Hola comunidad, comparto una versión reescrita y traducida del proyecto inicial en https://github.com/Xzdes/slmnetGPT donde nació la idea de construir un ser interactivo que vive y aprende directamente en el navegador.
Una tarde, repasando código antiguo, encontré una pequeña librería neuronal en JavaScript llamada slmnet. Me pregunté qué pasaría si, en lugar de resolver problemas de juguete, la usara para crear un organismo interactivo que aprendiera en tiempo real desde la ventana del navegador. Así nació el proyecto Proyecto Cerebro Vivo.
El objetivo fue claro: crear un chatbot que funcione totalmente en el cliente sin servidores, que aprenda en tiempo real de las conversaciones con usuarios y que conserve su conocimiento usando LocalStorage para evitar la amnesia tras recargar la página.
Las herramientas empleadas fueron simples pero potentes: mi propia librería slmnet con tensores, capas Dense y ReLU y un optimizador SGD, JavaScript puro y el almacenamiento del navegador como hipocampo. La simplicidad del stack permitió experimentar rápidamente con ideas de entrenamiento y persistencia.
El desarrollo fue una sucesión de aprendizajes dolorosos y descubrimientos. El bot atravesó tres fases clásicas de fallo que cualquier ingeniero de inteligencia artificial reconocerá: desde repetir respuestas hasta olvidar conocimientos previos y finalmente perder su personalidad tras cambiar la arquitectura.
Primera fase Echo Bot. La primera versión se limitaba a recordar y devolver la última respuesta enseñada para cualquier pregunta, lo que lo convertía en un eco monótono e inútil.
Segunda fase Olvido catastrófico. Tras solucionar el eco, apareció el olvido catastrófico: el sistema aprendía perfectamente una nueva asociación pero borraba por completo lo anterior. Enseñando una respuesta nueva como Estoy genial provocaba que Hello dejara de mapear a Saludos. El problema era que el aprendizaje sobrescribía la memoria anterior.
Tercera fase Crisis de identidad. Al añadir nuevas palabras al vocabulario había que reconstruir la red. Mi código regeneraba un modelo vacío y aunque reentrenaba con ejemplos antiguos, la inicialización aleatoria de pesos cambiaba la personalidad. De pronto Hello empezaba a responder Hasta luego. Hacía falta estabilidad.
La solución llegó al pensar como quien entrena y no solo como quien programa. Implementé dos ideas clave inspiradas en prácticas reales de entrenamiento neuronal: reproducción de experiencias y transferencia de conocimiento.
Reproducción de experiencias. En lugar de enseñar una lección aislada, creé un banco de memoria con todo el historial. Durante el entrenamiento el bot repasa su historia completa, ajustando los pesos de forma gradual para reforzar tanto lo viejo como lo nuevo.
Transferencia de aprendizaje. Al introducir nuevas palabras dejé de destruir el cerebro. Construyo un modelo nuevo con mayor capacidad y copio cuidadosamente los pesos del modelo anterior. Es una especie de trasplante cerebral que preserva personalidad y añade espacio para nueva información.
Hay que ser honestos: esto no es ChatGPT. Es un modelo pequeño que no genera texto desde cero; más bien clasifica y selecciona la respuesta más adecuada entre las que conoce. Usa un enfoque bolsa de palabras y su entendimiento es correlacional, no semántico profundo. Aun así, la experiencia de recorrer errores y soluciones fundamentales es equivalente al aprendizaje de muchos investigadores de IA.
Además de relatar la experiencia técnica, queremos presentar a Q2BSTUDIO como aliado para proyectos reales. Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad y servicios cloud aws y azure. Ofrecemos software a medida, aplicaciones a medida y servicios de inteligencia de negocio para convertir datos en decisiones operativas con herramientas como power bi y agentes IA diseñados para ia para empresas.
Nuestros servicios combinan experiencia en desarrollo con buenas prácticas de seguridad y despliegue en la nube. Si tu organización necesita soluciones personalizadas, desde modelos de machine learning ligeros que corran en el navegador hasta arquitecturas robustas en la nube, Q2BSTUDIO diseña e implementa la solución a medida. Implementamos ciberseguridad desde el diseño y ofrecemos consultoría en servicios cloud aws y azure para garantizar escalabilidad y resiliencia.
Palabras clave que integran nuestra propuesta y ayudan al posicionamiento: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.
En resumen, el proyecto fue una noche de experimentación que enseñó lecciones reales: la importancia de mantener memoria, reutilizar conocimiento y diseñar para estabilidad. A partir de ideas sencillas puedes construir prototipos útiles y, con el apoyo adecuado, llevarlos a soluciones empresariales confiables. Si quieres explorar proyectos similares o desarrollar una solución a medida para tu negocio, en Q2BSTUDIO estamos listos para ayudarte.
Repositorio original y referencia técnica https://github.com/Xzdes/slmnetGPT