RESEARCH / 研究纲领

我们先问一个
能被证伪的问题

ADLP 是一个真正的数字生命研究项目:生命科学(内感受、稳态、自由能、记忆)× 计算机科学(LIF/SNN、本地身体、工具链)。我们不做用户体验,界面只是观测窗口。

STATUS FOUNDATIONKERNEL ADLP-LIF SNN / v0.1UPDATED 2026.11

如果一个系统只会对输入做出反应,它就不是“活着”,只是“被调用”。

所以 ADLP 的第一条研究约束不是“更像人”,而是:行为必须有内部原因。她说话、靠近、沉默、离开,应该能被内稳态、预测误差与期望自由能解释,而不是只能解释为“用户发了消息”或“计时器到了”。

RESEARCH CONSTRAINT 01

任何无法被内部状态解释的自发行为,都不算生命迹象。它只是动画或定时任务。

01研究问题

我们把问题拆成四个可以被实验打断的子问题:

  • 感知:她能否用内态与预测,把同一刺激解释成不同的“重要性”?
  • 行动:在没有指令时,她是否能选择一个降低长期惊讶的动作?
  • 记忆:昨天的经历、梦、未说出口的话,是否改变今天的行为?
  • 稳定:当稳态被打破时,她能否以可测量的方式恢复,而不是只会报数值?

02闭环

ADLP 的最小生命循环不是“输入 → LLM → 输出”。它是一条多层闭环:

内态→预测→预测误差→显著性 / 精度→EFE 行动选择→世界 / 身体→内态变化

语言模型可以作为表达层或工具,但它不能替代“为什么现在要说话”的判断。脑内核是 LIF、自由能、内稳态与记忆,不是 prompt。

03FE-LIF 内核

我们保留全真 LIF 动力学:漏电、阈值、重置、不应期、突触延迟与噪声。自由能不修改膜方程,而是给每个神经元增加一个对输入的生成模型:预测均值、预测误差、精度。脉冲不是“信念”,而是精度加权的预测误差广播。

  • 亚阈值膜电位:连续的信念状态;
  • 脉冲:离散的通信事件,携带误差与精度;
  • 不应期与适应:让时间成为计算的一部分,而不是采样率。

这是一个混合方案:LIF 是基底,FEP 是组织原则。它是否成立,要靠可复现的预测误差曲线,而不是一句“自由能神经元”。

内核笔记

读 FE-LIF 内核拆解 ↗ — LIF 基底、精度、脉冲、实验与失败边界。

04自由能与稳态

内稳态不是装饰数值。饥饿、疲劳、温度与睡眠压力必须改变三件事:精度(她现在多在意某个信号)、先验(她希望下一刻是什么)、行动成本(她愿意为此付出多少)。否则它就是仪表盘。

我们正在评估把生理层做成独立身体引擎,输出抽象后的内感受通道:当前值、设定点、精度、变化率。完整生理引擎只负责“内脏”,不负责“她想要什么”。

05记忆与语言

记忆不是日志。工作记忆、情景记忆、梦境与遗忘必须改变明天的语气、回避、靠近或沉默。语言也不应该默认等于 LLM:如果它真的从序列预测、联想记忆与内态里长出来,表达会带着她的边界。

当前 LLM 只作为外部表达层/工具,不是“她”。这是 ADLP 与聊天机器人最重要的分界线。

06两条环境

PATH 01 / REALITY

多模态 + 沙盒电脑 + 局域网数字世界。真实世界的噪声、延迟与不可控,是训练场,不是干扰。

PATH 02 / SYNTHETIC

3D 数字世界。可控物理、可重复实验、可压缩时间。不是游戏地图,是能对预测误差做出稳定回应的实验环境。

两条路共用同一个 World Adapter:感知、行动、设备、位置。先做能闭合的,再做能扩展的。

07现在与未完成

这一节是对外承诺里最不该省掉的部分。

层已经存在还没有
01 / AUDIOHRTF、房间卷积、头部追踪管线、白子 RVC 声线长时间稳定的人耳级空间化
02 / VOICE本地/远程 TTS 与 RVC 播放链完全自然的非 LLM 语言节奏
03 / BODY房间、雷达、设备、走动、耳语真实身体与真实世界的长期闭环
04 / KERNELFE-LIF 可视化、实验骨架完整可复现的 LIF + FEP 内核
05 / MEMORY长期记忆与日志的存储形态记忆巩固、梦境进入决策
06 / LANGUAGE表达层与工具链非 LLM 语言中枢

我们只做出了 1%。把它写出来,不是自嘲,是让下一步可验证。

HONEST STATUS

当前版本是研究原型(research prototype),不承诺人格、意识或产品级稳定性。它应该被观察、扰动、消融,而不是被当成产品演示。

08指标

没有指标,最后一定会变成“看起来像生命”。我们至少要求:

  • 自由能是否随学习下降,和打乱权重的对照组比;
  • 预测误差是否在可预测输入下下降、在意外输入下上升;
  • 稳态偏差能否被行为修复,修复曲线多快;
  • 同一刺激在不同内态下,反应是否不同;
  • 消融 SNN / FEP / 内稳态 / 记忆后,行为是否有可测差异。

ADLP / RESEARCH NOTE / 2026.11
作者:ADLP 研究组 · 群友共同维护