La teoría
El cubo semántico: el significado como geometría
En Semantic Geometry no guardamos texto ni probabilidades: proyectamos cada concepto a un punto en un cubo continuo [-1, 1]³. La distancia entre dos puntos es su cercanía de significado, y una afirmación se verifica recorriendo el grafo, no adivinando el próximo token.
La IA propone, el grafo verifica
Un modelo de lenguaje puede redactar; el grafo comprueba. Cada afirmación crítica se ancla a coordenadas y a un grafo auditable, y el veredicto se resuelve en submilisegundos por grounding: cero tokens para verificar, cero GPU, cero red. La geometría orienta; sólo la evidencia del grafo certifica. Cuando no hay camino, el motor responde NO_EVIDENCE: no afirma que sea falso, afirma que no puede probarlo.
Lo que hemos medido (y lo que no)
El cubo no compite con los embeddings: los complementa. Estas son las métricas externas que tenemos, con su tamaño de muestra y su intervalo de confianza. El número incómodo también está: en similitud léxica ciega, el cubo no reemplaza a un modelo de embeddings.
| Evaluación | n | R | IC 95% |
|---|---|---|---|
| Warriner EPA (afectivo, lo que el cubo almacena) | 76 | 0,718 | [0,610; 0,815] |
| NRC-VAD (norma independiente) | 84 | 0,345 | [0,158; 0,520] |
| SimLex-999 ciego (léxico) | 26 | 0,139 | [−0,316; 0,510] |
Grounding: qué verifica y qué calla
Sobre 60 afirmaciones reales: cobertura de términos 93,33%, soporte ontológico 26,67% y NO_EVIDENCE 66,67%. Es un verificador de dominio cerrado, no un oráculo. Dónde falla: similitud léxica fina en 3D, ejes y/z (R≈0,25–0,34), cobertura aún sesgada al español (≈86%) y relatores predicativos incompletos. Publicamos el fallo porque un benchmark sin casos negativos no certifica nada.
Geometría afectiva, no un reemplazo de embeddings
El cubo es un espacio EPA (Evaluación, Potencia, Activación) en el linaje del diferencial semántico de Osgood, calibrado con normas psicométricas. El eje x (valencia) generaliza con solidez; los ejes y/z reflejan la dispersión de su fuente. No es un modelo de similitud léxica: para eso están los embeddings y el grafo. Lo que aporta es posición afectiva medible, no recuperación distribucional.
Determinista y auditable
La misma afirmación contra la misma ontología da el mismo resultado en cualquier máquina. La base se sella con un Merkle ledger (BLAKE3) que detecta cualquier corrupción o manipulación, y el motor corre offline en el borde (~15 W).
Un continuo, no una tabla (capacidad, no conocimiento)
Cada eje del cubo es un double IEEE 754: unos 9,2·10¹⁸ valores por dimensión y del orden de 10⁵⁶ puntos únicos en total. Es una propiedad del contenedor de direccionamiento, no una medida de calidad semántica: hoy el grafo contiene 2,44M de conceptos y la resolución útil la fija la separación real entre conceptos (~0,01–0,5), no la precisión numérica. La capacidad no es el logro; el logro es que el contenedor no impone techo.
IA determinista de Rancagua para Chile y Latinoamérica
Semantic Geometry Software & AI SpA es una empresa de inteligencia artificial determinista con base en Rancagua, Región de O’Higgins, Chile. Trabajamos en arquitectura de software de alto desempeño, pipelines de datos y IA neuro-simbólica determinista. La tesis es simple: una IA determinista de Rancagua puede darle a Chile —y a toda Latinoamérica— la capacidad de validar el lenguaje sin depender de una caja negra ajena. Desde el borde minero de O’Higgins hasta cualquier equipo de 15 W, la IA determinista de Chile que construimos verifica en silicio, en local, sin regalar los datos.
¿Querés aplicar esto a tu dominio?
Verticales tributarias, laborales, automotrices y de crédito ya corren sobre el cubo. Contanos tu caso.
Hablemos