Búsqueda · 31 momentos en 19 episodios
Juan Carlos GilSilvana TapiaLuisa AchaerandioGastón GiribetFrancis VillatoroHéctor SocasIgnacio Crespobrett kagan ceo de la compañíaartículo neuron publicado en 2022kagan autor principal en neuronmatriz de electrodos hdmea max oneelectrodo de platino en mealimitaciones operativa matriz electrodos1024 electrodos útiles meaNeuronBrett KaganSaganFrancis VillatoroDoomHéctor SocasRonald GordoLLMHDMEA Max OneMEA
Kagan autor principal en Neuron
Con
0:000:301:001:302:002:303:003:303:45
Francis Villatoro menciona un artículo publicado en la revista Neuron en 2022 y describe a Brett Kagan, CEO de la compañía, como autor principal y figura clave en la promoción de esta tecnología.
…todo lo que necesita además de las neuronas y con electrodos por fuera puedo meter información, excitar eléctricamente a algunas de las neuronas y leer información con electrodos, obtener información de ese paquetito de neuronas. Aquí se hace en plano. ¿Y cuál es este dispositivo que se publicó en 2022 en la revista Neuron? El primer autor es, digamos, el jefe de la compañía, el CEO de la compañía, es Brett Kagan, que se ve, por supuesto, sale en el vídeo, no, tiene que salir, y ha escrito muchos artículos en muchas revistas prestigiosas en plan opinión, plan review del futuro de este tipo de tecnología, y lo que te vende es que esto va a ser algo revolucionario. Es Brett Kagan, no sé cómo se diga en inglés, K-A-G-I Kagan está bien. Bromeaban en el chat con el tema del Kagan. Para mí Sagan es Sagan, no sé ustedes. Bueno, pues este señor y su empresa desarrollaron una tecnología que ya tenía precedentes a principios de los años 2000 pero con muy poquitas neuronas, que es la idea de: imaginaos que yo tengo una matriz de electrodos con muchos electrodos. En este caso son electrodos; es una matriz de electrodos comercial que se compra y es una matriz que contiene. Se llama HDMEA Max One, es la más grande de la compañía MEA, que tiene 26.000 electrodos de platino distribuidos en 8 milímetros cuadrados. 26.000 electrodos, por supuesto con trampa; no podemos excitar y leer, o sea, escribir y añadir, o sea, excitar con una señal eléctrica un electrodo o leer la señal eléctrica de un electrodo de los 26.000, solo se puede trabajar con unos 1024, ¿vale? O sea, de los 26.000, solo son útiles 1024. Una pequeña limitación, ¿vale? Tampoco es que sea... Y a la hora de estimular, de que yo meta una señal en esos electrodos, solo puedo 32, ¿vale? O sea, que tengo una matriz de electrodos de 26 .000 electrodos que algún día en el futuro desearíamos y soñamos…
Significado #1 · Palabras #1
Héctor Socas introduce un paper que estudia el origen de las alucinaciones en redes neuronales desde una perspectiva de teoría de aprendizaje computacional, diferenciando entre las alucinaciones intrínsecas y aquellas causadas por datos incorrectos en el entrenamiento.
Habla: Héctor SocasSignificado #9alucinaciones intrínsecas red neuronaldatos incorrectos conjunto entrenamientoteoría aprendizaje computacional alucinaciones…dimensiones de ese vector donde se guardan, por ejemplo, información en los sistemas estos RAG, de Retrieval Augmented Generation, suelen tener 1.536, por lo visto, dimensiones Balance entre performance, entre capacidad y almacenamiento o complejidad. Bueno, pues este paper del que hablábamos intenta estudiar desde un punto de vista, como digo, de teoría de aprendizaje computacional el origen de las alucinaciones, las que son intrínsecas de la red neuronal, no las que aparecen, por ejemplo, porque haya datos incorrectos en el conjunto de datos de entrenamiento, perdón, eso ya. Son cosas que se sobreentiende que van a pasar. Digamos como lo mínimo a lo que se puede aspirar. Ellos llegan a la conclusión de que se puede hacer un modelo de lenguaje que no se equivoque nunca, que no tenga ninguna alucinación. Dice: sí, uno que siempre responda, no lo sé. Ese modelo trivial nunca va a producir alucinaciones, pero evidentemente eso es…
Francis Villatoro menciona un artículo publicado en la revista Neuron en 2022 y describe a Brett Kagan, CEO de la compañía, como autor principal y figura clave en la promoción de esta tecnología.
Habla: Francis VillatoroSignificado #1 · Palabras #1brett kagan ceo de la compañíaartículo neuron publicado en 2022kagan autor principal en neuronmatriz de electrodos hdmea max oneelectrodo de platino en mealimitaciones operativa matriz electrodos1024 electrodos útiles mea…todo lo que necesita además de las neuronas y con electrodos por fuera puedo meter información, excitar eléctricamente a algunas de las neuronas y leer información con electrodos, obtener información de ese paquetito de neuronas. Aquí se hace en plano. ¿Y cuál es este dispositivo que se publicó en 2022 en la revista Neuron? El primer autor es, digamos, el jefe de la compañía, el CEO de la compañía, es Brett Kagan, que se ve, por supuesto, sale en el vídeo, no, tiene que salir, y ha escrito muchos artículos en muchas revistas prestigiosas en plan opinión, plan review del futuro de este tipo de tecnología, y lo que te vende es que esto va a ser algo revolucionario. Es Brett Kagan, no sé cómo se diga en inglés, K-A-G-I Kagan está bien. Bromeaban en el chat con el tema del Kagan. Para mí Sagan es Sagan, no sé ustedes. Bueno, pues este señor y su empresa desarrollaron una tecnología que ya tenía precedentes a principios de los años 2000 pero con muy poquitas neuronas, que es la idea de: imaginaos que yo tengo una matriz de electrodos con muchos electrodos. En este caso son electrodos; es una matriz de electrodos comercial que se compra y es una matriz que contiene. Se llama HDMEA Max One, es la más grande de la compañía MEA, que tiene 26.000 electrodos de platino distribuidos en 8 milímetros cuadrados. 26.000 electrodos, por supuesto con trampa; no podemos excitar y leer, o sea, escribir y añadir, o sea, excitar con una señal eléctrica un electrodo o leer la señal eléctrica de un electrodo de los 26.000, solo se puede trabajar con unos 1024, ¿vale? O sea, de los 26.000, solo son útiles 1024. Una pequeña limitación, ¿vale? Tampoco es que sea... Y a la hora de estimular, de que yo meta una señal en esos electrodos, solo puedo 32, ¿vale? O sea, que tengo una matriz de electrodos de 26 .000 electrodos que algún día en el futuro desearíamos y soñamos…
Héctor Socas introduce la posibilidad de utilizar modelos de lenguaje grandes (LLM) para generar el código necesario para programar un juego simplificado y posteriormente aplicarlo a neuronas biológicas, respondiendo a una pregunta sobre la comparación entre neuronas electrónicas y biológicas.
Habla: Héctor SocasSignificado #15llm para programar juegosneuronas biológicas y llmronald gordo y francis…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,…
Héctor Socas explica cómo las señales generadas por las neuronas se interpretan y se traducen en acciones dentro del juego Doom.
Habla: Héctor SocasSignificado #6neuronas interpretadas en doominputs para el juego doomredes neuronales en doom…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 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…
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 #17red 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…