instinto 0.2.0

Red neuronal zero-deps para videojuegos: neuroevolucion, imitacion, JIT por codegen y save de una linea.

instinto

Red neuronal zero-deps para videojuegos. Un archivo, solo stdlib.

• Brain — MLP denso con pesos planos. think() / act().
• Neuroevolución — Population con elitismo, torneo y sigma autoadaptativo (regla 1/5 de Rechenberg): explora fuerte al inicio, refina solo al final.
• Imitación — learn() con backprop (SGD + momentum). Graba al jugador, entrena al NPC.
• JIT por codegen — compile() genera el forward desenrollado vía exec: 3–6× más rápido, ~120k inferencias/seg en CPython puro.
• Save de una línea — save() → float16 + zlib + base85. Un cerebro 2-6-2 son ~116 chars: pégalo en el JSON de tu partida guardada.
• Determinista — misma seed, misma evolución. Replays reproducibles.

Instalar

pip install instinto        # o copia instinto.py a tu proyecto

60 segundos

from instinto import Brain, Population

# inferencia
npc = Brain(n_in=4, hidden=[8], n_out=3, out="softmax", seed=42)
accion = npc.act([dx, dy, vida, peligro], explore=0.05)   # 0|1|2

# neuroevolución: el fitness ES tu juego
pop = Population(60, n_in=4, hidden=[8], n_out=3, out="softmax", seed=7)
for gen in range(100):
    for brain in pop:
        brain.fitness = jugar_partida(brain)     # tu función
    stats = pop.evolve()                          # {'gen','best','mean','sigma'}
mejor = pop.best

# imitación: aprende del jugador
datos = [(estado, accion_del_jugador), ...]       # índice de clase si softmax
npc.learn(datos, epochs=300, lr=0.5)

# producción
mejor.compile()                                   # JIT (se invalida solo al mutar)
blob = mejor.save()                               # str de una línea
npc2 = Brain.load(blob)

Demo

python demo_caza.py    # agentes evolucionan a cazar comida, render ASCII

API

Brain(n_in, hidden, n_out, act, out, seed)	acts: tanh sigmoid relu linear (+softmax en salida)
.think(x) -> list / .act(x, explore) -> int	inferencia / argmax con ε-greedy
.learn(samples, epochs, lr, momentum, batch, reset)	backprop; devuelve loss (½·MSE o CE)
.mutate(rate, power) / .cross(other) / .clone()	operadores evolutivos
.compile() / .save(compact) / Brain.load(s)	JIT / persistencia
Population(size, ..., elite, tournament, mut_rate, sigma, noisy_fitness)	iterable de Brains
.evolve() -> stats / .best	siguiente generación / hall of fame

Sin numpy. Sin configs. Sin clases que heredar. Python ≥ 3.8.