Un protocolo disciplinado de intento de refutación.
El método está diseñado para que a la máquina le resulte difícil engañarse a sí misma, e imposible otorgarse una autoridad que no se ha ganado.
Principios
Siete compromisos.
- 01
Plantear antes de modelar
El evento, el horizonte, la población, los supuestos admisibles y la materialidad se definen antes de seleccionar cualquier modelo.
- 02
Interrogar con motores heterogéneos
Las familias estadísticas, estocásticas, simbólicas, difusas y aprendidas examinan propiedades distintas; ninguna se certifica a sí misma.
- 03
Fijar de antemano el conjunto de perturbaciones
Las ventanas, frecuencias, remuestreos, semillas, especificaciones y regímenes se declaran antes de ver los resultados, para evitar un multiverso conveniente.
- 04
Calificar y luego sintetizar
Solo las candidatas clasificadas como persistentes o condicionales entran en la síntesis, y las clasificaciones siguen siendo revisables.
- 05
Descontar la dependencia, preservar el conflicto
Los datos compartidos y el sesgo inductivo reducen el peso probatorio; el desacuerdo informativo se conserva en el artefacto.
- 06
Calibrar y fijar vencimiento
Las probabilidades se calibran frente a los resultados y llevan un horizonte de validez a partir del cual quedan desactualizadas.
- 07
Mantener responsable al modelador
La automatización puede proponer revisiones estructurales. La promoción requiere verificaciones de defendibilidad y una aprobación explícita.
Complejidad condicional
La complejidad debe pagarse a sí misma.
L0–L9
La arquitectura que rigen los principios.
Epistemología computacional
No la máquina más elaborada. La más pequeña capaz de defender su inferencia.
Del working paper · principio de gobernanza
Beyond Ontology: Computational Epistemology as a Layered Inference Machine
Fernando Negrini et al. · Working Paper v1.1 · 2026
La ontología estructura lo que está disponible para la máquina. La epistemología computacional estructura lo que a la máquina se le permite concluir a partir de ello.