Talk to Transformer es un experimento de Adam King en el que se escribe una frase y un algoritmo basado en una red neuronal, llamado GPT‑2, lo completa generando un texto con sentido. De momento está disponible sólo en inglés, peor es cuestión de alimentarlo con más datos.

Podríamos imaginar que el cerebro humano estuviese compuesto de una única red neuronal global no estructurada de forma modular, es decir, sin partes especializadas en realizar tareas concretas. Las plantas tienen un tipo de estructura fractal en la que no existen de forma única órganos, ni ningún tipo de unidades funcionales especializadas: tienen muchas hojas, muchas flores, muchas raíces, etc. De este modo pueden resistir la destrucción de gran parte de su organismo antes de morir. Por el contrario, nuestro cuerpo fallece inexorablemente cuando se dañan órganos de los que sólo disponemos la unidad: corazón, hígado, páncreas, cerebro… Tener partes muy diferenciadas te hace muy sensible al fallo, mientras que si tu organismo es una constante repetición de lo mismo, la tolerancia al error es mucho más alta.

Investigadores de la corporación rusa Neurobotics y el Instituto de Física y Tecnología de Moscú han encontrado una manera de visualizar la actividad cerebral de una persona como imágenes reales que imitan lo que observan en tiempo real. Esto permitirá nuevos dispositivos de rehabilitación después de una apoplejía controlados por señales cerebrales. El equipo publicó su investigación como preimpresión en bioRxiv y publicó un vídeo en línea que muestra su sistema de "lectura de la mente".

En 1896 Louis Lumière filmó un cortometraje titulado L’Arrivée d’un train en gare de La Ciotat. Denis Shiryaev, utilizando algoritmos alimentados por redes neuronales (incluidos Gigapixel AI y DAIN de Topaz Labs), no solo aumenta el metraje a 4K, sino también la velocidad a 60 cuadros por segundo.

Mejorados con redes neuronales los fotogramas de la película tomada en la Belle Époque de París, Francia, desde 1896 hasta 1900. Relacionada: www.meneame.net/m/tecnología/60-fps-moscu-calle-tverskaya-1896

Película de 1901 que sirvió de inspiración para la escena de las faldas de Marilyn Monroe en "La tentación vive arriba", mejorada a 60fps mediante redes neuronales.

Presentamos Jukebox, una red neuronal que genera música, incluyendo canto básico, en forma de audio sin editar, con variedad de géneros y el estilos de artistas. Publicamos el código y los pesos del modelo, junto con una herramienta para explorar las muestras generadas. Se incluyen audios generados con el estilo de Elvis Presley, Michael Jackson, Eminem, Whitney Houston, Johnny Cash, Bruno Mars, etc.

Nuevas redes neuronales sugieren hipótesis basadas en patrones que localizan en nubes de datos, sin considerar suposiciones humanas. Este enfoque de Inteligencia Artificial podría inspirar a las personas a pensar en viejas preguntas desde perspectivas sugeridas por algoritmos.

El superordenador de ajedrez Deep Blue fue eclipsado por la revolución de las redes neuronales, pero, 25 años después, quizá no haya dicho su última palabra. El 11 de mayo de 1997, Gari Kasparov se movía inquieto en su lujoso sillón de piel en el Equitable Center de Manhattan (EE UU), mesándose el cabello de forma nerviosa. Era el final de su partida contra el superordenador Deep Blue de IBM, el desempate crucial del enfrentamiento entre humanos y silicio, y las cosas no le iban bien. Culpándose a sí mismo, después de cometer un grave error...

DABUS es un sistema de inteligencia artificial (IA) desarrollado por Stephen Thaler. Es un complejo sistema de redes neuronales estimuladas para generar nociones simples y, a su vez, combinarlas para obtener nociones complejas. Como resultado, DABUS ha sido capaz de desarrollar un contenedor fractal de líquidos y un sistema de señales luminosas fractales. Lejos de centrarnos en si estos inventos son suficientemente innovadores, ¿puede DABUS ser considerado como inventor? Esta cuestión ha puesto en jaque a oficinas de patentes de todo el mundo..

Recuperamos un video del movimiento que tiene lugar en una escena oculta al observar cambios en la iluminación indirecta en una región visible cercana no calibrada. Resolvemos este problema factorizando el video observado en un producto matricial entre el video desconocido de la escena oculta y una matriz desconocida de transporte de luz. Parametrizando las matrices de factores utilizando redes neuronales convolucionales da como resultado descomposiciones que reflejan el movimiento real en la escena oculta.

Si bien las redes neuronales artificiales son incansables y más precisas que los humanos, cuando se trata de aprendizaje secuencial, o aprender una cosa nueva tras otra, se vuelven olvidadizas. Una vez capacitadas, es muy difícil enseñarles tareas completamente nuevas. Y si logras entrenar la nueva tarea, terminas dañando la vieja memoria. Esa actividad se llama "olvido catastrófico". Según diversos estudios una IA puede necesitar "dormir" para funcionar correctamente.

Siempre que realizas activamente una tarea (por ejemplo, levantar pesas o realizar un examen difícil), las partes del cerebro necesarias para llevarla a cabo se vuelven «activas» cuando las neuronas aumentan su actividad eléctrica. Pero, ¿tu cerebro está activo incluso cuando estás distraído en el sofá? La respuesta, según han descubierto los investigadores, es sí. Durante las últimas 2 décadas han definido la red neuronal por defecto, una colección de áreas del cerebro aparentemente no relacionadas que se activan cuando no estás haciendo nada.

Los científicos del Instituto Max Planck de Cibernética Biológica, han desarrollado una novedosa metodología multimodal llamada "neural event-triggered functional magnetic resonance imaging" (eventos neurales activados por imágenes de resonancia magnética funcional) (NET-fMRI), y presentaron los primeros resultados que obtuvieron utilizándolo en experimentos con el comportamiento de monos anestesiados y despiertos. Traducción en #1

Muchas veces nuestros pensamientos nos son impuestos. Toda reacción consciente a un estímulo externo es por definición algo impuesto por el afuera. Pero cualquier persona que haya intentado meditar aunque sea sólo un poco comprende lo difícil que es poner la mente en blanco. Es interesante pensar al cerebro y a sus conexiones neuronales como un animal a adiestrar, un caballo al que se debe domar de forma tal que mejore su rendimiento por lo menos en términos de creatividad y concentración.

Investigadores de la UAB han desarrollado un material magnético capaz de imitar la forma en la que el cerebro almacena la información. El material permite emular la sinapsis de las neuronas e imitar por primera vez el aprendizaje que se produce durante el sueño profundo. [...] «El nuevo material funciona con movimiento de iones controlado por voltaje eléctrico, de forma análoga a nuestro cerebro, y a velocidades similares a las que se producen en las neuronas, del orden de los milisegundos» [...] Ofrece una nueva función lógica que permite, por ejemplo, la posibilidad de imitar el aprendizaje neuronal que se produce después de la estimulación del cerebro, cuando dormimos profundamente.

Un modelo cognitivo formado por dos millones de neuronas artificiales, desarrollado por científicos italianos y británicos, es capaz de aprender a hablar partiendo de cero, sólo a través de la comunicación con un interlocutor humano.

Para la mayoría de la gente, la imaginación alcanza para entender el mundo en cuatro dimensiones, pero un nuevo estudio ha descubierto estructuras en el cerebro con hasta once dimensiones - el trabajo innovador que está comenzando a revelar los secretos arquitectónicos más profundos del cerebro. Utilizando la topología algebraica de una manera que nunca antes había sido utilizada en neurociencia, un equipo del Blue Brain Project ha descubierto un universo de estructuras y espacios geométricos multidimensionales dentro de las redes del cerebro.

El equipo de Shanhui Fan, de la Universidad de Stanford en California, ha comprobado que es posible "adiestrar" redes neurales artificiales directamente sobre un chip óptico. Esto podría ser el punto de partida para desarrollar modos menos caros, más rápidos y con mayor eficiencia energética, de realizar tareas informáticas complejas, como el reconocimiento del habla o de imágenes. Hasta ahora, este "aprendizaje" solo se había logrado en sistemas total o parcialmente eléctricos. En español: bit.ly/2K4ycpp Rel.: menea.me/1lv5h

Un grupo de investigadores de IBM acaba de publicar en la revista PNAS el mapa neurológico más detallado y fiable de cuantos se han realizado hasta ahora. En él se aprecia, con un detalle sin precedentes, la compleja red de conexiones entre las distintas áreas cerebrales de un macaco.