Düşünen bir
dijital beyin ile tanışın

Mergen, Transformer'ların ötesine geçmek için tasarlanmış deneysel biyolojik bilişsel mimaridir. Bir chatbot değil — GPU üzerinde çalışan gerçek bir beyin simülasyonu.

Sürekli Zaman
🧠
Spike Tabanlı
♾️
Sınırsız Bellek
Problem
Transformer'lar neden yetmez?
Günümüzün baskın AI modelleri etkileyici mühendislik eserleri, ama temelden statik yapılar.

Zaman algısı yok

Zamanı algılamıyorlar; sadece dizileri işliyorlar. Gerçek dünyada zaman sürekli akar.

Dahili durum yok

Her token üretiminde sıfırlanıyorlar. Kalıcı hafıza ve bağlam kaybediliyor.

Devasa enerji tüketimi

Global matris çarpımları için devasa enerji harcanıyor. Beyin çok daha verimli çalışır.

Düşünme yanılsaması

Düşünmüyorlar; sadece bir sonraki en olası istatistiği tahmin ediyorlar.

Statik Modeller Backpropagation Token Prediction Dense Matrix Context Limiti Stateless RLHF Attention Scaling Laws
Çözüm
Mergen Mimarisi
Biyolojik zihnin fonksiyonel dinamiklerini kopyalayan hibrit spike bilişsel mimari.
MODULE 01

Kortikal Katmanlar

Doku — The Tissue

Yoğun katmanlar yerine 2D topografik nöron haritaları. Nöronlar lokal uyarım ve lateral inhibisyonla etkileşir, dikkat baloncukları ve gezici dalgalar yaratır.

Mexican Hat KernelsFFT Accelerated
MODULE 02

Global Workspace

Bilinç — The Consciousness

Global Neuronal Workspace Theory temelinde. Lokal kortikal alanlar merkezi yönlendirici için yarışır. Güçlü sinyaller tüm beyne yayınlanarak birleşik bir düşünce anı oluşturur.

GNWTCentral Router
MODULE 03

Hippocampus

Hızlı Bellek — Fast Memory

Tek seferde öğrenme: Backpropagation'ın aksine kortikal aktivite anlık görüntülerini yakalar. Kısmi ipucundan tam belleği vektör benzerliği ile getirir.

One-Shot LearningPattern Completion
MODULE 04

Sparse Direct Pathways

Hızlı Yollar — White Matter

Beynin beyaz madde yolları gibi, hızlı refleksler ve öğrenilmiş alışkanlıklar için lokal işlemeyi atlayan uzun menzilli seyrek bağlantılar.

Long-Range SparseBypass Local
Nasıl Çalışır
Mergen nasıl kullanılır?

Biyolojik dinamikleri araştırın

Mergen, kortikal aktivite, spike zamanlaması ve nöronal senkronizasyon gibi biyolojik fenomenleri gerçek zamanlı olarak gözlemlemenize olanak tanır.

# Telemetri çıktısı Sensory firing_rate: 0.23 Motor firing_rate: 0.15 Workspace activation: 0.87 Memory retrieval: SUCCESS ─────────────────── Homeostasis: STABLE Time_step: dt=0.001

Dijital beyin simülasyonu çalıştırın

GPU-hızlandırmalı PyTorch ortamında kortikal katmanlar, hippocampus ve global workspace birlikte çalışır.

# Simülasyon başlat python examples/teach_math.py # Çıktı: Epoch 1: 2+3 → spike → 5 ✓ Epoch 2: 7+1 → spike → 8Hebbian plasticity updating... Accuracy: 94.2%

Sembolik öğrenmeyi keşfedin

Mergen, Hebbian öğrenme ve takviyeli öğrenme ile lokal plastisite kullanarak kavramları öğrenir.

# Öğrenme mekanizmaları Hebbian: "Fire together, wire together" RL: Reward-based plasticity Local: No global backprop needed # Bellek Episodic: One-shot capture Recall: Associative retrieval
Karşılaştırma
Mergen vs Diğer AI Sistemleri
Temel yaklaşım farklılıkları.
Özellik
GPT-4
Claude
Gemini
LLaMA
Mergen
Yaklaşım
Transformer
Transformer
Transformer MoE
Transformer
Biyolojik Kognitif
Zaman
Discrete
Discrete
Discrete
Discrete
Continuous (dt)
Bellek
128K ctx
200K ctx
2M ctx
128K ctx
Episodic ∞
Durum
Persistent
Öğrenme
Backprop+RLHF
Backprop+RLAIF
Backprop+RLHF
Backprop+SFT
Hebbian+RL
Sinyal
Dense Float
Dense Float
Dense Float
Dense Float
Sparse Spikes
Bilinç
GNWT
Açık Kaynak
Apache-2.0

⚠️ Mergen deneysel bir araştırma projesidir.

Başlangıç
Hemen deneyin
Mergen bir araştırma framework'üdür. Biyolojik dinamikler yoluyla sembolik öğrenmeyi gösterir.
terminal
# Kurulum git clone https://github.com/VertexCorporation/Mergen.git cd Mergen pip install -r requirements.txt # Eğitim döngüsünü başlat python examples/teach_math.py