Program-as-Weights: Un paradigma de programación para funciones difusas | Integración de lógica de programa en pesos de modelos IA | Cómo programar funciones diferenciables con estructuras de código tradicionales

Abstract

PROBLEMA: La integración de lógica de programación estructurada dentro de modelos de aprendizaje profundo a menudo se limita a arquitecturas rígidas o requiere un rediseño completo de la red. SOLUCIÓN: Los autores introducen 'Program-as-Weights', un nuevo paradigma donde la estructura de un programa define la arquitectura de funciones difusas cuyos parámetros son optimizables como si fueran pesos de una red neuronal. METODOLOGÍA: El framework permite escribir código en lenguajes de alto nivel que se traducen automáticamente en grafos de cómputo diferenciables, permitiendo que el programa aprenda comportamientos complejos a partir de datos manteniendo la interpretabilidad del código fuente. RESULTADOS: Se demuestra superioridad en tareas que requieren tanto razonamiento lógico como adaptación estadística, superando a métodos tradicionales de 'neural programming' en eficiencia de parámetros. RELEVANCIA: Este enfoque es fundamental para crear sistemas de IA híbridos que combinan la robustez del software tradicional con la flexibilidad del aprendizaje automático.