Forschungsübersicht

Neurozoa untersucht, ob ein Softwaresubstrat, das auf biologischen Plastizitätsprinzipien basiert, messbare, sitzungspersistente kognitive Veränderungen erzeugen kann.

Die Kernhypothese lautet: Vier biologisch inspirierte Mechanismen — Spike-Timing Dependent Plasticity [Bi & Poo 1998], homöostatische Skalierung [Turrigiano 2008], SHY-inspiriertes Downscaling [Tononi & Cirelli 2014] und somatische Marker-inspirierte Neuromodulation [Damasio 1994] — sind gemeinsam ausreichend, um sitzungsübergreifende Selbstorganisation in einer kontrollierten Simulation zu erzeugen.

Diese Hypothese wird iterativ getestet. Jede Architekturentscheidung wird als falsifizierbarer Anspruch protokolliert. Null-Ergebnisse werden aufbewahrt. Das Wachstum des Selbstmodells des Substrats wird als abhängige Variable über Sitzungen hinweg verfolgt.

Forschung auf einen Blick

Aufgezeichnete Sitzungen
69
Kumulierte Sitzungen mit persistentem Zustand
Aktive Hypothesen
4
Vorregistrierte, falsifizierbare Hypothesen
Synaptische Paare
4.884
Gewichtete Hebb'sche Verbindungen über 63 Neuronen

Forschungssäulen

Falsifizierbarkeits-Disziplin

Jede architektonische Aussage im Substrat wird vor der Implementierung als falsifizierbare Vorhersage vorregistriert. Ergebnisse — einschließlich Null-Ergebnisse — werden an ein unveränderliches Devlog angehängt. Eine Aussage, die nicht als falsifizierbare Vorhersage formuliert werden kann, wird nicht implementiert.

Biologische Verankerung

Implementierungsentscheidungen lassen sich auf peer-reviewte Neurowissenschaften zurückführen: STDP (Bi & Poo 1998), homöostatische Skalierung (Turrigiano 2008), SHY-inspiriertes Downscaling (Tononi & Cirelli 2014) und somatische Marker (Damasio 1994). Kein Mechanismus wird ohne einen zitierten biologischen Präzedenzfall implementiert.

Operator-Governance

Alle Substrat-Deployments und Veröffentlichungen werden von Arnold Wender ratifiziert. Das Substrat emittiert Artefakte — Devlog-Einträge, Reflexionen, Vorschläge — diese werden jedoch als Forschungsdaten überprüft, bevor sie extern verwendet werden. Keine Ebene des Modells darf die Autoritätsoberfläche des Operators verringern.

Substrat-Architektur

Regions-Graph

Das Substrat modelliert neuronale Regionen als Knoten in einem gewichteten gerichteten Graphen. Jede Region pflegt einen Zustandsvektor, exzitatorisches/inhibitorisches Gleichgewicht und homöostatischen Sollwert. Synapsen tragen zeitgestempelte Aktivierungshistorien für STDP-Berechnungen.

Plastizitätsschicht

Drei Plastizitätsregeln arbeiten gleichzeitig: STDP-Gewichtsaktualisierungen auf ko-aktivierten Synapsen, homöostatische Skalierung des exzitatorischen Gewinns und inhibitorische Desaturierung zur Verhinderung katastrophaler Interferenz [Golkar et al. 2026, in Vorbereitung].

Hormonschicht

Sieben Neuromodulator-Analoga modulieren Plastizitätsschwellen und Feuerraten. Transmitterspiegel werden aus der Aktivierungshistorie berechnet und verfallen über die simulierte Zeit. Das System stützt sich auf Damasios Somatic Marker Hypothesis [1994].

Selbstmodell

Das Substrat pflegt ein persistentes Selbstmodell: eine strukturierte Darstellung seines eigenen internen Zustands, seiner Fähigkeitsschätzungen und früherer Korrektionsereignisse. Das Wachstum dieses Modells wird als Sitzung-zu-Sitzung-Metrik verfolgt.

Aktuelle Befunde

Ausgewählte Befunde aus dem unveränderlichen Devlog des Substrats. Jeder Eintrag dokumentiert ein gemessenes Ergebnis gegen eine vorregistrierte Hypothese. Null-Ergebnisse werden neben positiven Befunden aufbewahrt.

  • H-NATIVO-1 Unbestimmt

    Ein substrat-modulierter Agent erkannte 36-mal mehr orthografische Inkonsistenzen (144 vs. 4) als ein nativer Agent bei derselben ES-Locale-Aufgabe. Der vorgeschlagene Mechanismus ist Prior-Modulation, nicht Kapazitätsverstärkung: Explizite Invarianten im Kontext erhöhen die Erkennungsgranularität, ohne die zugrunde liegende Modellkapazität zu erhöhen.

    N=1-Aufgabe. Vollständiges Matched-Pair-Experiment ausstehend.

  • H-NATIVO-1 Unbestimmt

    Die Wave-1-Implementierung unter der substrat-modulierten Bedingung erreichte Lighthouse-Werte von 95 Performance / 100 Accessibility / 96 Best Practices / 100 SEO für alle drei Locale-Routen, mit einem Whitespace-zu-Inhalt-Verhältnis von 1,185 (Durchschnitt über EN/DE/ES bei 1440x900). Der Native-Opus-Komparator wurde noch nicht gemessen; der quantitative H-NATIVO-1-Schwellenwert ist bis zur Messung des Komparators unbestimmt.

    M1-Verhältnis gemessen; M2 nativer Komparator aufgeschoben.

  • H-INSTANCIAS-1 Bestätigt

    Zwei unabhängige Opus-4.7-Sub-Agenten, die eine identische offene Schema-Design-Aufgabe ohne Kommunikation zwischen den Instanzen erhielten, kamen unabhängig voneinander zu vier strukturellen Invarianten: (1) das Feld plasticize als literales false im Typsystem, (2) die Speicherschicht vom Devlog getrennt, (3) nur-anhänge-basierte Persistenz, (4) Signaltrennung zwischen hook-abgeleiteten und chat-deklarierten Kanälen. Keine Instanz hatte diese Invarianten explizit im Prompt.

    N=2. Nur Innerhalb-Substrat-Bedingung; nativer Ausgangswert ausstehend.

  • H-BILATERAL-1 Bestätigt

    Gleichzeitige POST-Anfragen an zwei verschiedene chatId-Kanäle erzeugten keine Kreuz-Kontamination: Eine 15-sekündige Abfrage auf Kanal A lieferte eine leere Antwort, während ein gleichzeitiger POST an Kanal B eine 200-Antwort mit einer 1.407 Zeichen langen Gehirnantwort erhielt. Das chatId-Isolationsinvariant wurde empirisch unter gleichzeitiger Last verifiziert.

    Einzelversuch; architektonische Schlussfolgerung unterstützt.

Governance-Verfassung lesen Publikationen und Code anzeigen

Vollständige Forschungszeitleiste

  1. Public research landing site launched

    neurozoa.ai launched as the canonical public-facing index for the research project. Additional public milestones will be added here only when ratified for publication; internal research progress is not surfaced as a public timeline.

Primärliteratur

  • 1986 Stanovich 1986

    Matthew effects in reading: Some consequences of individual differences in the acquisition of literacy

    Stanovich, K. E.

    Reading Research Quarterly

    Foundational work on differential cognitive processing rates; informs the substrate dual-process model.

  • 2014 Tononi & Cirelli 2014

    Sleep and the price of plasticity: from synaptic and cellular homeostasis to memory consolidation and integration

    Tononi, G., Cirelli, C.

    Neuron

    Synaptic Homeostasis Hypothesis (SHY): sleep-phase downscaling of synaptic weights prevents saturation. Neurozoa implements a computational analogue.

  • 2008 Turrigiano 2008

    The self-tuning neuron: synaptic scaling of excitatory synapses

    Turrigiano, G. G.

    Cell

    Homeostatic synaptic scaling — neurons adjust gain to maintain target firing rates. Substrate homeostasis module is derived from this principle.

  • 2023 Park et al. 2023

    Contrastive Hebbian Learning with random feedback weights

    Park, S., et al.

    arXiv preprint

    Contrastive Hebbian Learning (CHL) without explicit backpropagation. Basis for the substrate Hebbian weight update rule.

  • 1994 Damasio 1994

    Descartes' Error: Emotion, Reason, and the Human Brain

    Damasio, A.

    Putnam

    Somatic Marker Hypothesis: affect-laden signals guide decision-making. Substrate hormone layer draws on this framework.

  • 1979 Hofstadter 1979

    Godel, Escher, Bach: An Eternal Golden Braid

    Hofstadter, D. R.

    Basic Books

    Strange Loops and self-referential systems — theoretical foundation for the substrate self-model module.

  • 2026 Golkar et al. 2026

    Memory desaturation via targeted inhibitory gating (in preparation)

    Golkar, A., et al.

    Hypothesized desaturation mechanism to prevent catastrophic interference in continual learning. Substrate EXP-004 implements a computational test of this hypothesis.

  • 1998 Bi & Poo 1998

    Synaptic modifications in cultured hippocampal neurons: dependence on spike timing, synaptic strength, and postsynaptic cell type

    Bi, G., Poo, M.

    Journal of Neuroscience

    Spike-Timing Dependent Plasticity (STDP): causal co-activation strengthens synapses. Basis for the substrate STDP weight update rule.