Ordinateurs neuronaux

Résumé

Nous proposons une nouvelle frontière : les Ordinateurs Neuronaux (NCs) – une forme émergente de machine qui unifie le calcul, la mémoire et les entrées/sorties dans un état d'exécution appris. Contrairement aux ordinateurs conventionnels, qui exécutent des programmes explicites, aux agents, qui agissent sur des environnements d'exécution externes, et aux modèles du monde, qui apprennent la dynamique de l'environnement, les NCs visent à faire du modèle lui-même l'ordinateur en fonctionnement. Notre objectif à long terme est l'Ordinateur Entièrement Neuronal (CNC) : la réalisation mature et généraliste de cette forme de machine émergente, avec une exécution stable, une reprogrammation explicite et une réutilisation durable des capacités. Comme première étape, nous étudions si les primitives précoces des NCs peuvent être apprises uniquement à partir de traces d'E/S collectées, sans état de programme instrumenté. Concrètement, nous instancions les NCs comme des modèles vidéo qui déroulent des images d'écran à partir d'instructions, de pixels et d'actions utilisateur (lorsque disponibles) dans des environnements CLI et GUI. Ces implémentations montrent que les environnements d'exécution appris peuvent acquérir des primitives d'interface précoces, notamment l'alignement des E/S et le contrôle à court terme, tandis que la réutilisation de routines, les mises à jour contrôlées et la stabilité symbolique restent des défis ouverts. Nous esquissons une feuille de route vers les CNCs autour de ces enjeux. S'ils sont surmontés, les CNCs pourraient établir un nouveau paradigme informatique au-delà des agents, des modèles du monde et des ordinateurs conventionnels actuels.

English

We propose a new frontier: Neural Computers (NCs) -- an emerging machine form that unifies computation, memory, and I/O in a learned runtime state. Unlike conventional computers, which execute explicit programs, agents, which act over external execution environments, and world models, which learn environment dynamics, NCs aim to make the model itself the running computer. Our long-term goal is the Completely Neural Computer (CNC): the mature, general-purpose realization of this emerging machine form, with stable execution, explicit reprogramming, and durable capability reuse. As an initial step, we study whether early NC primitives can be learned solely from collected I/O traces, without instrumented program state. Concretely, we instantiate NCs as video models that roll out screen frames from instructions, pixels, and user actions (when available) in CLI and GUI settings. These implementations show that learned runtimes can acquire early interface primitives, especially I/O alignment and short-horizon control, while routine reuse, controlled updates, and symbolic stability remain open. We outline a roadmap toward CNCs around these challenges. If overcome, CNCs could establish a new computing paradigm beyond today's agents, world models, and conventional computers.