Búsqueda · 29 momentos en 10 episodios
Juan Carlos GilSilvana TapiaLuisa AchaerandioGastón GiribetFrancis VillatoroHéctor SocasIgnacio Crespored neuronal aprende comandos juegohipotética mejora aprendizaje juegotres redes neuronales contribuyenablación para congelar redes neuronalesrendimiento del sistema híbridomejora estadísticamente significativaaprendizaje de redes artificialesRed NeuronalHéctor SocasProfesor FalkenJuan Carlos GilTPUsGPUsPongFrancis VillatoroFornoymanJuegos de GuerraJohn NashDoomSinkholeTPUGPUMIT
Hipotética mejora aprendizaje juego
Ep549: Agujeros Negros; IAlucinaciones; Engranajes; Materia Oscura; Doom Neuronal
12 de marzo de 20268 momentos
Con
0:000:301:001:302:002:303:003:303:45
Héctor Socas plantea un problema en el sistema híbrido: no se sabe con certeza qué red neuronal está contribuyendo a la mejora observada en el juego.
…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 aprendiendo a jugar no sabemos cuál de las tres o las tres es la que ha estado aprendiendo. Evidentemente ellos no son tontos son conscientes de esto y Lo que han hecho es una ablación. Es decir, han probado a congelar el aprendizaje de las otras de forma que se mantiene, ya no aprenden más las artificiales y ven que aún así sigue habiendo mejora en el rendimiento, pero no sabemos cuánto es esa mejora; puede que no sea estadísticamente significativa, puede que sea marginal, hombre, algo aprenderán. Son neuronas, de alguna forma; si realmente tienes un sistema de estímulo, respuesta, recompensa, penalización, algo aprenderán, pero es significativo; no sé, yo digo, a mí lo que se ve en el vídeo no me da la impresión de algo impresionante, de decir: oye,…
Significado #1 · Palabras #1
Héctor Socas y Juan Carlos Gil discuten sobre cómo jugar repetidamente a un juego puede ser una forma de desarrollar inteligencia, haciendo referencia a la película 'Guerreros' (WarGames) y al personaje del Profesor Falken.
Habla: Héctor SocasSignificado #3juego como desarrollo inteligencianash juegos suma distinta ceroprofesor falken reflejo de fornoyman…Mundial. Y ese concepto de como toda una línea de inteligencia artificial que empieza con AlphaGo y que nos lleva a revoluciones como el premio Nobel de 2024 por el plegamiento de proteínas y toda otra serie de cosas que está haciendo Dima, empiezan con Una máquina jugando muchas partidas a un juego, ¿no? O sea, cómo jugar mucho a un juego puede ser una forma de desarrollar una potencia de inteligencia. ¿Qué juego tan extraño? El único movimiento ganador es no jugar, ¿verdad? Profesor Falken. Sí, claro, la película sale del tercer raya, todo el rollo. Bueno, pero eso, todo eso parte de, claro, la película. El profesor Falken, este, o Falken, como se llame, es una especie como de reflejo de Fornoyman. Y Fornomen es el padre de la teoría de juegos, su versión moderna. Básicamente escribió los juegos de suma cero y es el matemático. Nash es el que plantea los de suma distintas de cero, con la mente maravillosa, que es famoso por la película y por el libro. El libro está mucho mejor que la película. Y no sé qué va a decir, pero no. Ese personaje y *Juegos de Guerra* está inspirado en esas ideas que publicó Fornoivan en su libro: de la idea de que en la economía y en los sistemas sociales las decisiones tomadas por humanos son más susceptibles a tener errores que las tomadas por…
Francis Villatoro explica que el sistema neuronal biológico ha aprendido a jugar al Doom, comparándolo con la forma en que aprendió a jugar al Pong. Menciona un software desarrollado por alguien de Sinkhole y cómo este utiliza las entradas.
Habla: Francis VillatoroSignificado #16sistema neuronal biológico doomsoftware sinkhole entradaspong como aprendizaje inicial…un niño al Doom, un niño ciego al Doom; un niño ciego al Doom jugando al Doom, o sea, no ve la pantalla, no ve lo que pasa, lo que hace es disparar aleatoriamente y rotar aleatoriamente y mata por casualidad y solo funciona en cierto trocillo del juego Doom. estamos hablando de una cosa de juguete absolutamente y después por supuesto también de las críticas ha aprendido ese sistema neuronal biológico cómo se juega el Doom porque lo que vendían con el Pong 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…
Francis Villatoro explica cómo se controla el sistema neuronal cultivado para jugar Pong, detallando que en cada momento solo se pueden activar hasta 32 electrodos y que esto permite realizar numerosas interacciones de juego.
Habla: Francis VillatoroSignificado #12electrodo neuronal para jugar ponginteracción de juego en 5 minutospaleta enorme en sistema neuronal…que le ponen reggaetón. Hay una figura en el artículo, un diagrama temporal; en vertical tienes todos los electrodos, los 1024 electrodos y después tienes la región de ruido. Se ve perfectamente porque se excitan muchos de ellos, más o menos aleatoriamente. En cada momento solo puedes excitar hasta 32, pero puedes elegir cuáles excitan. Entonces, de esa manera, en unos 5 minutos puedes proponer hasta 200 veces la interacción de juego: lo que es mover la bola hasta ver si choca con la pared o choca con la paleta. Recordad que la paleta es enorme. Pues en unos 5 minutos de entrenamiento, unas 300 etapas de entrenamiento, aparentemente el sistema neuronal aprende a jugar al juego. ¿Cómo codifico la posición? Fijaros que la bola tiene una posición horizontal y una posición vertical. La posición vertical…
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 VillatoroPalabras #10gasto energético sistemas neuronalestpu y gpu para pongaprendizaje más rápido en tpuspong versión juguete sistema neuronalestudiante programa pong simplificadotpus y gpus implementaciones completas…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 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…
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 SocasPalabras #19doom visualizado con bacterias bioluminescentesalgoritmo de aprendizaje mit neuronas biológicasestudiante mit aprende doom…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,…
Héctor Socas explica el proceso mediante el cual la información del juego llega a las redes neuronales, describiendo la función de un 'encoder' que comprime los datos.
Habla: Héctor SocasSignificado #11red neuronal encoderencoder comprime datos juegocapas comprimen parámetros…dónde está el enemigo más cercano, dónde está el otro enemigo, dónde están, y esa información es la que recoge el aparato en general. Y ahora el aparato, en el aparato hay tres redes neuronales: una es la biológica y otras dos son electrónicas, artificiales. ¿Por qué? Porque primero, esa información 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…
Héctor Socas plantea la posibilidad de utilizar una red neuronal para interpretar preguntas de un examen, comparando el proceso con el 'juego del teléfono' y destacando la necesidad de traducir los estímulos generados por las neuronas.
Habla: Héctor SocasPalabras #20red neuronal para interpretar examentraducir estímulos neuronas biológicasneuronas sin ojos conectadas…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…
Héctor Socas plantea un problema en el sistema híbrido: no se sabe con certeza qué red neuronal está contribuyendo a la mejora observada en el juego.
Habla: Héctor SocasSignificado #1 · Palabras #1red neuronal aprende comandos juegohipotética mejora aprendizaje juegotres redes neuronales contribuyenablación para congelar redes neuronalesrendimiento del sistema híbridomejora estadísticamente significativaaprendizaje de redes artificiales…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 aprendiendo a jugar no sabemos cuál de las tres o las tres es la que ha estado aprendiendo. Evidentemente ellos no son tontos son conscientes de esto y Lo que han hecho es una ablación. Es decir, han probado a congelar el aprendizaje de las otras de forma que se mantiene, ya no aprenden más las artificiales y ven que aún así sigue habiendo mejora en el rendimiento, pero no sabemos cuánto es esa mejora; puede que no sea estadísticamente significativa, puede que sea marginal, hombre, algo aprenderán. Son neuronas, de alguna forma; si realmente tienes un sistema de estímulo, respuesta, recompensa, penalización, algo aprenderán, pero es significativo; no sé, yo digo, a mí lo que se ve en el vídeo no me da la impresión de algo impresionante, de decir: oye,…