Curso y proyecto · Redes neuronales en el juego de la serpiente
En el Snake clásico, cada manzana hace crecer el cuerpo una casilla y acelera el reloj del juego. Aquí puedes ver en vivo a las redes de las 5 corridas experimentales: desde la red ingenua que da vueltas o choca, pasando por la que aprende rápido pero muere atrapada en su propio cuerpo, hasta las redes con percepción de espacio libre (DQN y Neuroevolución) entrenadas en pocos segundos de CPU.
Los porcentajes junto a la cabeza muestran qué fracción de las casillas libres es alcanzable si la serpiente sigue recto, gira a la derecha o a la izquierda. Cuando un giro encierra a la serpiente en un bucle de su propia cola, el número cae en rojo (<35%) y las redes C4 y C5 lo esquivan.
<35%
Rayos X en vivo · Qué percibe la red y qué decide en este cuadro
Izquierda: las entradas activas en este turno. Centro: activaciones de las primeras 12 neuronas ocultas (ReLU). Derecha: el valor Q(s, a) estimado para cada uno de los 3 giros; el recuadro oscuro marca la decisión elegida.
Experimento en vivo · Dos cerebros ante exactamente las mismas manzanas
Ambas serpientes parten con la misma semilla aleatoria: las manzanas aparecen en las mismas coordenadas. Observa cuándo la red de 11 entradas (C3) se encierra sola al crecer y cómo responde la de 14 entradas (C4), o compara DQN (C4) contra Neuroevolución (C5).
1 · El curso paso a paso
clase.html
Las 6 lecciones interactivas que acompañan a los scripts 01_…py a 06_…py: el giro relativo, la trampa del bucle infinito, la ecuación de Bellman, el Replay Buffer, la neuroevolución y el algoritmo de flood-fill, más las soluciones de ejercicios.py.
01_…py
06_…py
ejercicios.py
2 · La bitácora de hipótesis
tesis.html
Por qué fallaba la red inicial, las tesis H1 a H5 con predicciones escritas antes de correr, las curvas reales de convergencia en episodios y en segundos de CPU, y la tabla con los mejores parámetros para entrenar en tiempo mínimo.