Introducción

Comencé a escribir el libro en abril de 2022. En ese momento, había implementado MuZero y tenía la intención de escribir un libro sobre ello. Después de codificar el modelo y completar su entrenamiento, pasé un tiempo reflexionando mientras veía los ejemplos funcionando. ¿Realmente lo estaba entendiendo bien? ¿Qué me faltaba? Un tiempo después, encontré la causa.

El deep learning y la IA son el resultado de numerosos fracasos y ensayos a lo largo de una larga historia tecnológica. Me di cuenta de que, además de los conocimientos básicos de matemáticas y física, carecía de una comprensión profunda de las muchas alternativas que habían surgido y desaparecido a lo largo de la historia tecnológica, así como del motivo por el cual estas tecnologías habían sobrevivido. Hace unos año y medio, volví a estudiar matemáticas y física, y hace un año y medio comencé a escribir el libro completamente de nuevo.

Ahora, aunque todavía sea imperfecto, quiero compartir con ustedes las reflexiones que me llevaron a escribirlo. El contenido del libro se actualizará continuamente a medida que avance mi estudio. Se ha escrito en coreano y otras traducciones han sido realizadas con la ayuda de LLMs. Tengo la intención de seguir expandiendo las versiones en otros idiomas.

Durante el largo tiempo dedicado a un solo tema, también hubo momentos de cansancio. En esos tiempos, mi familia, incluyendo a mis cuñadas, sobrinos y hermanos menores, fueron una gran fuente de apoyo. Sobre todo, la motivación que me impulsó a completar el libro provino de mis padres.

Gracias.

12 de marzo de 2025, Sun Yong Park.

Configuración del entorno

1. Uso de CoLab

Actualmente, en la esquina superior derecha de cada capítulo se puede iniciar una sesión dentro de CoLab. Es mejor estudiar ejecutando las celdas de código en el entorno de CoLab.

2. Ver el libro en formato HTML localmente

Después de descargar el repositorio localmente, para ver el libro en formato HTML, ejecute los siguientes comandos:

git clone https://github.com/Quantum-Intelligence-Frontier/dldna.git
cd dldna
python -m http.server

Al ejecutar estos comandos, se iniciará un servidor web local y podrá ver el libro en formato HTML a través de un navegador web. Por defecto, puede acceder a él en http://localhost:8000.

3. Ejecución de Jupyter Notebook localmente (entorno Conda)

Para ejecutar Jupyter Notebook localmente e instalar los paquetes necesarios, siga estos pasos. Se recomienda usar un entorno virtual de Conda.

Configuración del entorno Conda (necesario instalar Anaconda o Miniconda)
- Si no tiene instalado Anaconda o Miniconda, primero debe hacerlo. Descargue e instale el archivo de instalación desde la página de descarga de Anaconda o la página de descarga de Miniconda.
- Cree un nuevo entorno virtual de Conda. Puede cambiar dldna_env por el nombre que desee para su entorno. Se recomienda usar una versión de Python compatible con el repositorio (por ejemplo, 3.9, 3.10, 3.11).
```
conda create -n dldna_env python=3.10
```
- Active el entorno virtual creado.
```
conda activate dldna_env
```

Descargar y moverse al repositorio

git clone https://github.com/Quantum-Intelligence-Frontier/dldna.git
cd dldna

Instalar los paquetes necesarios

El archivo requirements.txt en el directorio dldna contiene la lista de paquetes necesarios. Instale estos paquetes usando pip.
```
pip install -r requirements.txt
```
- Si se produce un error al ejecutar pip install -r requirements.txt, asegúrese de hacerlo en el directorio raíz del repositorio, no dentro de la carpeta dldna.
Ejecutar Jupyter Notebook
```
jupyter notebook
```
o
```
jupyter lab
```
Se abrirá Jupyter Notebook o Jupyter Lab en su navegador web. Puede abrir los archivos .ipynb dentro de la carpeta dldna y ejecutar los notebooks.