Perslis 制造大脑。
小。显式。可检查。可适应。可移植。
我们从一个小问题开始:一个儿童玩具,能不能离线拥有一个有用的、属于它自己的大脑?解决它,迫使我们弄清智能如何被压缩、表示、移动、检查——并最终被经验改变。向下滚动,按我们构建它的顺序,看这个大脑逐步成形。
拖动可旋转,滚动可逐区浏览。
小。显式。可检查。可适应。可移植。
我们从一个小问题开始:一个儿童玩具,能不能离线拥有一个有用的、属于它自己的大脑?解决它,迫使我们弄清智能如何被压缩、表示、移动、检查——并最终被经验改变。向下滚动,按我们构建它的顺序,看这个大脑逐步成形。
00第一天
一个儿童玩具,能不能拥有自己的小型离线大脑?
智能住在产品里面——而不是在产品的整个生命周期里向云端租用。大模型是老师和工具,永远不是那个常驻的大脑。
012026 年 2–3 月
小而专门的大脑
第一个身体是一款为无法依赖口语的儿童设计的沟通应用(AAC)。它的大脑是一套对话树,离线运行在便宜的平板上。
记录在案 Peel 始于辅助与替代沟通(AAC)。
022026 年 3–5 月
老师 → 验证者 → 学生
一个大型老师写出候选数据;验证者决定是否准入;一个小型学生从零开始,只在被准入的内容上训练。这不是蒸馏:未经验证者准入的东西,一样也到不了学生那里。
记录在案 TinkyBrain v6:2,550 万参数,24 MB,在 2017 年的 Kindle Fire 上每次回答约 2.9 秒。
032026 年 3 月起
知识不再被困在权重里
一个带类型的记录与关系存储:每个答案都是一行你可以阅读、引用和删除的数据。模型降级为生成器或渲染器;存储是事实唯一的作者。
记录在案 约 372,764 条结构化记录。以结构为条件,在同一个模型上把回答多样性从 0.589 提升到 0.966。
042026 年 3 月起
系统记得发生了什么,以及为什么
每个事实都带着它的来源。决定变成可检查、有出处的状态转移,而不是读完即逝的输出。
记录在案 每个事实都可追溯到它被提取出来的来源。
052026 年 9 月
失败成为改变大脑的机制
观察到的失败 → 证据 → 假设 → 候选改变 → 受控测试 → 否决、未证明或晋升——都在学习者无法放宽的授权之内。
记录在案 4,280 张卡片变成 30 条规则和 203 个相互链接的证据块。Space Invaders +32%;Freeway −12%,照实发表。
062026 年 9 月
它在运行中改变,无需梯度下降
运行中的系统在尝试之间改变它的操作知识:演化器提出、医生诊断、修剪移除——每一步都只凭证据。没有任何神经权重被更新。
记录在案 Doom:提出 37 个改变,1 个晋升。BattleZone:凭证据修剪,比原生规则高 66%。
072026 年 9 月
不再为每个环境重建一个大脑
同一个架构运行 Doom、GoldenEye、Fallout、坦克、无人机赛道、照片级驾驶与遗留软件——在一个游戏中训练的大脑可以被密封、移动,并在另一个游戏中运行。
记录在案 一个在 BZFlag 中训练的坦克大脑,在 80 个种子上比 BattleZone 的原生规则高 17%。
08下一步
世界不再是软件
硬件在环、低成本实体平台、人形机器人试验台,然后是经认可的机器人对机器人比赛——每一步都以前一步为门槛。
记录在案 我们计划送上擂台的机器人,是那个玩具大脑的后代。
那项工作成了 SML。SML 带来了显式的知识结构。这些结构带来了追踪。追踪让失败变得可观察。失败带来了失败优先。失败优先带来了 Peel。而 Peel 把我们带回了起点:一座制造大脑的工厂。
神经模型可以有数十亿个权重。Peel 学习新东西时不需要改变它们:它持久的学习状态是显式的——可以阅读、引用和删除的行——而地板限定了其中任何一部分可以做什么。
不更新权重的学习并不新:符号学习、归纳逻辑编程、程序合成、演化方法与屏蔽都做得到。我们的主张更窄——这个架构、产生它的方法,以及它每一次改变背后的证据。 失败优先模型及其先例 →
Doom 不是这家公司。格斗机器人不是这家公司。儿童沟通应用也不是这家公司。它们是 Perslis 大脑被放进去的身体和世界。