Skip to content
IAsesoriaPublic

About

Modelo de comprensión semántica (aristas-relaciones) // Semantic comprehension model (edges-relationships)

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

2 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 

Repository files navigation

Nous

Modelo de comprensión semántica (aristas-relaciones) // Semantic comprehension model (edges-relationships)

v1.16.0 · Abril 2026 · Benjamín Carmona · IAsesoria Informática · Villarrica, Chile

"Inicié Nous, por una intuición, que deja de serlo si se reflexiona, la memoria humana no es un repositorio estático, cambia, se transforma, evoluciona, junto al proceso de acceder a ella, creamos identidad, sentimientos, realidades. El costo de imaginar, no aumenta de forma exponencial nuestra necesidad de "espacio" ni "fuerza-energía" para ver mundos y traer desde lo imaginado a este el producto de nuestros sueños, por tanto, es posible ver al estado de la computación moderna, de otra forma, no dirigirnos al objeto, sin pensar en el ser que observa, pues modifica como es modificado a si mismo. Mi enfoque llegó a la conclusión de que se trata de relaciones, no de entes u objetos reducibles, la clave para evolucionar es la estructura, la emergencia y lo simple."


¿Qué es NOUS?

NOUS es un sistema experimental de memoria semántica escrito en Rust que construye y mantiene un grafo de conocimiento dinámico a partir de corpus textual en español.

A diferencia de los Large Language Models, NOUS no usa:

  • Retropropagación ni gradientes
  • Vectores de alta dimensión pre-calculados
  • Reglas semánticas declaradas por el programador

Todo comportamiento observable —activación de conceptos, formación de clusters, verbalización, olvido selectivo, curiosidad emergente— surge exclusivamente de física de grafos.


Estado Actual (Abril 2026)

Métrica Valor
Nodos 519.676
Aristas 5.375.607
Clusters Louvain 2.048
Ciclos de consolidación 25
Abstracciones detectadas 588
Huecos cognitivos activos 30.369 / 72.065
Motor Rust 2021 / MacBook Air M1 8GB

Principio Central — Cero Hardcode

La restricción filosófica fundadora es absoluta: ningún comportamiento puede ser declarado explícitamente por el programador. Todo debe emerger de física de grafos.

Si un cluster emerge, es porque los pesos lo forzaron. Si un verbo aparece en la verbalización, es porque la activación lo seleccionó. Solo así el comportamiento puede considerarse genuinamente aprendido.

Ejemplo concreto: el piso de coherencia en /evaluar no es un número fijo — emerge de calcular_piso_emergente(), que calcula la media de w_struct de todos los nodos activos en tiempo real.


Arquitectura

nous/
├── universo.rs      # Grafo, nodos, aristas, persistencia. AgendaDudas + DiarioCognitivo.
├── fisica.rs        # Spreading activation, /dormir, clustering Louvain, /arena, /concentrar.
├── verbalizador.rs  # Verbo emerge por energía diferencial. Cascada v3→v2→v1_mult.
├── explorador.rs    # Lectura en capas de ExplorarResultado.
├── ver_mente_nous.rs# 4 modos ASCII. Snapshots para visualización en vivo.
└── main.rs          # CLI, loop principal, orquestación.

Modelo del Nodo

Cada nodo tiene 6 dimensiones:

  • d1_frecuencia — importancia bruta por frecuencia de aparición
  • d2_conectividad — centralidad topológica en el grafo
  • d3_madurez — estabilidad acumulada por contextos
  • d4_abstraccion — capacidad de organizar nodos concretos
  • d5_actividad — rol como puente entre dominios
  • d6_agentividad — asociación con agentes causales

nivel_jerarquico es función de estas 6 dimensiones e identifica qué nodos actúan como abstracciones.

Modelo de la Arista

Dos pesos separados con semántica distinta:

  • w_struct — peso estructural por ingesta. Sube con regla Oja: tasa = 1/(1+n_refuerzo)
  • w_uso — peso dinámico por activación. Solo sube cuando NOUS recorre activamente la arista

El aprendizaje estructural y la activación dinámica no se mezclan.


Física del Sistema

Spreading Activation (Sonar)

E(v) = E(u) × conductancia(u,v) / PHI
conductancia = arctan_norm(w_struct + w_uso)
atenuacion_ubicuidad = 1 + ln(edge_count + 1)
PHI = 1.618033...  ← ratio áureo como factor de decaimiento natural

Los nodos hub (alta conectividad) no dominan la propagación — su energía se atenúa logarítmicamente.

/dormir — Ciclo de Consolidación Bio-Inspirado

  1. Sonar global multisemilla → TablaCoactivaciones
  2. Pares co-activados → nuevas aristas FUENTE_SUM o refuerzo de existentes
  3. Clustering Louvain emergente → hasta 2.048 comunidades
  4. Membresías difusas recalculadas: peso = aristas_hacia_cluster / total_aristas
  5. Poda sináptica: nodos no visitados pierden w_struct según d3_madurez
  6. DiarioCognitivo actualizado: huecos abiertos y cerrados

/arena — Exploración Autónoma

Opera sobre sus propias tensiones (AgendaDudas). Se detiene por saciedad emergente cuando una ventana de 10 iteraciones produce cero cristalizaciones. El umbral de parada no es declarado — emerge del estado del grafo.

Verbalizador — Cascada v3→v2→v1

El verbo no se busca por gramática. Emerge como el nodo que maximiza la diferencia de energía entre campo-sujeto y campo-objeto:

score(verbo) = |E_sujeto(verbo) - E_objeto(verbo)| / penalizacion_ubicuidad

Un verbo ubicuo (activa igual a ambos polos) tiene score bajo. Un verbo asimétrico (puente real) tiene score alto.


Evidencia Empírica

Inferencia Topológica Emergente

En sesión de Abril 2026, /arena generó la cadena:

asociación → conexiones → entre → ★dialecto → es → limitaciones
score=0.002, novedosos=1

Verificación en corpus completo:

grep -rn "dialecto.*limitaciones" *.txt *.tsv   # → sin resultados
grep -in "dialecto" *.txt *.tsv | grep -i "limitaciones"  # → sin resultados

La combinación no existe en ningún documento del corpus. NOUS navegó tensiones entre nodos en dominios separados del grafo y construyó un puente semántico original. El nodo ★ marca el punto de máxima tensión — donde la conductancia era baja (w_basal < 0.1) y la incongruencia dimensional alta.

Esto no es recuperación de información. Es inferencia topológica emergente.

/explorar agua · tierra

23.301 aristas reforzadas en una consulta. Abstracciones emergentes: tierra · agua · elemento · suelo · lugar. No fueron programadas — emergieron de la topología del grafo.


Comparación con Sistemas Existentes

Sistema Limitación NOUS
LLMs (GPT, Claude, Llama) Pesos estáticos post-entrenamiento Aprende en tiempo de ejecución sin gradientes
Knowledge Graphs (Wikidata) Relaciones declaradas por humanos Relaciones emergen por co-activación
WordNet / FrameNet Ontologías fijas por dominio Construye y modifica su ontología desde el corpus
Transformers + memoria Contexto reciente, sin consolidación Memoria persistente con decaimiento Ebbinghaus

La combinación específica de física de grafos emergente + aprendizaje continuo sin gradientes + consolidación diferencial bio-inspirada + generación interna de conocimiento por evaluación topológica no ha sido identificada en sistemas publicados a la fecha de este repositorio.


Riesgos de Diseño Documentados

Se documentan con honestidad los límites conocidos del sistema:

Saturación cíclica de piso_w. Con muchos ciclos /dormir sin poda, piso_w → 0.99+ y el contraste semántico desaparece. El arena muere por saturación, no por coherencia. Resuelto parcialmente con poda sináptica emergente.

Ingesta bigrama ciega. La ingesta actual conecta solo palabra[i] con palabra[i+1]. No captura estructura sintáctica real — solo co-ocurrencia de proximidad inmediata. Skip-grams con ventana 4 están en el roadmap.

Coeficientes de nivel_jerarquico no emergentes. Los pesos de la función nivel_jerarquico_raw() son fijos. Deberían emerger de la distribución estadística real de d1-d6.

Umbral de novedad arbitrario. score=0.002 como umbral de cristalización en /arena no tiene justificación teórica — fue calibrado empíricamente. Un umbral más alto suprimiría más señal; uno más bajo produciría más ruido.


Roadmap

Prioridad Tarea Estado
CRÍTICO Skip-grams ventana 4 en ingesta ⚠ Pendiente
CRÍTICO nivel_jerarquico con coeficientes emergentes ⚠ Pendiente
ALTA Visualización en vivo de /arena via JSONL ⚠ Pendiente
ALTA Ingesta dirigida por agenda (30.369 huecos activos) ⚠ Pendiente
MEDIA Membresías difusas incrementales via last_use Diseñado
MEDIA Ingesta Wikipedia v9 (~591K líneas, 7 dominios) En espera
MEDIA Evaluación sistemática del verbalizador (50 pares conocidos) ⚠ Pendiente
BAJA Retroalimentación arena↔dormir Etapa 0.4
BAJA Protocolo de preguntas emergentes via /decir Etapa 0.5
INVESTIGACIÓN Coherencia global (Sheaf Theory) Etapa 1.0

Preguntas Abiertas de Investigación

  • ¿Cuál es el umbral natural de densidad de aristas más allá del cual la emergencia se apaga? ¿5.3M aristas sobre 519K nodos es demasiado denso?
  • La dominancia de "alguien" como supracluster (intermediación=81.23) — ¿es emergencia real de un concepto de agencia, o sesgo del corpus Wikipedia?
  • ¿La metacognición de /introspeccionar es metacognición real o registro de proceso? Un segundo nivel requeriría detectar patrones en el DiarioCognitivo propio.
  • ¿Los verbos conjugados en tensiones persistentes (correrá↔beberá, beberá↔ladra) señalan emergencia de tiempo verbal, o déficit del verbalizador?
  • ¿Una cadena de profundidad 5 en /arena es abstracción de orden superior o co-ocurrencia estadística bien conectada?

Influencias Intelectuales

  • Collins & Quillian (1969) — Spreading activation en redes semánticas
  • Hofstadter (GEB) — Cognición como emergencia de loops de auto-referencia
  • Bak-Sneppen (SOC) — Self-Organized Criticality como base de umbrales emergentes
  • Gärdenfors — Espacios conceptuales como geometría del conocimiento
  • Wolfram (NKS) — Sistemas complejos desde reglas simples y locales
  • Regla de Oja — Aprendizaje hebbiano con tasa decreciente
  • Decaimiento Ebbinghaus — Olvido selectivo proporcional a la energía residual

Autor

Benjamín Carmona
IAsesoria Informática · Villarrica, Chile
Abril 2026


Nota sobre este repositorio

Este repositorio documenta el estado técnico y filosófico de NOUS. El código fuente no se publica en esta etapa del desarrollo — el sistema está en investigación activa y varios mecanismos centrales están siendo revisados (skip-grams, coeficientes emergentes, evaluación sistemática del verbalizador).

Lo que se publica es la arquitectura, la física del sistema, la evidencia empírica disponible, y los riesgos de diseño conocidos. La transparencia sobre los límites es parte del rigor científico que este proyecto intenta mantener.

About

Modelo de comprensión semántica (aristas-relaciones) // Semantic comprehension model (edges-relationships)

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors