Diccionario de uso (I)
Proyecto de Biología – Generación Automática de Redes Neuronales Funcionales
Autor: Dakaray King
Introducción
Bienvenido al Diccionario de uso del proyecto de biología desarrollado por Dakaray King.
Este documento define el léxico, las reglas semánticas y los parámetros fundamentales necesarios para la elaboración de prompts destinados a la generación automática de redes neuronales funcionales, empleando modelos de neuronas tipo Leaky Integrate-and-Fire (LIF) y mecanismos de búsqueda asistidos por IA.
El objetivo principal de este diccionario es garantizar que las instrucciones proporcionadas al sistema sean interpretables para el sistema, coherentes y ejecutables.
El sistema solo reconoce y procesa el vocabulario descrito explícitamente en este diccionario.
El uso de términos fuera de este marco impedirá la correcta interpretación del prompt y, por tanto, la generación de cualquier red neuronal.
Índice
Uso de frases complejas
Condiciones de conexión del cableado neuronal
Número de neuronas
Porcentaje de éxito específico
Tarea asignada
Variables reconocidas: significado y función
Ejemplo completo de uso
Valores predeterminados del sistema
1. Uso de frases complejas
El sistema permite el uso de lenguaje natural flexible, desde palabras clave simples hasta frases complejas u oraciones subordinadas, con el fin de facilitar la expresión de la intención del usuario.
No obstante, para que el sistema pueda interpretar correctamente la instrucción, el prompt debe contener explícitamente las palabras clave definidas en este diccionario.
El resto del vocabulario puede variar libremente y no afecta a la ejecución, siempre que no sustituya ni contradiga los términos esenciales.
El lenguaje natural adicional actúa únicamente como contexto descriptivo, útil para el usuario humano, pero irrelevante para la ejecución si no está asociado a palabras clave reconocidas.
2. Condiciones de conexión del cableado neuronal
Variable: Conectividad
Significado
Define el número medio de conexiones sinápticas activas por neurona, determinando la densidad del cableado neuronal.
Interpretación biológica
Una mayor conectividad implica:
Mayor integración de información.
Mayor complejidad dinámica.
Mayor susceptibilidad al ruido.
Una conectividad baja implica:
Circuitos más simples.
Menor consumo computacional.
Comportamientos más estables pero menos expresivos.
Palabras clave reconocidas
conectividad
conexiones
densidad
pocas conexiones
muchas conexiones
Valores posibles
baja → pocas conexiones por neurona
media → conectividad equilibrada
alta → muchas conexiones por neurona
También se admite especificación numérica directa.
3. Número de neuronas
Variable: Número de neuronas
Significado: Define el tamaño total de la red neuronal, es decir, el número de neuronas simuladas.
Interpretación biológica
Este parámetro controla:
El grado de paralelismo del circuito.
La capacidad de representación.
El coste computacional de la simulación.
Palabras clave reconocidas
neuronas
tamaño
red pequeña
red media
red grande
Valores posibles
pequeña → redes compactas y simples
media → equilibrio entre capacidad y estabilidad
grande → redes complejas y expresivas
También se admite especificación numérica directa.
4. Porcentaje de éxito específico
Variable: Porcentaje de éxito objetivo
Significado: Define la probabilidad mínima de éxito que debe alcanzar una red neuronal para considerarse válida.
Interpretación matemática
Este valor representa la probabilidad empírica P(x) de que la red:
Resuelva correctamente la tarea.
Bajo múltiples simulaciones con ruido.
Palabras clave reconocidas
porcentaje
objetivo
probabilidad
éxito
mínimo
Valores posibles
Valores expresados en porcentaje o como probabilidad decimal.
5. Tarea asignada
Variable: Tarea
Significado: Define el comportamiento funcional que la red neuronal debe aprender o reproducir.
Palabras clave reconocidas
xor
tarea xor
resolver xor
operación xor
Actualmente el sistema implementa únicamente la tarea XOR como caso de estudio, al tratarse de un problema:
No lineal.
No resoluble por una sola neurona.
Clásico en neurociencia computacional.
6. Variables reconocidas: significado y función
A continuación se describen las principales variables internas que el sistema puede ajustar, ya sea explícitamente por el usuario o implícitamente mediante valores predeterminados:
Sensibilidad neuronal (umbral)
Controla cuán fácilmente una neurona genera un disparo.
Estímulo de entrada
Determina la intensidad de la señal aplicada a las neuronas de entrada.
Ruido
Introduce variabilidad estocástica en la dinámica neuronal, simulando condiciones biológicas reales.
Neuronas de salida
Define qué neuronas se observan para decidir el resultado final de la red.
Criterio de decisión
Establece cuántos disparos son necesarios para considerar una respuesta positiva.
7. Ejemplo completo de uso
Ejemplo de prompt válido:
“Quiero resolver xor con una red media, conectividad media, neuronas sensibles, estímulo fuerte, ruido moderado y un objetivo mínimo del 85%.”
Este prompt contiene todas las palabras clave necesarias y puede ser traducido automáticamente a una simulación ejecutable.
8. Valores predeterminados del sistema
En caso de que el usuario no especifique explícitamente una variable, el sistema asignará automáticamente los siguientes valores predeterminados, considerados biológicamente plausibles y computacionalmente estables:
Número de neuronas: 10
Conectividad: media
Umbral neuronal: valor estándar
Intensidad del estímulo: media
Ruido: moderado
Ventana de evaluación: estándar
Neuronas de salida: neurona principal
Porcentaje de éxito objetivo: no especificado (sin restricción)
Estos valores garantizan que el sistema pueda generar y evaluar una red funcional incluso con prompts mínimos.
Nota final
Este diccionario constituye la base formal de interacción entre el usuario y el sistema.
Cualquier ampliación futura del proyecto implicará la extensión controlada de este léxico, manteniendo siempre la compatibilidad con los principios aquí definidos.