprendizaje con refuerzo. Entonces lo que subyace a este trabajo es una hipótesis que es la hipótesis del principio de energía libre que se interpreta en este contexto biológico como que a las neuronas les desagrada el ruido, recibir una excitación ruidosa en todos los electrodos que yo puedo controlar yo en todos los electrodos genero señales ruidosas sin un patrón durante un pequeño intervalo de tiempo y eso resulta que es la señal digamos de castigo si lo has hecho mal te castigo pensé que a lo mejor le quitaban la comida un rato la señal digamos de recompensa es no castigar vale si yo no pongo ruido no estoy castigando es Que el sistema está funcionando bien. Entonces yo voy jugando muchas veces. En el de Doom le ponen un refuerzo positivo que es una señal regular. Pueden ser varios pulsitos o alguna cosa regular. Pero sí, a mí eso me sorprendió. No hay retropropagación,…
Francis Villatoro explica cómo un sistema neuronal cultivado, mantenido con nutrientes básicos, resulta energéticamente más eficiente que ejecutar software en procesadores como CPUs, GPUs o TPUs.
Habla: Francis VillatoroPalabras #8sistema neuronal con nutrientes básicosaprendizaje automático refuerzo francis villatorocostes energéticos versus tpusartículo 2024 comparan costes energía…están los electrodos y que, bueno, para el vídeo han hecho que emita las imágenes del juego Doom mientras lo va jugando. Pero bueno, no son las cosas de las empresas comerciales. Entonces es un trabajo muy interesante porque lo que nos abre un poco la puerta. Fijaros que estamos diciendo aprendizaje automático, bueno, eso que entre comillas, pero bueno, aprendizaje automático con refuerzo en un sistema neuronal biológico que yo mantengo básicamente echando alimentos, echando azúcar, echan ahí unas sustancias para que se queden vivas las células que están ahí, ¿no? Eso energéticamente es mucho más barato que tener una nave de CPUs o de GPUs o de TPUs que me está ejecutando mi software. Entonces tienen un artículo 2024 en el que comparan los costes, los costes en energía de su sistema biológico, que Digo hace una chorrada, porque esto, la verdad es que es una chorrada, porque estamos hablando de ocho entradas y que tú la puedes interpretar casi como entradas binarias o poco más, tienen muy poca codificación. Y una consideración de entero corto, un poco…
Héctor Socas y Francis Villatoro discuten sobre una demostración realizada por una estudiante del MIT, quien visualizó el juego Doom utilizando bacterias bioluminescentes en un display.
Habla: Héctor SocasSignificado #2 · Palabras #1llm para programar juegosneuronas biológicas y llmronald gordo y francisdoom visualizado con bacterias bioluminescentesalgoritmo de aprendizaje mit neuronas biológicasestudiante mit aprende doomplasticidad neuronal bajo estimulaciónreorganización neuronal con ruidosistema nervioso simplificado con electrodosneuronas biológicas jugando al doom…metido es una versión súper simplificada, muy de juguete, ¿vale? O sea, que se programa en cuatro líneas, bueno, en cuatro líneas de código no, pero en muy poquitas líneas de código un estudiante del programa, porque es un juego extremadamente simplificado. De hecho, un LLM te puede dar el código para programar ese juego que luego le pongas a las neuronas biológicas. Hay una pregunta sobre comparación entre neuronas electrónicas y biológicas, podemos luego en la sección de preguntas; podemos sacar el tema un poquito más en profundidad. Quiero aclarar porque preguntaba por aquí Ronald Gordo decía, pero esto no lo había contado ya o algo parecido a Francis; yo creo que está hablando de cuando contaste Francis. Que corría el Doom, una estudiante de MIT hizo un entretenimiento, un juguete que también publicó en un vídeo donde hacía un display con bacterias, bacterias bioluminescentes y en ese display corría el Doom. Bueno, visualizaba el Doom; visualizaba el Doom, exactamente, que es diferente. Pero no solo la campaña; claro, se supone que lo que están haciendo aquí es aprender. La idea es que es un algoritmo de aprendizaje implementado con neuronas biológicas que aprenden lo que yo quiero que aprendan. No aprenden lo que es de manera natural. Las neuronas en un entorno, en un sistema nervioso simplificado. Estos son neuronas puestas una encima de otra en unos electrodos, que tampoco tengo muchas cosas. Pero las imágenes de microscopía, por ejemplo, indican que hay una cierta plasticidad, es decir, que esas neuronas están vivas y que se reorganizan, conforme yo las voy excitando y las voy perjudicando metiéndose ruido. Pero digo, todo esto está todavía muy, muy verde, pero bueno, es algo que promete avances que habrá que seguir. Yo tengo bastantes dudas de que realmente, no digo que no, pero creo que no está claro que realmente estas neuronas biológicas estén aprendiendo a jugar al Doom. Entonces, yo estuve viendo el vídeo y en mi opinión, Aquí no hay paper, ya lo dijo Francis; el paper, el que hay, es el del PON de 2022, 2023, lo que sea. Aquí no se ha publicado nada, ni siquiera en Archive; no hay nada escrito. Hay un vídeo de YouTube que, bueno, pues tiene la credibilidad que cualquier vídeo…
Héctor Socas explica el proceso de traducción de estímulos eléctricos a señales neuronales en un sistema híbrido, proponiendo el uso de una red neuronal artificial para facilitar la comunicación entre componentes electrónicos y biológicos.
Habla: Héctor SocasSignificado #3 · Palabras #9red neuronal para interpretar examentraducir estímulos neuronas biológicasneuronas sin ojos conectadasred neuronal artificial aprendeseñales neuronales biológicas spikesinputs a neuronas biológicassistema híbrido estímulos eléctricos…hace es que toma lo que dicen las neuronas y lo convierte en inputs para el juego. Se lo pasa al ordenador que está corriendo el Doom para decirle: ahora dispara, ahora camina hacia la derecha, ahora camina hacia adelante. Entonces hay tres redes neuronales. Yo me voy a llevar una de esas, una red, para que me ayude a interpretar las preguntas de un examen que tengo que hacer. Me va a ayudar a interpretar las preguntas. Pero esto es como el juego del teléfono, parece que se van pasando, claro; entre que te pasas la información, igual al otro lado llega un poco... Lleva un poco procesada para ganar, a lo mejor. Entonces, claro, yo entiendo que es necesario, porque de alguna forma hay que traducirle lo que está produciendo el juego, porque las neuronas biológicas no tienen ojos, son como nosotros, son unas pocas neuronas ahí conectadas que no tienen sentido; entonces alguien les tiene que traducir a estímulos eléctricos lo que está pasando en el juego. ¿Y cómo lo hacemos? No sabemos cómo hacerlo, entonces cuando tú no sabes cómo hacer algo, lo mejor es poner una red neuronal y que aprenda. Entonces hay una red neuronal artificial, electrónica, que está aprendiendo cómo pasarle los inputs a las neuronas biológicas, y luego lo mismo a la inversa; las biológicas están empezando ahí a disparar spikes. ¿Y tú qué haces con eso? Pues no sabes entonces necesitas que alguien traduzca eso a comandos del juego entonces tienes otra red neuronal que también aprende y tal. Entonces, ¿cuál es el problema aquí? Que no sabemos si esa hipotética mejora que ellos dicen que han visto que ha ido…