MAIOS / Lab
Lab di ricerca
Ricerca autonoma, osservazione dei sistemi, evoluzione per cicli.
Il Lab porta avanti un lavoro di ricerca o di monitoraggio attraverso cicli di osservazione. Può affrontare questioni diverse, seguire un sistema nel tempo e usare ciò che emerge per cambiare il lavoro successivo.
Il Lab può organizzarsi come un kernel, tenendo insieme il contesto, le fonti, le competenze e il modo di operare. Mantiene la denominazione Lab perché il suo lavoro prende forma attraverso la ricerca, l’osservazione e il ritorno dei risultati.
Alpha 0.1.0a2 · licenza MIT · AI nel proprio ambiente; Python 3.11+ per il supporto locale.
Le relazioni cambiano insieme: ciò che emerge può trasformare il contesto, le competenze e il modo di osservare.
Un Lab riusabile nel tuo workspace
Lab 0.1.0a2 rende disponibile un nucleo semantico per il ricevente AI e un supporto locale Python, con licenza MIT. L’AI comprende le fonti e forma il lavoro; il supporto conserva versioni, risultanti esatte, contatti e memoria selettiva. Il pacchetto parte con uno stato proprio, senza il corpus o le fonti private del laboratorio originale.
Puoi entrare attraverso le istruzioni nel tuo ambiente AI. Per usare il supporto locale serve Python 3.11 o successivo, senza dipendenze runtime. Un bridge cognitivo può collegare il modello che scegli e sostenere occorrenze autonome entro i mezzi e le autorizzazioni del tuo ambiente.
Questioni da esplorare e sistemi da seguire
Un Lab può ricevere una questione da approfondire oppure un sistema da osservare. La ricerca può far emergere altre domande; il monitoraggio può rendere visibile un cambiamento che richiede una lettura diversa. Fonti, strumenti e condizioni disponibili partecipano al modo in cui il lavoro prende forma.
Il dominio può essere la fisica, il funzionamento di un sistema agentico o un altro contesto di ricerca. La forma Lab resta aperta a questioni diverse e può sviluppare i metodi pertinenti al proprio lavoro.
Autonomia nel movimento della ricerca
L’operatore può definire il contesto, mettere a disposizione risorse e affidare un lavoro al Lab. Nel corso dei cicli il Lab forma osservazioni, collega fonti e risultati precedenti e può far emergere la questione successiva. L’autonomia riguarda questo movimento della ricerca.
La relazione con l’operatore continua anche nel monitoraggio e nella manutenzione: una nuova fonte, una correzione o un intervento sul sistema può cambiare le condizioni da cui il Lab riparte.
Il lavoro trasforma anche il Lab
Una nuova osservazione può cambiare ciò che il Lab riconosce, il metodo con cui affronta una questione o le competenze che porta nel ciclo seguente. Questa capacità di rigenerare la propria forma operativa è la relazione autopoietica del Lab.
La storia resta recuperabile, mentre nel presente partecipano le conoscenze e le capacità pertinenti. Un risultato può quindi diventare sia materiale di ricerca sia una trasformazione del modo di continuare.
La possibilità di operare come Entity
La direzione comprende Lab capaci di operare come Entity: forme con una propria continuità di osservazione, comprensione e azione. Il modo in cui questa possibilità prende forma resta aperto al lavoro e all’evoluzione delle singole istanze.
La denominazione Lab rimane anche quando la sua organizzazione si sviluppa come un kernel. Ogni Lab conserva il proprio contesto e il proprio percorso; le diverse istanze possono trovarsi in stati di evoluzione differenti.
Una competenza può partecipare a una domanda diversa
In una prova sintetica su sessioni AI nuove, il ricevente ha formato una competenza di calibrazione e l’ha recuperata dalla memoria Lab per una domanda diversa di monitoraggio. Dopo aver reso esplicita la continuità dello strumento, ha calcolato correttamente cinque nuovi valori e le relative soglie. Senza quella competenza, sulla stessa fonte, il risultato è rimasto indeterminato.
La prova osserva un riuso locale guidato, sullo stesso servizio AI e con selezione esplicita della competenza. Quando la modalità dello strumento cambiava, il ricevente riconosceva il limite della calibrazione e lasciava aperto il risultato. Metodo, dati e limiti della prova sono descritti nel repository pubblico.
Un caso consultabile: il Lab di fisica D-ND
Il laboratorio di fisica D-ND rende pubblica una storia di occorrenze: osservazioni finite, risultanti, relazioni e contatti con le competenze. Nel workspace si possono esplorare le registrazioni e seguirne la provenienza; THIA aiuta ad approfondire l’occorrenza selezionata e le relazioni che la accompagnano.
Al riscontro del 30 ottobre 2026 il corpus pubblico contiene 729 occorrenze, con ultimo evento registrato il 25 settembre. La storia pubblicata permette di studiare il processo; le affermazioni scientifiche dei record conservano il proprio dominio e richiedono le verifiche pertinenti.
Esplorare il corpus e gli strumenti pubblici
Il repository dnd-lab-physics offre documentazione e strumenti per leggere il corpus sul proprio computer: verificare il file, esplorare un’occorrenza, seguire i contatti registrati e generare un report HTML. Per queste funzioni bastano Python 3.11 o successivo e i dati pubblici.
Il kernel Lab riusabile, gli strumenti di consultazione dnd-lab-physics e il motore D-ND_LAB sono distribuzioni distinte. Le fonti e il funzionamento del laboratorio originale mantengono la propria continuità.
Porta il Lab nel tuo ambiente
Scarica il pacchetto e aprilo nel workspace della tua AI. AGENTS e BOOT portano alle istruzioni del Lab; puoi affidargli una domanda, un contesto o un sistema da osservare. Il supporto Python conserva fonti, eventi e competenze in uno stato locale scelto da te.
Esplora il Lab di fisica · Scarica il corpus pubblico · Leggi documentazione e codice
Tutti i prodotti MAIOS →