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”。
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:
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”。
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 / AUDIO | HRTF、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 / KERNEL | FE-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。
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