CEO DE CTRL-LABS: TENDREMOS INTERFACES NEURONALES EN MENOS DE 5 AÑOS

Puede ser un poco difícil comprender qué está haciendo exactamente Ctrl-labs con la tecnología. Eso es irónico, dado que Ctrl-labs quiere dejar que su cerebro use directamente la tecnología traduciendo la intención mental en acción. Hablamos con Thomas Reardon, CEO de Ctrl-labs, en Web Summit 2019 a principios de este mes para comprender exactamente cómo funciona la interfaz cerebro-máquina.

Modelo de Mapa autoorganizado

Un mapa auto organizado
que muestra los patrones de votación
del Congreso de EUA visualizado en Synapse.

Introducción

Un mapa auto-organizado (SOM por sus siglas en inglés) o un mapa auto-organizado de características (SOFM por sus siglas en inglés) es un tipo de red neuronal artificial (ANN por sus siglas en inglés), que es entrenada usando aprendizaje no supervisado para producir una representación discreta del espacio de entrada de las muestras entrenantes, llamado mapa. Los mapas auto-organizados son diferentes de otras redes neurales artificiales, en el sentido que estos usan una función de vecindad para preservar las propiedades topológicas del espacio de entrada.

RNA de Aprendizaje Competitivo

Una red básica de aprendizaje competitivo tiene una capa de neuronas de entrada y una capa de neuronas de salida. Un patrón de entrada x es un simple punto en el espacio real o binario de vectores n-dimensional. Los valores binarios (0 ó 1) de representación local son más usados en los nodos de salida. Esto es, hay tantas neuronas de salida como número de clases y cada nodo de salida representa una categoría de patrones.