Saltar al contenido
Grand Thera
TheraOS Command Center: mapa mundial de señales con la señal de la ruta de Róterdam seleccionada

Más allá de la ontología.

La ontología estructura lo que está disponible para la máquina. La epistemología computacional estructura cómo se le permite inferir a partir de ello. Una fuente de verdad gobernada es el comienzo de la inferencia, no su justificación.

Investigación activa· Working paper v1.1

La brecha inferencial

Gobernado no significa justificado.

La IA empresarial ha invertido mucho en capas semánticas que reconcilian objetos, relaciones, trazabilidad y permisos. Ese trabajo es necesario. Responde qué existe y cómo se conecta.

No puede certificar si un patrón sobrevive a otra muestra, a otra ventana o a un cambio de régimen. Más datos gobernados todavía pueden generar más patrones espurios, y un modelo ajustado no puede certificar su propio estatus epistémico. Lo que falta es un protocolo disciplinado de intento de refutación.

Del estado a la inferencia justificada

  • T · estado estructurado del dominio
  • ⇏
  • E · evidencia persistente, calificada, calibrada y relevante para la decisión

Arquitectura L0–L9

Una precondición. Nueve capas inferenciales.

L0 hace posible la evidencia gobernada. L1–L9 determinan qué puede concluir la máquina, cómo sobrevive la incertidumbre y quién sigue siendo responsable. Seleccione una capa.

Cargando la figura: Una precondición. Nueve capas inferenciales.

Convergencia entre familias

El acuerdo no es la verdad.

Tres motores pueden repetir un mismo defecto compartido. El peso probatorio depende de una corroboración heterogénea y suficientemente independiente, no de una votación bruta.

Cargando la figura: El acuerdo no es la verdad.

Probabilidad → impacto → artefacto

Una probabilidad todavía no es una decisión.

Cargando la figura: Una probabilidad todavía no es una decisión.

Límites

Un marco para poner a prueba, no un resultado para creer.

El artículo es un marco conceptual. Especifica una arquitectura y el programa empírico necesario para validarla: si la persistencia entre ventanas mejora el desempeño fuera de distribución, qué conjuntos de perturbaciones separan mejor la estructura de los artefactos, cómo deberían descontar la convergencia los datos compartidos y cómo se compara la máquina completa con alternativas más simples en datos reservados.

La máquina puede proponer una revisión estructural. No puede promoverla por sí sola. Sigue siendo necesaria la aprobación del modelador.

Working Paper v1.1 · Preprint · Marco conceptual

Publicado· sep. 2026

Beyond Ontology

La epistemología computacional como máquina de inferencia por capas

A Conceptual Framework for Separating Signal from Noise in Decision-Making

Fernando Negrini (autor principal) · Hugo Dias · Darlan Parucker Lueders · Caroline Assis

La coherencia ontológica no determina cómo debe inferir una máquina bajo incertidumbre. El artículo presenta una epistemología computacional aplicada: una arquitectura de inferencia abierta y por capas construida sobre una ontología computacional. Las señales candidatas son interrogadas por familias heterogéneas de motores, sometidas a evaluaciones repetidas en muestras, ventanas, frecuencias, especificaciones y regímenes, calificadas, reconciliadas mediante una convergencia consciente de la dependencia, calibradas en una probabilidad del evento y vinculadas al impacto de negocio como un artefacto auditable. Un modelador humano conserva la gobernanza, y solo se admite complejidad adicional cuando produce mejoras estadística y económicamente materiales frente a la línea base adecuada más simple.

También publicado en (SSRN)
10.2139/ssrn.7392618
Publicado
2026-09-01
Licencia
CC BY 4.0
Tipo de recurso
Preprint · abierto a revisión

Lo que afirma el artículo

  • La inferencia es más defendible cuando la decisión se plantea antes de seleccionar los modelos.
  • Las señales candidatas deben sobrevivir a perturbaciones admisibles antes de ser promovidas.
  • La síntesis entre familias debe descontar la dependencia compartida y preservar el conflicto.
  • La probabilidad solo es relevante para la decisión cuando se vincula con el impacto y con una pista auditable.

Programa empírico abierto

  1. 01Probar si la persistencia entre ventanas mejora el desempeño fuera de distribución.
  2. 02Estimar qué conjuntos de perturbaciones separan mejor la estructura de los artefactos de muestra.
  3. 03Medir cómo los datos compartidos y el sesgo inductivo deberían descontar la convergencia.
  4. 04Comparar un modelo único, un ensamble homogéneo, un sistema centrado en ontología y la máquina completa con datos reservados.

En Medium

Escritos sobre epistemología computacional.

No la máquina más elaborada. La más pequeña capaz de defender su inferencia.