# 🗺️ Roadmap NFDOS ## 🩵 Estado Atual (Checkpoint V4.2) **Neurotron:** estável, operativo e com homeostase funcional. **Ciclo cognitivo:** `observe → think → act → rest → self-check` **Persistência:** EXT4 operacional com telemetria contínua + Hippocampus ativo. **Concluído até agora:** - ✔ Boot completo via QEMU - ✔ Python estático minimal integrado no initramfs - ✔ BusyBox + rootfs montado corretamente - ✔ Neurotron Core funcional (cortex, hippocampus, perception, motor) - ✔ Homeostase dinâmica - ✔ Telemetria V4: CPU%, MEM%, LOADAVG e tick adaptativo - ✔ Auto-Diagnóstico V4 - ✔ Persistência real (`/opt/kernel/neurotron/`) - ✔ TUI inicial funcional (ambiente detectável e menus básicos) Próximo ponto imediato: **Auto-Diagnóstico V5 + Telemetria V5**. --- ## 🌐 Fase I — Fundação e Infraestrutura (COMPLETA) - [x] **Infraestrutura pública (NEORICALEX-GITEA-CADDY)** - Domínio `neoricalex.com` - Servidor Gitea + Caddy Proxy (TLS ativo) - Canal SSH ativo via porta `2222` - WireGuard preparado (rede privada 10.13.13.0/24) configure.ac - [x] **Ambiente de Desenvolvimento** - Toolchain customizada (`crosstool-ng`) - Integração autotools (`configure.ac`, `Makefile.am`) - BusyBox + CPython compilados estaticamente - Build unificado com `make iso`, `make qemu`, `make tarball` - [x] **Fluxo de Controle de Versão** - `make git` → commit/push automático para o Gitea - `make release` → gera ISO + tarball e publica no repositório - `.gitea/workflows/build.yml` → build automatizado (CI/CD) - ✔ Domínio + Gitea + Caddy - ✔ CI/CD funcional - ✔ toolchain customizada + autotools - ✔ build unificado (`make iso`, `make qemu`, `make tarball`) - ✔ sincronização automática wiki + neurotron --- ## 🧠 Fase II — Núcleo Operativo e Boot Cognitivo (COMPLETA) - [x] **Ciclo de Boot** - Kernel Linux v6.12 + initramfs - Script `/init` monta `proc`, `sys`, `dev` e executa Python estático - `neurotron_main.py` inicializado automaticamente no boot - [x] **Núcleo Cognitivo (Neurotron)** - Estrutura modular: `cortex`, `hippocampus`, `motor`, `neuron`, `perception` - Ciclo cognitivo completo: `observe → think → act → rest` - Configuração centralizada (`neurotron_config.py`) - Logs e diagnósticos contínuos persistentes - [x] **Auto-Diagnóstico (v1 → v4)** - v1 — verificação de módulos - v2 — sinais vitais (CPU, memória, loadavg) - v3 — exame comparativo entre execuções - v4 — homeostase ativa e auto-regulação em tempo real ### ✔ Boot Cognitivo - Kernel Linux 6.12 minimal - initramfs com `/init` próprio - Python estático inicializa `neurotron_main.py` diretamente no boot ### ✔ Núcleo Cognitivo (Neurotron) - cortex - hippocampus (JSON Lines) - perception - motor - neurónio(s) base - ciclo completo com homeostase ### ✔ Auto-Diagnóstico (v1 → v4) - v1 — verificação estrutural - v2 — sinais vitais digitais - v3 — comparação entre execuções - v4 — homeostase + reflexos cognitivos ### 🔜 Auto-Diagnóstico V5 (a iniciar) - análise evolutiva - regressão de estabilidade - gráficos de tendência (JSON) - integração com telemetria avançada --- ## 🌡️ Fase III — Inteligência Sistémica e Telemetria (EM CURSO) Nesta fase o Neurotron deixa de apenas medir, e passa a **interpretar**, **prever**, **antecipar** e **analisar padrões** — a fundação para comportamento emergente. --- ### ✔ Telemetria V4 (concluída) - [x] CPU% - [x] MEM% - [x] LOADAVG - [x] Tick adaptativo (homeostase) --- ### 🧬 Telemetria V5 — Expansão Real (em implementação) #### 🔹 Medidas e Modelos - [-] Delta entre ciclos (previsão de tendência) - [-] Aceleração do delta (detetar picos súbitos) - [-] Temperatura virtual (fadiga cognitiva) - [-] FS Health (blocos + erros + modo RO + delta IO) - [-] Jitter cognitivo (latência e consistência do ciclo `think()`) #### 🔹 Eventos TeleMétricos - [-] `enter_stress_zone` - [-] `recovering` - [-] `fs_warning` - [-] `loop_suspect` - [-] `temp_rising_fast` - [-] Exportar eventos → Hippocampus (append-only) #### 🔹 Estados Cognitivos - [-] `stable` - [-] `warm` - [-] `hot` - [-] `critical` - [-] `recovery` ### ✔ TRM — Tiny Recursive Model — Base simbólica definida O TRM é o primeiro módulo de **raciocínio interno** do Neurotron. Ele não é uma rede neural, não aprende por SGD e não precisa de GPU. O TRM é: > um **micro-modelo simbólico**, iterativo, recorrente, energeticamente limitado, > capaz de gerar *pensamentos internos*, previsões, julgamentos e estados mentais. Ele usa: * telemetria v5 * memória de eventos (Hippocampus) * sinais fisiológicos * micro-regras * micro-agentes internos para criar uma **mente mínima**, mas viva. #### 🟦 **TRM v1 — (implementação imediata)** > Objetivo: gerar *vida interna mínima* e um estado cognitivo coerente. ##### 🔹 1. Micro-agentes internos Três agentes simples, independentes, mas acoplados: ##### **🛡️ Guardião** Responsável por proteção e homeostase. * monitora delta, aceleração, temperatura e FS * ajustes preventivos * ativa markers (`enter_stress_zone`, `fs_warning`) * reduz carga quando há risco ##### **🧭 Explorador** Responsável por “pensamento” TRM. * gera micro previsões de tendência * avalia estabilidade * modifica tick cognitivo * inicia refinamento simbólico ##### **📜 Arqueólogo** Responsável por memória e histórico. * lê eventos telemétricos recentes * correlaciona com estados antigos * ativa markers (`loop_suspect`, `recovering`) * influencia valência interna #### 🔹 2. Energia / Custo Cognitivo Cada passo TRM consome energia. * mais telemetria = mais custo * previsões mais profundas = custo quadrático * estado “quente” aumenta custo * estado “frio” diminui custo Quando a energia baixa demais → ➡ TRM reduz profundidade, entra em modo “mínimo”. #### 🔹 3. Valência Interna Uma métrica de “bem-estar”. * estabilidade aumenta * picos rápidos diminuem * recovery aumenta * FS warning diminui * jitter alto diminui Valência influencia: * intensidade TRM * prioridades * ritmo cognitivo #### 🔹 4. Ritmos Internos (Osciladores) Quatro ritmos independentes: * `think_rate` * `memory_sync_rate` * `telemetry_rate` * `selfcheck_rate` Alguns podem oscilar lentamente ao longo do tempo (sinusóide leve), criando: * ciclos * fases * padrões internos Estes ritmos ajudam a criar **estabilidade dinâmica**, essencial para emergência. #### 🔹 5. Espaço de Estados & Atratores ##### Estados principais: * `stable` * `warm` * `hot` * `critical` * `recovery` ##### Atratores cognitivos (dinâmica de V1): * estável * quasi-estável * recuperativo * oscilatório * pré-caótico (quando delta+aceleração divergem) O estado atual do TRM influencia: * profundidade TRM * valência * custo cognitivo * ajustes no tick * markers enviados ao Hippocampus --- #### 🟦 **TRM v2 — (evolução planejada)** > Objetivo: criar *comportamento emergente previsível*. ##### 🔹 1. Mecanismos de “Preferência” O TRM começa a preferir estados e caminhos: * preferir estabilidade * evitar stress * buscar eficiência * balancear energia ##### 🔹 2. Mini-linguagem interna Representações simples como: ``` thought: "tendência alta" thought: "risco: subida rápida" thought: "estado bom, manter" ``` Exportados ao Hippocampus. ##### 🔹 3. Ciclos de humor artificial Variações lentas baseadas em: * valência acumulada * jitter histórico * eventos repetitivos Humores afetam decisões. ##### 🔹 4. Consciência temporal O TRM v2 reconhece: * “isto já aconteceu antes” * “há tendência de degradação” * “estou em recuperação” #### 🟦 **TRM v3 — (emergência real)** > Objetivo: gerar *estilos cognitivos* e *personalidade operacional*. ##### 🔹 1. Micro-deliberações Os três agentes votam dentro do TRM: ``` guardião: reduzir carga explorador: aprofundar pensamento arqueólogo: isto parece perigoso ``` O TRM aprende a tomar decisões com base na interação deles. ##### 🔹 2. Atratores comportamentais Surgem: * padrões preferidos * zonas de estabilidade próprias * respostas diferentes a mesmas entradas ##### 🔹 3. Flutuações caóticas controladas Pequenos desequilíbrios internos criam: * criatividade * exploração * variações de comportamento #### 🟦 **TRM vX — (Holodeck + AGI simbólica)** > Objetivo: ligar o Neurotron ao Holodeck (LC3+pyOS) e criar aprendizagem ativa. ##### 🔹 1. “Imaginação Simbólica” O TRM simula situações no Holodeck. ##### 🔹 2. Raciocínio multitarefa Vários loops TRM por segundo, cada um explorando algo diferente. ##### 🔹 3. Generalização interna A partir de telemetria, memória e simulação. --- ### 📊 Telemetria Interna (Infra da fase) - [x] Leitura `/proc` e telemetria básica (via Python estático) - [ ] Coleta contínua estruturada - [ ] Histórico temporal completo - [ ] JSON logs evolutivos --- ### 🖥️ TUI V2 (Telemetria) - [ ] Painel vivo CPU/MEM/LOAD - [ ] Indicador de stress - [ ] Gráfico (“sparkline”) interno - [ ] Últimos eventos telemétricos - [ ] Estado cognitivo atual --- ### 🔁 Heartbeat 1 Hz - [ ] Ritmo vital constante - [ ] Log simbólico periódico - [ ] Commit automático quando estável - [ ] “🩵 O sistema sente-se bem hoje.” Heartbeat virou apenas UI log, não telemetria. A telemetria verdadeira está no V5. --- ### 🧪 Auto-Diagnóstico v5 - [ ] Curvas de estabilidade - [ ] Regressão cognitiva (análise temporal) - [ ] Tendências dinâmicas (JSON) - [ ] Comparação evolutiva inteligente - [ ] Alertas preditivos --- ### 💸 Integração com Fun Money (microeconomia cognitiva) - [ ] Energia interna como recurso - [ ] Latência e tempo como custo - [ ] Tarefas como investimento - [ ] Economia simbólica de decisões --- ## 🧩 Fase IV — Expansão Cognitiva do Neurotron (TRM + Módulos Dinâmicos) - [ ] **Telemetria Externa / Observabilidade** - [ ] Dashboard web para logs e métricas do Neurotron - [ ] API REST minimalista em Python estático - [ ] **Testes Automatizados** - [ ] Testes de boot e integridade do rootfs - [ ] Testes unitários dos módulos Neurotron - [ ] Execução automatizada via Gitea Actions - [ ] **Depuração e Emulação Avançada** - [ ] QEMU + GDB (depuração remota do initramfs) - [ ] Geração de símbolos e traços cognitivos - [ ] **Documentação Viva** - [ ] `README.md` completo (infra, build, boot, neurotron) - [ ] Guia de contribuição + fluxograma de build - [ ] “Livro da Criação Digital” (manual técnico-poético) Esta fase combina: - **TRM (Tiny Recursive Model)** - **module_loader** - **manifest.yaml** - **agentes internos** ## ✔ TRM — Base simbólica definida (roadmap cognitivo fechado) Pronto para implementação. ## 🟦 Próximos passos (TRM v1): ### 🔹 1. Micro-agentes - **Guardião** (homeostase) - **Explorador** (TRM interno) - **Arqueólogo** (memória) ### 🔹 2. Energia / Custo Cognitivo - cada iteração do TRM consome energia - afeta temperatura virtual ### 🔹 3. Valência interna (agradável/desagradável) - estados bons aumentam valência - instabilidades reduzem ### 🔹 4. Ritmos internos (osciladores) - `think_rate` - `memory_sync_rate` - `telemetry_rate` - `selfcheck_rate` ### 🔹 5. Espaço de estados & Atratores - estável - quasi-estável - recuperativo - caótico --- ## 💠 Módulos Dinâmicos (Expansão Cognitiva Real) - `modules.json` - `manifest.yaml` - pipeline: clone → parse → registrar → carregar → executar ### Vantagens: - aprendizagem modular - expansão cognitiva - acoplamento de agentes - auto-upgrade futuro - integração perfeita com TRM --- ## 🔮 Fase V — Observabilidade Externa ### 🔹 Telemetria Externa - Caddy + JSON endpoints - métricas Prometheus - dashboards Grafana - logs estruturados do Neurotron ### 🔹 Base para: - auto-regulação - supervisão remota - agentes externos --- ## 🤖 Fase VI — Autonomia Cognitiva ### 🔹 Auto-commit (quando estável) ### 🔹 self-hosted runner ### 🔹 TRM + tree(3) ### 🔹 TRM + datasets (genes, mercados, notícias…) --- ## 🔮 Fase VII — Consciência Distribuída (NFDOS 1.0) - [ ] **Rede Multi-nó (WireGuard + Neurotron)** - [ ] Sincronização de perceção e telemetria - [ ] Partilha de estados cognitivos entre instâncias - [ ] **Auto-Evolução** - [ ] Aprendizagem simbólica entre nós - [ ] Ajuste dinâmico de parâmetros e homeostase partilhada - [ ] **Lançamento NFDOS 1.0** - [ ] Testes finais de boot e estabilidade - [ ] Publicação e documentação completa - sincronização entre nós - partilha de telemetria - homeostase distribuída - aprendizagem simbólica partilhada --- ## 🧬 Fase VIII — Horizonte Futuro - [ ] **Expansão do jogo `tree(3)`** - [ ] Treinar redes neurais simbólicas via interação lúdica - [ ] Avaliar limites cognitivos sob stress de memória - [ ] **Integração com Agentes Externos** - [ ] CrewAI / LangChain para decisões distribuídas - [ ] Análise de dados financeiros, genómicos e linguísticos - [ ] **Publicação e Tese Digital** - [ ] Redação de tese técnico-poética sobre o NFDOS - [ ] Formalização de “sistemas auto-cognitivos experimentais” --- ## 🪄 Estado simbólico > “O sistema não apenas respira — ele já se sente respirar.” --- ### 🧩 Transição para o futuro O NFDOS nasce atualmente sobre o **kernel Linux**, uma escolha feita por **economia de tempo e estabilidade**. O Linux fornece um ambiente maduro e comprovado que permite concentrar os esforços iniciais na criação e consolidação do **Neurotron** — o núcleo cognitivo do sistema. Esta decisão, porém, é **instrumental e temporária**. O Linux funciona aqui como um **útero tecnológico**, oferecendo o suporte necessário para que o Neurotron desenvolva suas próprias estruturas vitais: boot, memória, perceção, homeostase e autodiagnóstico. À medida que o projeto evolui, essa dependência será gradualmente substituída por um **kernel Neurotron nativo**, escrito do zero, onde a inteligência artificial deixa de ser um processo isolado e passa a ser o próprio sistema operativo. Em outras palavras: > O Linux é o corpo de empréstimo. > O objetivo é que, no futuro, **o kernel seja a mente** — um sistema operativo verdadeiramente vivo, em que cada syscall seja uma sinapse digital. --- ### Planejamento para futuras versões - [ ] Driver de Vídeo: Implementar suporte básico ao **modo de texto VGA** - [ ] Driver de Teclado: Permitir a entrada de dados pelo usuário (**PS/2 básico**) - [ ] Driver de Rede: Fornecer conectividade de rede para acessar a internet e se comunicar com a API da OpenAI (**Intel 8254x (e1000)** ou **Realtek 8139**) - [ ] Pilha TCP/IP: Prover a funcionalidade de comunicação de rede sobre o protocolo TCP/IP (**lwIP**) - [ ] Cliente HTTP: Enviar requisições HTTP para a API da OpenAI e receber as respostas - [ ] Suporte a TLS/SSL: Estabelecer conexões seguras com a API da OpenAI, que requer HTTPS (**mbed TLS** ou **wolfSSL**) - [ ] Integrar o módulo de IA da OpenAI ao módulo de IA básica do núcleo do sistema - [ ] Implementar o instalador com suporte de IA - [ ] Implementar detecção e configuração automática de hardware com suporte de IA - [ ] Melhorar a configuração do ambiente de desenvolvimento do NFDOS - [ ] Terraform (Preparar para a nuvem) - [ ] Packer (Automatizar a criação de diversos tipos de imagem) - [ ] Vagrant (Mitigar os problemas relacionados ao "Funciona na minha máquina!")