Búsqueda · 25 momentos en 12 episodios
Juan Carlos GilSilvana TapiaLuisa AchaerandioGastón GiribetFrancis VillatoroHéctor SocasIgnacio Crespollm 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 doomRonald GordoFrancis VillatoroLLMHéctor SocasDoomID SoftwareGoogleChatGPTMIT
Neuronas biológicas y LLM
Con
0:000:301:001:302:002:303:003:303:45
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.
…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…
Significado #1 · Palabras #1
Francis Villatoro menciona una revista prestigiosa especializada en neurociencia que tuvo gran repercusión al publicar un artículo sobre un procesador neuronal.
Habla: Francis VillatoroPalabras #5procesador 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 VillatoroPalabras #9neuronas humanas mejores que ratónsistema neuronal cultivado 2022incertidumbre fenómeno neuronas humanasalgoritmo aprendizaje refuerzo neuronalneuronas desagradan el ruidoseñal castigo neurona…abajo y yo muevo la flecha para arriba cuando esas dos regiones me marcan flecha para arriba y muevo la flecha para abajo cuando las dos regiones me marcan flecha para abajo. Y cuando hay conflicto y una marca para arriba y otra para abajo, pues no hago nada. Con eso se han obtenido mejores resultados. 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,…
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 #1 · 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 aclara que la imagen de Doom mostrada no representa lo que realmente ven las neuronas, sino una versión simplificada del juego original.
Habla: Héctor SocasPalabras #2doom y id software en 1997código fuente de doom liberadogoogle para verificar datos…tú haces con el procesador este, en realidad el procesador ve un juego extremadamente simplificado, ve como una especie de esencia del Doom que consiste en disparar y moverme para izquierda y para la derecha casi aleatoriamente a ver cuánto mato. Pero si está tokenizado, o sea, entonces, voy a decir un par de cosas, Francis lo mencionó, hay una pantallita en la que se ve el Doom, pero eso no es lo que están viendo las neuronas, las neuronas no están viendo la imagen, esto, para empezar, no es el Doom, Doom, sino es una versión que, o sea, el ID Software, que es la empresa que lo creó, liberó el código fuente en 1997, pero, este dato lo miré hace poco, lo busqué en Google, no se lo pregunté un LLM, así que no es una alucinación El código está liberado pero los monstruitos, los demonios, las musiquitas todo eso no; todo eso tiene copyright entonces está hecho con un mod de esos que hace la gente y hay uno que es como muy estándar para hacer benchmarks entonces no es el Doom al que…
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 #2 · Palabras #4red 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…
Héctor Socas reflexiona sobre la incertidumbre inherente a las respuestas generadas por los modelos de lenguaje grandes (LLM), como ChatGPT, y menciona una característica específica que indica el nivel de confianza del modelo en sus propias afirmaciones.
Habla: Héctor SocasPalabras #10incertidumbre de las afirmaciones llmchatgpt nivel de confianza respuestasgrado de incertidumbre chatgpt…han pre-aprendido. Exacto, el aprendizaje ocurre durante el pre- y el post-entrenamiento, pero no cuando habla contigo. Cuando habla contigo solo hay el contexto que le da tu conversación, pero las neuronas no se modifican; siguen estando igual que antes, sí. Pero es un tema interesante porque, claro, esto habla sobre la incertidumbre ¿no? Yo me preguntaba o sea, no solemos plantearnos yo por lo menos no he visto ningún estudio sobre el grado de incertidumbre de las afirmaciones de un LLM pero de alguna manera sí que lo tienen porque yo le tengo puesto esto como te decía en el chat GPT y siempre al final de la respuesta me dice de qué cosas está bastante seguro y de cuáles menos. Héctor, ¿y no se estará inventando su verosimilitud? Bueno, puede ser, pero tienes que poner un control para la verosimilitud. ¿Estás seguro de que, como has etiquetado tú a tus opiniones, son buenas? En fin, es que es el mismo modelo. Sí, sí, sí, pero…
Héctor Socas expresa frustración y sugiere que las preguntas recibidas podrían estar relacionadas con el tema anterior sobre 'Doom', posiblemente porque él dejó de tomar nuevas preguntas al finalizar ese tema.
Habla: Héctor SocasPalabras #17preguntas relacionadas doom clarofrustración héctor socas preguntassección de preguntas terminada tema…Bueno, el Doppler es redshift, pero entiendo que la pregunta es cómo se distingue el redshift cosmológico del redshift Doppler. ¿Alguien quiere?, Francis, por ejemplo, que creo que no te he pasado ninguna del, ¿cómo es que nadie ha preguntado por el Doom? Estoy enfadado. Neuronas biológicas, hablando del Doom Claro, ¿puede ser que yo ya he dejado de coger preguntas desde que terminamos el tema y empecé a la sección de preguntas? Es posible que, lo siento Francis, al ser el último tema es posible que estas preguntas hayan quedado. Voy a ver si veo alguna. Venga, vayan respondiendo a esa. En principio son dos cosas conectadas con cierta, digamos. semejanza que puede llevar a la confusión pero cuando hablamos de red chip fosmológico estamos hablando de que estamos aplicando lo que vemos que es un desplazamiento al rojo de una galaxia lejana la estamos interpretando como efecto debido a la expansión de…