ECHO-2 — cierre, resultados y demostración
ECHO-2 quedó cerrado el 9 de septiembre de 2026. El agente conserva el núcleo de ECHO-1 y añade viabilidad, reconocimiento de patrones, operación en flujo, consolidación, herencia de una predisposición y regulación de dos variables internas. CAPACITY-1 justificó una arquitectura de monitor de 512 LIF + 128 Adaptive-LIF y NEURAL-VIZ-1 la hizo observable en una GUI nativa.
Demostración directa
La grabación no es una animación promocional. La aplicación ejecuta
Agent.turn() y enseña sus WSP, CAM, T, PATTERN, Q, gate, homeostasis,
muerte, respawn, herencia y llamadas eventuales al córtex. El dron representa
la pose real del cuerpo discreto Body3D. El render usa VTK/OpenGL; todavía no
hay aerodinámica, IMU, motores ni PID.
Comparación directa con la escala anterior
CAPACITY-1 repitió el examen con la arquitectura de 256 LIF usada como baseline de tamaño ECHO-1 y con la ampliación de ECHO-2. Esta comparación se ejecutó dentro del mismo banco, con semillas reservadas y memoria congelada; no reconstruye retrospectivamente una puntuación del lanzamiento ECHO-1.
Firmas perceptivas reservadas
La mejora es de +1.219 aciertos y pasa de 40,48 % a 100 %. Al barajar las firmas, el mismo sistema cae a 142/2.048: el resultado depende de la representación y no de contar filas.
Discriminación temporal con 640 neuronas totales
Aquí el total de neuronas es idéntico. La diferencia es la adaptación temporal: apagarla devuelve 0/256. El banco seleccionó memoria de 8 ticks y ganancia adaptativa 4.
Escala de secuencia ejercitada
Esta tercera gráfica mide escala recorrida, no precisión en la misma tarea:
son cargas diferentes. STREAM-1 procesó 48 bloques, obtuvo 4.512/4.512
predicciones conocidas en el brazo coherente y dynamic_alias=0.
Qué añadió cada fase
| Fase | Evidencia de cierre |
|---|---|
| VITA-1 / FOOD-1 | H baja, la muerte termina la vida y alimento/veneno se aprenden por consecuencias |
| SURV-1 | medianas conservando memoria: 28/40/40 turnos; reseteando: 16/16/16 |
| SHIFT-S | adaptación frente a Q congelada: +421/+416/+446 turnos; la transferencia negativa también se publica |
| PATTERN-1 | 32/32 variantes reservadas frente a 0/32 por coincidencia exacta; cero ids de objeto o posición |
| STREAM-1 | 4.608 frames, 48 bloques y 4.512/4.512 predicciones coherentes |
| SLEEP-2 | 8.208 filas se compactan en 144 reglas; 720/720 en examen frente a T 0/720, sin reescribir CAM/T/Q |
| GEN-1f | presupuesto heredado 8: 360 errores tardíos frente a 602 del naïf; 52 victorias, 24 derrotas, 52 empates |
| HEAT-1b | energía + temperatura: 20.786 turnos frente a 7.221 sin temperatura y 7.186 sin Q; examen cargar/enfriar 12/12 |
| CAPACITY-1 | 512 LIF: 2.048/2.048; 512 LIF + 128 ALIF: 256/256 temporal |
| NEURAL-VIZ-1 | una GUI Python muestra en directo la arquitectura y todos los componentes auditables |
Qué mejora respecto a ECHO-1
ECHO-1 cerró memoria, predicción, objetos, acciones físicas discretas, patrones temporales y transferencia entre mundos. ECHO-2 conserva todo eso y añade una consecuencia que cruza episodios: el cuerpo puede morir, reaparecer, regular energía y temperatura, conservar experiencia y transmitir sólo una predisposición de exploración a un descendiente con memorias vacías.
La ampliación neuronal tampoco se acepta por el número 640. Se acepta porque
mejora dos exámenes causales y pierde al eliminar o barajar la característica
responsable.
Integridad y datos
- WSP permanece en 16 bytes y no existe un segundo thought-bus.
false_facts=0,destroyed=0y córtex apagado en los bancos principales.- La rama neuronal de la GUI es un monitor perceptivo; Q sigue tomando la decisión causal.
- Los exámenes reservados están congelados durante la puntuación.
- Los resultados negativos previos de GEN-1 y HEAT-1 se conservan como rojos.
- No hay robot físico, cámara, LiDAR, IMU, PX4 ni AKD1500 en este cierre.
Descargar el resumen ECHO-2 y sus huellas SHA-256. El vídeo MP4 también incluye su hash en ese archivo.
— R.N.