Mis apuntes de IA y ciencia, explicados tres veces: para novatos, para intermedios y para técnicos. La primera lección ya está aquí, y el blog tiene más cosas.
Cada lección se explica con tres niveles. Eliges tu carta una vez y la web la recuerda.
Ejemplo: ¿cómo reconoce una red neuronal a un gato?
Imagina una sala llena de votantes diminutos. Cada uno mira una parte de la foto y grita más fuerte si ve algo que le gusta: orejas puntiagudas, bigotes… La sala decide "gato" si gritan bastantes. Aprender es enseñarles a quién deben hacer caso.
Cada neurona multiplica sus entradas por unos pesos, las suma, añade un sesgo y pasa el resultado por una función de activación. Las capas se encadenan: las primeras detectan bordes, las siguientes formas, las últimas "gato". Entrenar es ajustar los pesos para reducir el error.
| En ♦ decíamos | En ♠ se escribe |
|---|---|
| los pesos y el sesgo de una capa | W⁽ˡ⁾, b⁽ˡ⁾ |
| lo que sale de una capa y entra en la siguiente | h⁽ˡ⁾ |
| multiplicar por los pesos, sumar y añadir el sesgo | afín: W⁽ˡ⁾h⁽ˡ⁻¹⁾ + b⁽ˡ⁾ |
| la función de activación | σ, la no linealidad |
| el error | L, la pérdida |
| cuánto cambia el error si tocas un peso | ∂L/∂W, por la regla de la cadena (backprop) |
| ajustar los pesos para reducir el error | W ← W − η∇L (η: tamaño del paso) |
| tarda en proporción al número de pesos | O(parámetros) |
h⁽ˡ⁾ = σ(W⁽ˡ⁾h⁽ˡ⁻¹⁾ + b⁽ˡ⁾)
La red es una composición de afines y no linealidades. Backprop aplica la regla de la cadena para obtener ∂L/∂W en O(parámetros) y el optimizador actualiza W ← W − η∇L. Sin σ, toda la red colapsa a una sola transformación lineal.
Ni saben de medicina ni son ocho modelos pegados. Seis mitos sobre los Mixture of Experts, desmontados con lo que midieron Mixtral, OpenMoE y otros.
DeepSeek-V4-Pro tiene 1,6 billones de parámetros y usa 49 000 millones por palabra. Cómo funciona un MoE, qué cuesta y cuándo conviene un modelo denso.
Muros, lanzas de acero, oro y personas: lo que costaría cada transmutación de FMA con física real, qué existe hoy y por qué el problema es el tiempo.
Qué es esta web, por qué cada lección se explica tres veces, quién es el bufón que te acompaña y qué temas vienen: IA, datos, cuántica y nanociencia.
Filtra por tipo de publicación y por tema.
La primera ya está. Las siguientes: IA, datos, cuántica y nanociencia, con widgets que se tocan.
Una foto son millones de números, y casi todo lo que la IA hace con ella es multiplicar y sumar. Vectores, producto escalar y matrices en tres niveles, con dos widgets.
Romper enlaces cuesta y formarlos devuelve, pero casi ninguna reacción arranca sin subir una colina. Por qué el diamante dura y el agua sirve de pila, con widget.