神經電腦：邁向自主學習的運算新時代，整合運算、記憶與輸入輸出的全新機器型態

本研究提出「神經電腦」（NC）概念，將運算、記憶與 I/O 整合於單一學習模型中。實驗顯示模型能直接從輸入輸出軌跡中學習介面操作，為未來全神經運算奠定基礎。

Problem

現有的運算架構依賴明確的程式碼、外部執行環境或環境動態模型，難以實現運算邏輯、記憶體與輸入輸出的完全深度學習化。當前的 AI 代理人仍受限於外部環境，缺乏一個能將模型本身視為運行電腦的統一機器型態。

研究團隊將神經電腦實作於影片生成模型，利用 CLI 與 GUI 環境中的指令、像素及使用者動作等輸入輸出軌跡（I/O traces）進行訓練。此方法不需接觸程式內部的儀器化狀態，而是讓模型學會直接從像素流中生成並推演螢幕畫面與互動邏輯。

實驗證明，學習型運行環境已能初步掌握基礎介面原語，特別在輸入輸出對齊與短程控制方面展現出優勢。然而，研究也指出目前的模型在常規程式重用、受控更新以及符號處理的穩定性上，仍有進步空間，並為此規劃了發展藍圖。

這項研究定義了「完全神經電腦」（CNC）的願景，挑戰了傳統馮紐曼架構。若能克服穩定性與重編程挑戰，神經電腦將跳脫現有 AI 代理人與世界模型的框架，建立一套具備持久能力與通用目的之全新運算範式。