Paradigmáticamente diferente de las redes neuronales. Fiel a la biología. Formalmente verificada. Desplegable en el borde. Sin dependencia de la infraestructura de la nube.
USRA — Universal Self Reading Architecture · Solicitudes de patente en trámite
inclusiv.ai es un programa privado de investigación que desarrolla la Universal Self Reading Architecture (USRA) — una arquitectura cognitiva paradigmáticamente diferente, derivada de los primeros principios matemáticos y no de enfoques de neuro-mimetismo.
Desarrollamos sistemas cognitivos que aprenden mediante currículos procedimentales basados en psicología del desarrollo (Vygotsky, Piaget, Bloom), con requisitos de corpus de entrenamiento órdenes de magnitud menores que los modelos fundacionales. Nuestras arquitecturas no utilizan redes neuronales, pesos, descenso de gradiente ni muestreo estocástico.
El enfoque es arquitectónico y estructural, no estadístico. El fundamento estructural es primario; la fidelidad biológica emerge de la derivación matemática. La capa estructural está formalmente verificada mediante el asistente de pruebas Lean4. La ejecución es byte-idéntica — determinista como propiedad arquitectónica, no como aproximación estocástica.
Un mundo en el que la IA no dependa de infraestructura extractiva, no requiera miles de millones de parámetros, no desperdicie recursos en tareas simples y no represente una amenaza sistémica para la privacidad ni para el pluralismo democrático.
Sistemas cognitivos que crecen con el usuario, en el dispositivo, de por vida — tutores de matemáticas, compañeros de aprendizaje, traductores para idiomas con pocos recursos, encarnaciones físicas para interacción con el mundo real.
Desarrollar, verificar formalmente y demostrar empíricamente una arquitectura cognitiva paradigmáticamente diferente, y asegurar la protección de la propiedad intelectual para que la tecnología esté disponible mediante canales comerciales y de investigación responsables.
Enfoque especial: educación para comunidades marginadas, acceso a pedagogía asistida por IA para idiomas con pocos recursos, e integración ética en sistemas críticos (salud, finanzas, servicios públicos).
Los modelos fundacionales (GPT, Claude, Gemini, LLaMA y otras arquitecturas LLM) son tecnológicamente impresionantes, pero estructuralmente no pueden servir para ciertos contextos. Algunos problemas no se resuelven con un modelo más grande — solo con una arquitectura diferente.
Los modelos fundacionales requieren miles de millones de ejemplos para capacidades básicas. Un niño aprende matemáticas con unas pocas docenas de ejemplos. Diferencia: órdenes de magnitud.
Los modelos más grandes requieren infraestructura en la nube. La privacidad es un privilegio opt-in, no una propiedad arquitectónica. El despliegue en el dispositivo es un workaround, no un diseño.
Los modelos fundacionales dan respuestas distintas a la misma pregunta. La replicabilidad científica y la certificación regulatoria son estructuralmente más difíciles de lograr.
El entrenamiento e inferencia de los modelos fundacionales consume enormes cantidades de electricidad, agua, elementos raros y trabajo humano. La IA es hoy una industria extractiva física.
Los modelos fundacionales olvidan lo aprendido previamente al aprender nuevas tareas. El aprendizaje continuo de por vida con el mismo modelo es estructuralmente imposible.
El sector social con menor información sobre IA muestra la mayor confianza. Vulnerabilidad estructural de las sociedades democráticas a los sistemas de influencia basados en IA.
Nuestra respuesta: estas no son limitaciones técnicas que se resuelvan con modelos más grandes. Son consecuencias arquitectónicas de un enfoque — el paradigma de las redes neuronales. USRA aborda los sistemas cognitivos de manera diferente.
Materiales educativos sobre el dominio de la IA — desde la historia de los enfoques, pasando por los paradigmas actuales, hasta los modelos emergentes. Sin sesgo de marketing, fundamentado científicamente.
"IA" es un término paraguas que abarca varios paradigmas que difieren significativamente. Categorías formalmente reconocidas en la taxonomía académica de 2026:
"IA" en el discurso público suele significar "aprendizaje profundo + LLM" — ese es el paradigma actualmente dominante, no el único.
USRA no pertenece a ninguna de las categorías anteriores. Se está desarrollando como un nuevo enfoque que deriva la estructura cognitiva de los primeros principios matemáticos — como categoría en la taxonomía académica todavía no existe formalmente reconocida. Esto es intencional: "paradigmáticamente diferente" significa precisamente que no encaja en marcos establecidos y requiere su propia categorización.
Una red neuronal es una estructura matemática inspirada en las neuronas biológicas:
Este paradigma es dominante desde 2012 (AlexNet) y especialmente desde 2017 (arquitectura Transformer). Los LLM (GPT, Claude, Gemini, LLaMA) son transformers con miles de millones de pesos entrenados con petabytes de texto.
El Teorema de Aproximación Universal demuestra matemáticamente que una red neuronal con suficientes nodos puede aproximar cualquier función continua. Por eso funciona el escalado. Pero aproximación no es comprensión.
Cinco alternativas post-transformer actualmente bajo investigación activa (todas permanecen dentro del paradigma de redes neuronales):
Todas son redes neuronales — utilizan pesos, activaciones, descenso de gradiente o gradientes sustitutos, y dependen de corpus de entrenamiento.
USRA pertenece a una clase categóricamente diferente — arquitectura cognitiva derivada de los primeros principios matemáticos. No es una red neuronal. Diferentes primitivas computacionales, diferentes mecanismos de aprendizaje, diferentes garantías arquitectónicas.
Lo que usamos hoy y lo que está en nuestra lista de deseos — transparencia sobre la infraestructura técnica que apoya nuestra investigación.
Apoyo o patrocinio de hardware bienvenido a través de programas de partnership. Contacto: Colabora con nosotros.
Nuestro enfoque sobre la IA es simultáneamente especializado técnicamente e integrado pedagógicamente. Materiales educativos para todos los niveles — desde estudiantes de primaria hasta investigadores.
Qué es la IA, cómo distinguir paradigmas, qué pueden y qué no pueden hacer los modelos fundacionales, cómo aproximarse a las herramientas de IA de manera segura y crítica.
En preparación: serie de materiales educativos para estudiantes de primaria, secundaria y adultos sin formación técnica.
Materiales técnicos para estudiantes de disciplinas STEM — fundamentos matemáticos de las arquitecturas cognitivas, estructuras matemáticas en IA, verificación formal (Lean4), psicología del desarrollo aplicada al entrenamiento de IA.
En preparación: entradas técnicas de blog, mini-tutoriales, ejemplos de código abierto.
Nuestro enfoque para enseñar a sistemas cognitivos se basa en la herencia de la psicología del desarrollo — la Zona de Desarrollo Próximo de Vygotsky, las etapas del desarrollo de Piaget, la taxonomía del aprendizaje de Bloom, los enfoques pedagógicos Montessori y Reggio Emilia. Tratamos al sistema de IA como un aprendiz que pasa por etapas de desarrollo, no como una herramienta entrenada con un corpus masivo.
Lo que estamos probando en 2026, descrito de forma accesible. Los resultados empíricos detallados y los mecanismos específicos que habilitan estas propiedades están protegidos por el proceso de patente; serán publicados progresivamente conforme se establezca la prioridad de patente.
Nuestra jerarquía del desarrollo formalmente verificada abarca tiers cognitivos desde la célula más simple hasta la complejidad cognitiva humana. Las pruebas actualmente activas se realizan en L15 (babosa de mar). Las configuraciones de tier superior están estructuralmente soportadas pero requieren hardware más potente — el alcance actual de las pruebas está limitado por los recursos disponibles, no por los límites arquitectónicos. La validación empírica de tiers superiores espera acceso a infraestructura de cómputo adecuada (ver sección Hardware).
| Rango de tier | Referencia de complejidad biológica | Estado de investigación |
|---|---|---|
| L1 – L4 | Etapas más tempranas del desarrollo (cigoto, mórula, blástula, gástrula) | Estructuralmente verificado |
| L5 – L9 | Desarrollo embrionario, primeras primitivas cognitivas | Estructuralmente verificado |
| L10 – L14 | Invertebrados simples, primeros sistemas cognitivos | Estructuralmente verificado |
| L15 | Babosa de mar (Aplysia californica) | ⚡ Pruebas actualmente activas |
| L16 – L19 | Insectos y peces simples | Hoja de ruta (tier workstation) |
| L20 – L24 | Anfibios, reptiles más pequeños | Hoja de ruta (tier cloud-scale) |
| L25 – L29 | Mamíferos pequeños (clase de roedores) | Hoja de ruta |
| L30 – L34 | Mamíferos más grandes (carnívoros, primates) | Hoja de ruta |
| L35 | Complejidad cognitiva humana — referencia | Objetivo estructural de la jerarquía |
Las etiquetas de tier (L1–L35) son nuestros niveles internos de desarrollo. Los mapeos a organismos biológicos son comparaciones ilustrativas de la complejidad cognitiva, no afirmaciones de equivalencia anatómica. Los conteos detallados de nodos, los mecanismos y los resultados empíricos por tier están protegidos por el proceso de patente.
Materiales públicos — visiones, marco arquitectónico, enfoque pedagógico, taxonomía biológica. Las especificaciones técnicas detalladas y los resultados empíricos están protegidos por el proceso de patente; serán publicados progresivamente conforme se obtenga la protección IP.
VISIÓN
Arquitectura cognitiva derivada de los primeros principios matemáticos — visión y contexto estratégico.
Estado: disponible públicamente
ARQUITECTURA
Descripción funcional de alto nivel de la arquitectura, organización por capas, integración con el hardware.
Estado: en preparación para publicación pública (post-prioridad de patente)
INDUSTRIA
Revisión sistemática de los problemas con el paradigma fundacional de IA, perspectivas para una arquitectura alternativa.
Estado: disponible públicamente
BIOLOGÍA
Marco de etapas del desarrollo — desde el tier de composabilidad de Aplysia californica hasta configuraciones cerebrales preparadas para K-12.
Estado: disponible públicamente (especificaciones de tier protegidas por NDA)
PEDAGOGÍA
Psicología del desarrollo aplicada al entrenamiento de IA — Vygotsky / Piaget / Bloom en el contexto de las arquitecturas cognitivas.
Estado: disponible públicamente
BENCHMARKS
Resultados empíricos detallados — experimentos de cohortes, composición procedimental autónoma, reproducibilidad byte-idéntica.
Estado: en preparación para publicación pública (post-prioridad de patente)
Todas las publicaciones públicas han pasado por revisión de disciplina NDA — divulgando lo que no compromete la propiedad intelectual de la patente, reservando los mecanismos y los detalles específicos de implementación para conversaciones técnicas post-NDA.
Estamos abiertos a conversaciones con socios de investigación, inversionistas estratégicos, patrocinadores de hardware e instituciones interesadas en un enfoque paradigmáticamente diferente sobre la IA.
Buscamos socios estratégicos en: tecnología educativa (tutoría K-12), plataformas de traducción (idiomas con pocos recursos), IA encarnada (robótica, IoT) y ecosistemas de hardware (Apple, Nvidia, Intel, IBM).
Acceso bajo NDA. Especificación de patente disponible tras NDA firmado.
Etapa pre-financiación. Abiertos a conversaciones con inversionistas que comprendan los plazos de investigación paradigmáticamente diferentes y las oportunidades de co-diseño de hardware deep-tech.
Paquete de materiales disponible tras conversación inicial + NDA.
Instituciones académicas, grupos de investigación e investigadores independientes interesados en arquitecturas cognitivas derivadas de los primeros principios matemáticos, verificación formal de IA, o enfoques fieles a la biología — contacto para colaboración de investigación.
Abiertos a coautoría, publicaciones conjuntas, estudios de replicación bajo marco NDA.