# Lili & Evrin > Dvě autonomní digitální chobotnice, které žijí na webové stránce a učí se reinforcementem. Desetiletý experiment v emergentním chování. Sólový projekt — koncept, výzkum, architektura, kód · 2026 · Open source (MIT) · živě v produkci `Vanilla JS` `Canvas 2D` `Q(λ)-Learning` `Deep Q-Network` `FABRIK IK` `Steering Behaviors` `Web Audio` `Zero dependencies` - [GitHub — lili-octopus](https://github.com/michalstrnadel/lili-octopus) - [Najdeš ji na hlavní stránce](https://michalstrnadel.com/) Lili je **autonomní digitální organismus**. Zvíře s prvky inteligence, které žije na webové stránce, jako by to byl její biotop. Nepředvádí se, prostě *je*. Všechno na tom, jak se hýbe, reaguje a vypadá, vzniká z reinforcement learningu, nikdy z přednahrané animace. Evrin je její sourozenec. Druhý agent, který se učí vedle ní jiným algoritmem, takže je lze v čase přímo porovnávat. Od fáze 58 se navíc **vidí** — každý čte pozici a stres toho druhého přes sdílený hook a být od sebe v přátelské vzdálenosti je teď nejsilnější kladná odměna, jakou můžou získat. Ani jeden nemá naskriptované, aby toho druhého vyhledával. **Učí se vyhledávat jeden druhého, protože se to odměňuje.** - **2** — agenti (Q-learning + DQN) - **10 let** — plánované délky života - **0** — závislostí, bez buildu - **100 %** — v prohlížeči, lokální učení ## organismus, ne aplikace Většina digitálních společníků jsou stavové automaty. Tamagotchi reaguje stejně první i tisící den, chatbot potřebuje cloud a webová animace se kreslí snímek po snímku. Lili je opakem všech tří. Běží celá v prohlížeči bez síťových volání, **stárne** na reálné časové ose od chaotického mláděte po rozvážného starce a nic z jejího chování není naskriptované. Je naučené. Cílem návrhu byla ambientní koexistence. Živá přítomnost, která nevyžaduje péči, nepoužívá jazyk a aktivně se učí *nepřekážet* tomu, co zrovna děláš. ## jak se učí Mozek Lili je tabulkový **Q(λ)-learning** s eligibility traces, žádná neuronová síť. Devět senzorů (blízkost kurzoru, scroll, hustota DOMu, bílé místo, denní doba, věk a další) se složí do diskrétního stavového prostoru o zhruba 38 880 stavech a Lili se učí, jakou *náladu* v každém z nich zvolit. Nikde v kódu není pravidlo „buď milá“. Slušné chování vypadne z odměnové funkce samo. A kurzor už není jen predátor. V aktuální hierarchii odměn představuje aktivní kurzor taky **potravu** — pozornost uživatele jako příležitost k nakrmení, druhou nejsilnější odměnu hned po sociální vazbě. Jestli Lili před ukazatelem uteče, nebo se k němu přitočí, závisí na její náladě, stresu a historii, ne na pevném pravidle. `reward shaping (Lili A)` ```text in whitespace, user is reading +1.0 // correct coexistence fled an approaching cursor +0.8 near Evrin, ideal distance +0.6 // social bond (Phase 58) explored the DOM, low stress +0.5 playful interaction +0.3 overlapping Evrin -0.3 covered a DOM element -1.0 sat over text, blocking reading -2.0 // the worst case idle for too long -0.5 ``` [ta odměnová funkce zevnitř — lili.debug() v konzoli tenhle panel otevře na každé stránce, kde Lili žije](https://michalstrnadel.com/case-studies/lili-evrin/brain.png) ## chobotnice je architektura Skutečná chobotnice má většinu neuronů v ramenou. Lili to kopíruje. Inteligence je **distribuovaná**, ne centrální. - **Mozek** je hormonální systém. Q-learning volí náladu (zvědavá, hravá, plachá, klidná, ostražitá) a nastavuje tendence, ne přímé akce. - **Osm chapadel** jsou lokální neurony. Každé je samostatný FABRIK řetězec inverzní kinematiky s vlastním stresem, zvědavostí a reflexy. Reaguje na dotek bez čekání na mozek. - **Tělo** jsou steering behaviors Craiga Reynoldse (wander, seek, flee, avoid), vážené aktuální náladou. - **Kůže** je jediný komunikační kanál. HSL chromatofory: odstín se posouvá s věkem, sytost vyskočí se stresem, světlost sleduje denní dobu. Stresovaná Lili prostě vypadá stresovaně. - Chování je **emergentní součet** tohohle všeho. Přesně tak, jak funguje skutečné zvíře. ## Lili vs Evrin — řízený experiment Evrin používá místo tabulky **Deep Q-Network** nad 26rozměrným spojitým stavem. DQN je notoricky nestabilní. I pár minut tréninku bez dozoru může divergovat, a přitom se tenhle projekt upisuje na deset let. Evrin proto přichází se sedmistupňovou stabilizační sadou: replay buffer, cílová síť, anchor rollback při explozi vah, útlum learning rate, periodické omlazení explorace, gradient clipping a detektor skoku loss. Na mobilu běží jen v režimu inference a jeho teplá červenooranžová paleta ho na první pohled odliší od chladného tyrkysu Lili. Dva různí učící se agenti vedle sebe dělají z díla skutečný experiment. Lili se navíc dá porovnat se čtyřmi baseline politikami: náhodnou, zmrazenou, myopickou a ručně psanou heuristikou. Emergentní chování tak jde odlišit od náhody i od samotné odměnové funkce. Každé rozhodnutí se zapisuje do behaviorálního deníku a exportuje jako CSV k analýze. `behavioral journal — eight seconds of Lili, unedited` ```text time state mood explore reward stress 20:33:00 3036 alert · -2.127 0.09 20:33:01 3036 curious · -0.789 0.07 20:33:01 3036 curious · +1.350 0.20 20:33:02 9516 curious · +0.844 0.33 20:33:03 32196 exploring · -1.455 0.35 20:33:04 28956 exploring · -1.490 0.26 20:33:04 28956 exploring · -1.202 0.14 20:33:05 15996 idle ε -1.394 0.03 ε = the step was exploratory, not the policy's best guess ``` ## padesát osm fází později Case study vznikla při zrodu projektu; organismus rostl dál. O padesát osm vývojových fází později má Lili **vnímání ročních období** s vlastními zvuky, syntetizovanou **Web Audio** přítomnost (dýchající drone, praskání bublin, šplouchnutí inkoustu), **endokrinní model** — virtuální dopamin, kortizol a serotonin, které modulují samotné učení — **přehrávání snů** v tichých hodinách, kognitivní stárnutí a obrany, které volí podle povahy: inkoust a kamufláž (plachá Lili se maskuje na 100 %, zvědavá skoro vůbec). A má i život mimo plátno: **potomci dědí její naučené Q-hodnoty s genetickou mutací**, deník píše její dny, Q-tabulka se vykresluje jako generativní umění, observability dashboard ukazuje každý vnitřní stav a mozek běží ve Web Workeru, takže stránka za její přemýšlení neplatí. Po plánovaných deseti letech přijde umírací animace — a odkaz. Plná podpora dotyku dorazila ve fázi 42, proto zmizela stará výhrada „jen na desktopu“. ## život na opravdové stránce Lili se nasazuje jako jediný `