تصور کنید هیچ تسلطی به زبان‌های برنامه‌نویسی ندارید، اما یک موتور محاسباتی پیچیده با زبان C++ می‌سازید. این ادعای جسورانه‌ای بود که در ۲۵ اوت ۲۰۲۶ با انتشار پروژه متن‌باز FractalBrainOS در گیت‌هاب به واقعیت تبدیل شد.
یک غیربرنامه‌نویس توانست این موتور عصبی (Neuromorphic Engine) را تنها از طریق مهندسی پرامپت (Prompt Engineering) — که شبیه هنر سؤال درست پرسیدن از یک مشاور باتجربه است — و با مدیریت هم‌زمان مدل‌های Claude، DeepSeek و Gemini طراحی کند.
این اتفاق در حالی رخ می‌دهد که صنعت اکنون درگیر بحث «مرگ کدنویسی» است؛ جایی که نقش انسان از نوشتن نحو (Syntax) به هدایت قصد و نیت تغییر می‌کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی Vibe Coding اشاره کردیم، مرز بین ایده و اجرا در حال محو شدن است. در حالی که اکثر کدهای تولیدشده توسط هوش مصنوعی تکه‌تکه و ساده هستند، این پروژه تلاش می‌کند تئوری‌های پیچیده بیولوژیکی را در یک هسته عملیاتی پیاده کند.
به نقل از گزارش وب‌سایت dev.to، پروژه FractalBrainOS بیش از آنکه یک اپلیکیشن نهایی باشد، یک «موتور هوش» بنیادی است. این سیستم برای ادغام در پهپادها یا حسگرها طراحی شده تا با کاهش «انرژی آزاد»، به هارمونی سیستمی برسد.
معماری فنی
- نوسان‌سازهای عصبی: بر پایه نوسان‌سازهای کوراموتو و پلاستیسیته وابسته به زمان ضربه (STDP).
- استنتاج فعال: پیاده‌سازی اصل انرژی آزاد کارل فریستون برای حفظ هموستاز سیستم.
- تقلید بیولوژیکی: شامل مکانیزم‌های هرس کردن (Pruning) — شبیه پاک کردن مسیرهای بلااستفاده در مغز — و پلاستیسیته ساختاری برای شبیه‌سازی چرخه‌های خواب.
- محاسبات ابربعدی: استفاده از معماری‌های نمادین برداری (VSA) برای بردارهای بذر.
- اتصال: دارای حالت Daemon برای دریافت محرک‌های خارجی در لحظه از طریق UDP.
بر اساس مستندات این پروژه، فروپاشی سد ورود به سیستم‌های سطح پایین و با کارایی بالا آغاز شده است. اگر یک غیرکدنویس می‌تواند چنین موتور پیچیده‌ای را خلق کند، مزیت رقابتی از تسلط بر نحو زبان‌های برنامه‌نویسی به توانایی معماری چارچوب‌های مفهومی سطح بالا منتقل می‌شود.
برای جامعه متن‌باز، این پروژه یک آزمون فشار برای مهندسی نرم‌افزار مبتنی بر هوش مصنوعی است. ارزش واقعی اینجاست که آیا این معماری‌های «پرامپت‌شده» بدون به ارث بردن بدهی فنی (Technical Debt) عظیم، توسط مهندسان انسانی قابل مقیاس‌پذیری و نگهداری هستند یا خیر.
گام بعدی شما
- مخزن گیت‌هاب این پروژه را فورک کنید تا نحوه ساختاردهی C++ توسط مدل‌های زبانی را بررسی کنید.
- سعی کنید با ترکیب سه مدل مختلف (Multi-model array)، یک ماژول کوچک برای مدیریت داده‌های حسگر طراحی کنید.
- بررسی کنید آیا مدل‌های استدلالی جدید می‌توانند خطاهای منطقی در کدهای سطح پایین را شناسایی کنند؟
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو