Digital Marketer, entepreneur and prof.
Dreaming in @makelismosbrand.
Immersing in #NFT & #Blockchain.
Tireless seeker.
Tech | Sonology | New Media | MKT
@CesarHurtado Un tío del Barakaldo que tenía todo el sentido del mundo que ficharan y un fichaje estratégico de 1M€ que acaba de marcar dos goles y que tiene una pinta brutal.
Vamos a ser más optimistas con el Club, con el Equipo y con el Míster porque el ruido no viene bien a nadie
@AnalisisABP Martín Fernández tiene potencial para ser jugador importante en segunda división, y puede que en primera. Ya ha callado a muchos que criticaron su fichaje, y lo seguirá haciendo.
Jugadorazo.
Muy interesante el proyecto https://t.co/Xr5a1g4vml que recoge más de 1.700 startups de YC que han muerto. Con post mortem superdetallados y quién resolvió después el mismo problema con éxito.
Además también ofrece un playbook para revivir esos proyectos (con una parte de pago), pero aun así, mucha valiosa información libre.
Posterous murió. Substack llegó después. Webvan no sobrevivió. Instacart sí. Y como estas, un montón.
Las ideas no mueren, evolucionan.
El timing y la ejecución sí importan, y mucho.
Hay más recursos parecidos: https://t.co/3tccfPf08x (todo lo que Google lanzó y abandonó), https://t.co/bxoS7z0tuT (400+ startups fallidas filtradas por industria y causa), o https://t.co/Bu0wdezucC (de pago, de Greg Isenberg, convierte tendencias de Reddit en ideas con demanda real).
Lo que me parece interesante de todo esto con el potencial que hoy nos ofrecen las herramientas de IA es que el coste de explorar esas ideas se ha desplomado.
Muchas fallaron por timing, no porque la idea fuese mala. La infraestructura no estaba lista, el usuario no había madurado, el coste de construcción era inasumible para un equipo pequeño.
Esas tres barreras han bajado mucho.
Me da que en los próximos años vamos a ver bastantes relanzamientos de ideas que murieron entre 2010 y 2020.
No copias. Adaptaciones con equipos de 2-3 personas como mucho donde antes hacían falta 20.
Estos "cementerios" son en realidad bancos de ideas con autopsias incluidas.
Esta noticia me parece muy importante.
200.000 neuronas humanas cultivadas en laboratorio jugando al Doom de 1993.
No una red neuronal artificial. No un LLM. Neuronas de verdad, creadas a partir de células de piel o sangre de donantes adultos, creciendo sobre un chip de silicio dentro de una máquina que cabe en un escritorio.
Cortical Labs (@CorticalLabs), una startup australiana, acaba de publicar el vídeo y el código en GitHub (https://t.co/xNZy90EtDt).
Su ordenador biológico CL1 (unos 35.000 dólares la unidad) tiene un sistema de soporte vital interno que mantiene las neuronas vivas hasta seis meses. Temperatura, filtración de residuos, mezcla de gases, circulación. Todo dentro de la caja. Un acuario para cerebros en miniatura, si quieres verlo así.
La historia viene de lejos. En 2022, con su prototipo DishBrain, ya enseñaron a 800.000 neuronas a jugar al Pong. Las neuronas aprendieron en unos cinco minutos. Un algoritmo estándar de deep reinforcement learning tardaba unos 90 minutos en lo mismo.
Eso ya fue un hito. Pero Internet pidió lo que ultimamente siempre pide: "¿Puede correr Doom?"
Pues sí. Puede.
Ahora la cosa se pone interesante de verdad. Doom es un juego en 3D con laberintos, enemigos, armas, navegación espacial. Varios órdenes de magnitud más complejo que mover una paleta en el Pong. Para conseguirlo, el investigador independiente Sean Cole usó la API de Cortical Labs y lo montó en menos de una semana (cuando el Pong llevó más de un año de desarrollo). El sistema traduce la señal de vídeo del juego en patrones de estimulación eléctrica. Las neuronas "sienten" lo que pasa en la pantalla. Si disparan en un patrón concreto, el marine dispara. Si disparan en otro, se mueve a la derecha. Aprendizaje adaptativo en tiempo real, con latencia por debajo del milisegundo.
Esto ya no es Pong. Esto es otra cosa bastante mas seria y compleja.
Y aunque el hype con esto puede ser tremendo creo que también es importante leer la letra pequeña.
El propio Sean Cole, en la documentación del repositorio de GitHub, reconoce algo que casi nadie está mencionando: su decodificador (el software convencional que traduce los disparos neuronales en acciones del juego) tiende a convertirse en lo que él llama un "policy head". Es decir, el software de PyTorch que rodea a las neuronas puede estar aprendiendo a resolver el juego por su cuenta, esquivando a las propias neuronas. Cole incluso ha incluido modos de ablación en el código para que otros investigadores puedan probar si las células realmente importan o si el silicio está haciendo todo el trabajo en la sombra.
Eso es honestidad científica de la buena. Y dice mucho del estado real del proyecto: lo que han resuelto de forma brillante es el problema de interfaz (conectar neuronas vivas con un entorno digital en tiempo real). Lo que todavía no han demostrado es que 200.000 neuronas humanas puedan ser las que realmente toman las decisiones en lugar de ir de pasajeras.
Y aquí es donde, en mi opinión, esto se pone más interesante que el vídeo viral.
Porque lo que Cortical Labs está construyendo no es un juguete para que Internet se ría. Están creando la primera plataforma comercial de computación biológica. Ya han vendido 115 unidades. Un rack de 30 CL1 consume entre 850 y 1.000 vatios, comparable a un servidor GPU de gama media. Y han abierto una nube (Cortical Cloud) para que cualquier desarrollador pueda desplegar código directamente sobre neuronas vivas sin tener un laboratorio.
Las aplicaciones médicas son las que me parecen realmente brutales. Poder modelar enfermedades cerebrales, probar fármacos sobre neuronas humanas reales sin necesidad de modelos animales, estudiar cómo procesan información las neuronas de forma directa... Cortical Labs lo llama "Inteligencia Biológica Sintética" para diferenciarlo de la inteligencia artificial convencional. Y creo que el nombre es acertado.
Igual que pasó con Internet a finales de los 90, donde mucha gente miraba las primeras webs y decía "¿para qué quiero yo esto?", puede que estemos viendo los primeros pasos de algo que dentro de unos años nos parezca obvio. Neuronas humanas cultivadas como componente de computación, aprendiendo de datasets minúsculos comparado con lo que necesita cualquier LLM, consumiendo una fracción de la energía.
La pregunta es si esto será un complemento de la IA de silicio o algo completamente distinto. Me da que todavía es pronto para saberlo. Pero una cosa tengo clara: cuando la biología y la computación se mezclan a este nivel, las reglas del juego cambian. Y 200.000 neuronas jugando al Doom, por chapucero que sea el resultado hoy, es el tipo de demostración que dentro de 10 años miraremos como miramos ahora aquella primera web de Yahoo.
@AlbaceteBPSAD Pase lo que pase en el partido, claramente tenemos mejor plantilla que antes del mercado de invierno. Confianza y apoyo 100% a @algonfer17
Leng Jun’s 2004 oil painting is often hailed by experts as “the painting that surpasses the Mona Lisa.”
It is widely regarded as one of the most hyperrealistic artworks in the world.
@AlbaceteBPSAD Apoyo siempre al míster. La plantilla tiene muchas más variantes ahora que antes del mercado de invierno.
@algonfer17 todo el apoyo de los que valoramos tu trabajo.