Una red neuronal real se está enseñando a diseñar un soporte de motor de avión — en vivo, en tu navegador, impulsada por física real. El optimizador aquí es literalmente un MLP de coordenadas: una pequeña red neuronal que toma la posición (x, y, z) de cada elemento del soporte y produce cuán sólido debe ser ese elemento. El cerebro y la pieza son el mismo objeto. Lo que estás viendo son los pesos de la red actualizándose, iteración tras iteración, hasta que el campo de densidad que producen es un soporte que no se romperá y no desperdicia metal.
Nada aquí está esculpido a mano. Cada paso de entrenamiento sigue el mismo ritmo de cuatro tiempos que todo el aprendizaje automático: un pase directo a través de la red produce un campo de densidad; un solucionador de estrés por elementos finitos — la «prueba de tortura» — comprueba cómo se dobla el soporte bajo carga; una pérdida de deformación (no rompas) más una penalización de volumen (quédate ligero) miden cuánto están fallando los pesos actuales; y la retropropagación devuelve la culpa a través del solucionador, a través del MLP con características de Fourier, hasta cada peso y sesgo mediante Jacobianos reales. Adam entonces da un paso. El mando de tasa de aprendizaje ajusta cuán audazmente avanza; el inspector de nodos muestra las activaciones de neuronas individuales — aunque, como señala el panel con honestidad, los científicos aún no pueden nombrar plenamente lo que hace cada mando. Eso no es una limitación de esta exhibición. Es el estado real de la ciencia.
El enfoque — optimización topológica neuronal, o TOuNN — fue publicado hacia 2021, y es el matrimonio deliberado de dos exhibiciones ya presentes en esta ala: el Escultor IA (que ejecuta SIMP, una actualización de densidad heurística clásica, cuerpo hacia adelante) y el Laboratorio de Neuronas (que entrena un MLP para leer dígitos). La Máquina que Sueña pone la retropropagación a trabajar en un objeto físico en lugar de un problema de clasificación, usando gradientes reales para inventar estructura del mismo modo que el Logic Lab de DigiSim usa lógica de puertas reales para construir computación. Las tres salas son una trilogía intencional: optimizador heurístico, optimizador neuronal, lector de dígitos — el mismo motor de descenso de gradiente, tres trabajos diferentes.
Especificaciones
- Método
- Optimización topológica neuronal (TOuNN) — un MLP de coordenadas es el diseño
- Cerebro
- MLP con características de Fourier (x,y,z)→densidad, entrenado por Adam a través de un FEM en vivo
- Pérdida
- Deformación + penalización de volumen — «no rompas» y «quédate ligero»
- Simulado
- Pase directo + retropropagación real, ∇-verificado; onda de culpa + enlaces Jacobiano cerebro↔cuerpo
Más de Aprendizaje automático
