Búsqueda · 26 momentos en 15 episodios
Juan Carlos GilSilvana TapiaLuisa AchaerandioGastón GiribetFrancis VillatoroHéctor SocasIgnacio Cresposistema neuronal con nutrientes básicosaprendizaje automático refuerzo francis villatorocostes energéticos versus tpusartículo 2024 comparan costes energíasistema neuronal cultivado elementalpong y entrenamiento de iabolas de neuronas con astrocitosgasto energético sistemas neuronalestpu y gpu para pongaprendizaje más rápido en tpusTPUsGPUsPongFrancis VillatoroJuan Carlos GilCPUsHéctor SocasSinkholeDoom
Gasto energético sistemas neuronales
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 y Juan Carlos Gil discuten cómo se compara el gasto energético de los sistemas neuronales cultivados con el de procesadores convencionales como TPUs o GPUs.
…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 más. Es algo muy elemental. Entonces, comparar eso con un sistema de entrenamiento real para resolver el juego del Pong y hacen esa comparación y sacan que energéticamente esto es mucho más favorable y que va a haber un futuro maravilloso en el que, en lugar de GPUs y TPUs, pues todo el mundo utilizará este tipo de sistemas orgánicos, tanto en 2D sobre electrodos como en 3D, que es el tema en el que están trabajando ahora mucho, de quedar esas bolas, bolas de neuronas con astrocitos para que las alimenten y por fuera en la superficie con electrodos hacer pues toda la entrada y salida con esas bolas, ¿no? Pero no comparan el gasto energético no lo hacen por teraflop, ¿no? Porque si no, no, no, no, no, lo hacen por esto me ha gastado tanto y esto tanto para jugar al Pong, por aprendizaje, ¿vale? Dicen que esto aprende mucho más rápido, pero claro es que a las TPUs o a las GPUs les dan de verdad un juego del Pong, no les dan una. chorrada como esta, que esto es una estantería, ¿vale? El juego que han 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…
Significado #1 · Palabras #1
Francis Villatoro plantea dudas sobre si el software desarrollado por un individuo de Sinkhole es quien realmente aprende a jugar al Doom en el procesador neuronal de Cortical Labs, sugiriendo que la máquina física podría ser una mera excusa o ruido de fondo.
Habla: Francis VillatoroPalabras #17software sinkhole aprende doommáquina física como excusa transversalruido de la máquina físicapruebas aparentes de aprendizaje…y es lo que voy a contar ahora en el artículo era que aprendía sola a jugar al juego del Pong ha aprendido a jugar al Doom o en realidad lo que aprende es ese software que ha desarrollado este muchacho del Sinkhole y en realidad, bueno, sí, usa las entradas del sistema neuronal y emite señales al sistema neuronal, pero eso es como un ruido de fondo y lo que tú aprendes es de manera independiente. Pues no está demostrado que no, ¿vale? O sea, es posible que el software de este muchacho sea realmente el que aprende y que la máquina física sea solamente una excusa transversal; es ruido, yo veo ruido de la máquina y le meto ruido y me importa un comienzo lo haga la máquina. Él dice que no, que ha hecho una serie de pruebas que aparentan que, pero no está nada claro, ¿vale? No está nada claro; es decir, este vídeo de Doom básicamente es un es un hype, es un sensacionalismo por parte de la empresa que quiere vender sus equipos, vale, vale como 35.000 dólares cada uno de los pequeños dispositivos. Más caro que mi libro. Y duran seis meses, porque las neuronas…
Francis Villatoro estima la cantidad de neuronas funcionales disponibles en el sistema neuronal cultivado, indicando una posible pérdida entre un factor de 1 a 4 desde el inicio.
Habla: Francis VillatoroSignificado #9neuronas funcionales sistema neuronalfactor de pérdida neuronas cultivadaselectrodo inyección señales eléctricas…ven las neuronas encima, ¿no? Entonces, aunque inicialmente empecé con unas del orden del millón de células prolipotentes, al final me quedo pues con un número de neuronas efectivo y funcionales que no sé muy bien cuál es, pero que puede ser pues del orden. pues pongamos de 100.000, ¿no? Puede haber un factor de 1 a 4 en lo que he perdido. Entonces lo que yo tengo son ahí unas neuronas que están vivas, que puedo sostener vivas durante meses, unos 6 meses, y a las que yo puedo, en algunos electrodos, inyectar señales eléctricas. Entonces yo ahora, de toda la distribución de los electrodos, lo que se hizo para reproducir el juego del Pong es, bueno, yo quiero una versión, juguete del Pong; el Pong, acordaros que era, era una pantalla negra con dos palitas a ambos lados, izquierda y…
Francis Villatoro y Juan Carlos Gil discuten cómo se compara el gasto energético de los sistemas neuronales cultivados con el de procesadores convencionales como TPUs o GPUs.
Habla: Francis VillatoroSignificado #1 · Palabras #1sistema neuronal con nutrientes básicosaprendizaje automático refuerzo francis villatorocostes energéticos versus tpusartículo 2024 comparan costes energíasistema neuronal cultivado elementalpong y entrenamiento de iabolas de neuronas con astrocitosgasto energético sistemas neuronalestpu y gpu para pongaprendizaje más rápido en tpus…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 más. Es algo muy elemental. Entonces, comparar eso con un sistema de entrenamiento real para resolver el juego del Pong y hacen esa comparación y sacan que energéticamente esto es mucho más favorable y que va a haber un futuro maravilloso en el que, en lugar de GPUs y TPUs, pues todo el mundo utilizará este tipo de sistemas orgánicos, tanto en 2D sobre electrodos como en 3D, que es el tema en el que están trabajando ahora mucho, de quedar esas bolas, bolas de neuronas con astrocitos para que las alimenten y por fuera en la superficie con electrodos hacer pues toda la entrada y salida con esas bolas, ¿no? Pero no comparan el gasto energético no lo hacen por teraflop, ¿no? Porque si no, no, no, no, no, lo hacen por esto me ha gastado tanto y esto tanto para jugar al Pong, por aprendizaje, ¿vale? Dicen que esto aprende mucho más rápido, pero claro es que a las TPUs o a las GPUs les dan de verdad un juego del Pong, no les dan una. chorrada como esta, que esto es una estantería, ¿vale? El juego que han 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…
Héctor Socas explica la naturaleza híbrida del sistema, aclarando que no se basa únicamente en tejido neuronal, sino que incorpora un encoder para comprimir datos.
Habla: Héctor SocasPalabras #9encoder comprime datos para neuronaselectrodo inyecta señal a neuronasneuronas producen spikes propiosred neuronal artificial analiza spikes…que viene del juego va a una red neuronal que es un encoder, o sea coge toda esa información y pasa por una serie de capas que comprimen y sacan unos poquitos parámetros de ahí; eso se llama una red tipo encoder, es una red neuronal artificial electrónica. El sistema es híbrido, hay que tenerlo claro, no es solamente tejido neuronal. Entonces ese encoder saca unos pocos parámetros que son los que van a los electrodos que inyectan la señal a las neuronas. Los electrodos estimulan las neuronas con lo que le dice el encoder. Luego las neuronas producen también su propia señal, sus spikes, y esas señales van a otra red neuronal artificial que Es el decoder, que lo que 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…
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 #18 · Palabras #13red neuronal artificial aprendeseñales neuronales biológicas spikesinputs a neuronas biológicassistema híbrido estímulos eléctricos…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…