Cadence
Descripción
Las redes neuronales clásicas se entrenan por lotes, se congelan y luego infieren. Aquí el ciclo no se cierra: un cerebro en equilibrio continuo percibe, guarda estado local, actúa y repara lo que falla sin abandonar la misma instancia adquirida.
Con Brain.compose defines regiones recíprocas que se asientan juntas (Sistema 1: percepción, plasticidad, memoria y acción). Brain.live recorre cada observación y su resultado real: escritura de memoria, corrección local y acción motora cualificada. El Sistema 2 es opcional y añade realimentación recursiva para autoobservación y ajustes lentos en el mismo grafo.
Qué cambia frente al backpropagation
- El aprendiz compara actividades locales en fases libres y empujadas, sin un pase backward a través de esas fases.
- Parámetros y recuerdos sostienen una familia de equilibrios bajo evidencia cambiante, no un estado congelado.
- Un asentamiento numérico coherente no garantiza acierto sobre el mundo: hay que contrastarlo con observaciones y consecuencias reales.
Es software de investigación en fase alfa (Python 3.11+, NumPy, paquete cadence-net). Predicción integrada del mundo, reparación localizada de lo que falló y operación estable barata siguen como objetivos; hoy te sirve para probar adquisición, retención y recuperación a lo largo de una vida simulada, con foco en robótica e IA encarnada.
Tecnologías y temas
-
Aprendizaje online
Actualiza conexiones y memoria con cada observación y resultado real, sin un pase de backpropagation clásico.
-
IA encarnada
Índices sensoriales y motores en un cerebro que actúa en un mundo; pensado para robótica y experiencia continua.
-
Investigación alfa
Biblioteca Python (3.11+, NumPy). La predicción de mundo integrada y la operación estable aún están en desarrollo.
-
Redes en equilibrio
Regiones recíprocas que se asientan juntas; los parámetros no fijan un único estado congelado.
-
Sistema 1 y 2
Por defecto percepción, plasticidad, memoria y acción; el Sistema 2 opcional añade autoobservación y correcciones lentas.