Si quieres participar en un proyecto de «añadir una capa más de interfaz de modelos», rust-norion no es para ti.
Si lo que buscas es una dirección más de bajo nivel, más difícil y con mayor valor a largo plazo: usar Rust para construir la capa de control de un sistema de autoevolución de IA, haciendo que la memoria, el enrutamiento (routing), el pool de modelos, la cadena de evidencia, las señales de peligro y el ciclo de vida sean verificables, reversibles y auditables, entonces deberías echarle un vistazo.
Lo que estamos haciendo ahora no es hacer que la IA diga unas cuantas palabras bonitas.
Lo que hacemos es: cuando un sistema de IA empieza a escribir su propia memoria, alterar el enrutamiento, expandir el pool de modelos, conectar referencias externas y generar planos de nuevas herramientas, debe saber qué puede entrar en la ruta principal, qué debe aislarse primero, qué debe retirarse, qué necesita evidencia y qué es absolutamente inconfiable.
Esa es la verdadera dificultad de un sistema de autoevolución.
Hoy rust-norion ya está avanzando en estos aspectos duros:
writer verifier gate unificado, para que las escrituras dejen de entrar de forma descontrolada.
adaptive routing trace verifier, para que las decisiones de enrutamiento puedan ser revisadas.
model-pool lifecycle, worker window lifecycle, tombstone, recycle ledger, para que los estados creados por el sistema tengan un nacimiento y también una retirada.
homeostatic / allostatic load gate, para que el spawn recursivo, la mutación del genoma y la expansión del pool de modelos no se expandan ciegamente bajo alta presión.
Señales de peligro (danger signals), para que la activación del adaptador, la admisión de memoria, el traspaso entre ventanas (cross-window handoff), los planos de herramientas (toolsmith blueprint), los candidatos a mutación del genoma y las referencias externas pasen primero por una identificación de riesgos.
shadow evidence y drift-domain evidence, para que la memoria candidata, los fragmentos candidatos y las rutas candidatas se demuestren a sí mismas antes de hablar de entrar en la cadena principal.
El endpoint compatible con OpenAI es solo la entrada.
Lo verdaderamente importante está detrás de la entrada: control, evidencia, límites, carga, aislamiento y retirada.
Los colaboradores que necesitamos no son de los que «ayudan dándole a la estrellita».
Necesitamos personas capaces de impulsar el sistema hacia lo profundo juntos.
Si sabes Rust, puedes encargarte del runtime, endpoint, streaming, contratos de errores (error contract) y el ciclo de vida del pool de modelos (model-pool lifecycle).
Si entiendes de ingeniería de sistemas, puedes trabajar en verifier, gate, rollback, evidencia de trazas (trace evidence) y retirada de estados.
Si conoces los agentes de IA, puedes aportar en worker window, handoff, admisión de memoria (memory admission) y bucle de autoevolución (self-evolution loop).
Si dominas la computación bioinspirada, puedes traducir mecanismos como la expresión del ADN, el empalme, la reparación, la inmunidad y la regulación homeostática en estructuras de ingeniería verdaderamente ejecutables.
Si se te da bien el testing, puedes contribuir con pruebas de contratos (contract test), pruebas de evidencia paralela (shadow evidence test), puertas de regresión (regression gate) y benchmarks.
Si eres bueno en documentación y divulgación, también puedes venir a explicar con claridad estos mecanismos complejos para que los vean más personas que entiendan verdaderamente de sistemas.
Lo más interesante de este proyecto ahora mismo es que aún no se ha convertido en algo «ya definido, donde solo se puede retocar los bordes».
Muchos de los problemas centrales siguen abiertos.
¿Cuándo debe escribirse la memoria?
¿Cuándo debe promoverse una mutación?
¿Cuándo es fiable una referencia externa?
¿Cuándo debe expandirse el pool de modelos?
¿Cuándo puede transferirse el estado entre agentes?
¿Cómo puede un sistema de autoevolución evitar ensuciarse cada vez más al ejecutarse?
Esto no son eslóganes, son problemas que pueden aterrizar en código, pruebas, trazas (trace) y puertas de control (gate).
Si buscas un proyecto relajado, este no lo es.
Si buscas un proyecto de código abierto que realmente integre Rust, sistemas de IA, control bioinspirado y arquitecturas de autoevolución, aquí hay un lugar para ti.
Proyecto: https://github.com/yanghao1143/rust-norion
Discusiones: https://github.com/yanghao1143/rust-norion/discussions/239
No te quedes mirando desde la barrera.
Ven a abrir issues, a desglosar módulos, a escribir pruebas, a cuestionar el diseño y a completar la cadena de evidencia.
Lo que queremos construir no es una IA más ruidosa.
Lo que queremos construir es un sistema de IA más disciplinado, con mayor capacidad de auto-demostración y capaz de evolucionar a largo plazo.