Computadores Neurais

Resumo

Propomos uma novas fronteira: Computadores Neurais (CNs) – uma forma de máquina emergente que unifica computação, memória e E/S em um estado de execução aprendido. Diferentemente dos computadores convencionais, que executam programas explícitos, dos agentes, que atuam sobre ambientes de execução externos, e dos modelos de mundo, que aprendem dinâmicas ambientais, os CNs visam tornar o próprio modelo o computador em execução. Nosso objetivo de longo prazo é o Computador Completamente Neural (CCN): a realização madura e de propósito geral desta forma de máquina emergente, com execução estável, reprogramação explícita e reutilização durável de capacidades. Como um passo inicial, investigamos se primitivas iniciais de CNs podem ser aprendidas apenas a partir de traços de E/S coletados, sem estado de programa instrumentado. Concretamente, instanciamos CNs como modelos de vídeo que geram quadros de tela a partir de instruções, pixels e ações do usuário (quando disponíveis) em ambientes de CLI e GUI. Essas implementações demonstram que tempos de execução aprendidos podem adquirir primitivas iniciais de interface, especialmente alinhamento de E/S e controle de curto prazo, enquanto a reutilização de rotinas, atualizações controladas e estabilidade simbólica permanecem em aberto. Esboçamos um roteiro para CCNs em torno desses desafios. Se superados, os CCNs poderiam estabelecer um novo paradigma de computação além dos agentes, modelos de mundo e computadores convencionais atuais.

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.