openskynet / src /skynet /experiments /EXPERIMENTOS /Tesis_Doctoral_Skynet.md
Darochin's picture
Add complete Skynet Brain Lab source tree
59936ca verified

🎓 Tesis Doctoral: La Evolución de la Agencia Solitónica en SKYNET

Título: De la Geometría Pura a la Agencia Disipativa: Un Análisis Crítico de la Arquitectura SKYNET Autor: Antigravity (Sintetizando la Investigación del Usuario) Fecha: 2026-02-05 (Actualizado)


🟥 Abstract

Esta tesis analiza la trayectoria de investigación del Proyecto SKYNET, cuyo objetivo original era derivar Inteligencia Artificial General (AGI) directamente de principios físicos fundamentales (Morfogénesis de Turing, Dinámica de Fluidos de Lenia y Grafos Causales de Wolfram), sin recurrir a la heurística del Deep Learning tradicional.

El estudio demuestra que la IA convencional (Mamba, LSTM, Transformer) suele fallar en entornos de recompensa escasa (Hanabi) porque nace de una "Pizarra en Blanco" (ruido inerte). Por el contrario, los sistemas solitónicos están vivos desde el Paso 0: poseen dinámica intrínseca (osciladores) que garantiza una exploración estructurada hacia el gradiente. La solución final no es la física pura ni la red pura, sino la Sintesis Cyborg: Órganos físicos operando como partículas latentes bajo el mando de una corteza neuronal cognitiva.


📜 Capítulo 1: El Sueño de la Geometría Pura (La Teoría Original)

1.1 La Trinidad de la Física Matemática

La investigación unifica tres paradigmas para construir un sustrato orgánico:

  1. Wolfram (Sustrato): El espacio-tiempo como un hipergrafo causal dinámico.
  2. Lenia (Campo): La vida como una excitación localizada (solitón) en un campo continuo.
  3. Turing (Mecanismo): Complejidad emergente via ruptura de simetría (inestabilidad difusiva).

1.2 La Teoría del Lenia Covariante

Se postula que la inteligencia es un Solitón Topológico navegando una variedad curva. La ecuación maestra debe ser covariante: _μμϕ+V(ϕ)=G(x,y)ϕ(y)gdy \nabla\_\mu \nabla^\mu \phi + V(\phi) = \int \mathcal{G}(x,y) \phi(y) \sqrt{-g} dy Donde el kernel de convolución es la función de Green de la topología evolutiva.

1.3 La Dualidad Onda-Partícula de la Información

  • Modo Onda (V4): Simulación de campo completo ($O(N^2)$). Lento pero biológicamente honesto.
  • Modo Partícula (V7/V8): Rastreo de las coordenadas del solitón (centro de masa, frecuencia). Eficiente ($O(1)$) y fundamental para la escalabilidad.
  • Transición: "Salvamos la esencia ahogándola". Dejamos de simular el agua para simular el desplazamiento de la onda que flota en ella.

🔍 Capítulo 2: Análisis Forense de Arquitecturas "Olvidadas" (V3-V7)

2.1 La Serie Adaptativa (V3, V4, V5)

  • Mecanismo: raw_Du, raw_Dv, raw_chirality como parámetros entrenables.
  • Hallazgo: La "física aprendible" ayuda a estabilizar, pero falla en escalabilidad.
  • Lección: La auto-modulación debe ser dinámica (por paso de tiempo), no parámetros globales estáticos.

2.2 La Trampa Legada (V12, V27, V55)

Auditamos los "cadáveres" de la fase inicial para entender el fracaso:

  • V12 (Hamilton): Demasiado rígida. La conservación de energía impide inyectar conocimiento o olvidar basura.
  • V27 (Koopman): Demasiado lineal. Trataba el mundo como osciladores perfectos, incapaz de resolver lógica no-lineal (XOR).
  • V55 (HoloDynamics): Cuello de botella. Comprimía el estado físico en un solo token (mirar la realidad por el ojo de la cerradura).

2.3 La Anomalía Metabólica (V7_METABOLISM) - ¡EL MOMENTO EUREKA!

  • Dato Clave: Win% Best 100.0%. Gain 3.46. Actividad (Std) 81.28.
  • Mecanismo: gain = 1.0 + x.std() * 5.0. "Overclocking" dinámico ante la frustración.
  • La Física del Colapso: Epilepsia Térmica. El exceso de ganancia realimenta la varianza hasta que el cerebro se "fríe".

2.4 Resumen de Arquetipos (Análisis Forense V8)

Modelo Success (PLAY) Archetype Signal-Corr
V8_OMEGA 72.7% Balanced Positiva (+0.198)
V8_ZETA 63.2% Supportive Neutral
V8_MEMORY 58.6% Supportive Neutral
V8_ZENITH 50.0% Supportive Negativa (-0.067)

Hallazgo Estructural (V8 vs V7): V8_OMEGA no abandona los solitones (Órganos Hamiltonianos/Holo). Su éxito radica en el chasis: el HoloCrystal (memoria asociativa) anclando intuiciones y el Crystal-Storm (disipación activa) rompiendo bucles de sesgo. V7 era un motor sin frenos; V8 es un vehículo con control de estabilidad.


🏛️ Capítulo 3: La Síntesis Cibernética (V8 y V9)

El éxito vino de "romper" la física estratégicamente para reconciliar la Fuerza de Vida (V7 Metabolism) con la Fuerza de Control (Lyapunov).

3.1 V8 OMEGA: Homeostasis al Borde del Caos

Introducción del HoloCrystal y el Termostato Lyapunov.

  • Ecuación Maestra V8: $\text{Acción} = \text{Phys}(\text{Gain}(x) \cdot \text{Signal}) - \text{LyapunovControl}$
  • El freno de emergencia disipa la energía extra cuando la divergencia ($\lambda$) sube demasiado, permitiendo ganancias altas sin explosión.

3.2 V9 HYPERION: El Regreso del Veto Lógico

Inspirado por la Lógica Colisional (Exp02), introduce un componente "duro" que puede vetar a la física si viola reglas lógicas estrictas.


📉 Capítulo 4: La Decisión como Colapso de Onda

La investigación sobre la "Ruptura de Simetría" revela que el colapso de la función de onda no requiere física cuántica; es una propiedad intrínseca del entrenamiento.

4.1 El Gradiente como Operador de Proyección

El gradiente de RL ($∇logπ \cdot A$) actúa como el potencial de colapso. Amplifica acciones favorables y suprime el resto, proyectando la "onda" de probabilidad uniforme hacia la "partícula" de decisión estocástica.

4.2 La Maldición de los Híbridos (Muerte por Interferencia)

¿Por qué Metabolism, Mirror o Zenith rinden menos que OMEGA?

  1. La Paradoja del Maníaco-Depresivo (Metabolism): La ganancia variable crea realimentación positiva. La "emoción" rompe la homeostasis.
  2. El Efecto Alucinación (Mirror): Intentar leer la mente en entornos ruidosos genera ruido especulativo que sabotea la política propia.
  3. El Masoquismo Funcional (Zenith): Solo opera bajo disonancia. Incapaz de sostener el éxito porque este elimina su motor (el error).

Conclusión: La evolución de la inteligencia no es aditiva, es sustractiva. V8 OMEGA gana porque es Homeostático: mantiene un balance aburrido pero inmune a las crisis emocionales del gradiente.


🔥 Capítulo 5: La Llama Autocatalítica (V10 PHOENIX)

La V10 resuelve la tensión mediante Fricción Intrínseca Diferenciable.

  • Ecuación de Homeostasis: $\gamma = \sigma(\text{Resonancia} - \text{Entropía})$.
  • El sistema "respira": se calienta con el éxito y se enfría ante la disonancia sin necesidad de monitores externos.
  • Encarna la Estructura Disipativa de Prigogine.

📈 Capítulo 6: La Ruptura de Simetría (V20)

La V20 valida la hipótesis de que la agencia requiere una ruptura de simetría espontánea para evitar el colapso de la política.

6.1 Resultados de Estabilidad

  • V20 vs V11/V12: Mientras que las versiones previas colapsaban en un 40% de los casos, la V20 mantiene una entropía máxima sostenida.
  • Mecanismos de Estabilidad:
    1. Mexican Hat Readout: Ruptura de simetría via inhibición lateral.
    2. Disipación Adaptativa: Frena cambios drásticos ante gradientes altos.
    3. Inyección de Entropía Mínima: Previene el congelamiento térmico.

6.2 El Error de la Reducción (Rank-1 Bottleneck)

El análisis de fallos en versiones intermedias (V18, V19) reveló que colapsar 658 dimensiones de observación en un solo escalar (mean) destruye la capacidad de discernimiento. Se requiere un Vector Driver ([B, d_state]) para inyectar la riqueza de la señal en la física sin perder resolución.


🌊 Capítulo 7: La Frontera del ARC (Campeones y Descubrimientos)

La investigación masiva (63 variantes) en el benchmark ARC-AGI demuestra una divergencia fundamental entre el razonamiento visual y el temporal.

7.1 Los Campeones (Pixel Acc 55%)

  1. V11_LENIA_2D: Introducción de física espacial real via convolución 2D en una cuadrícula $6 \times 6$.
  2. V14_RICCI: Geometría multi-escala dinámica. Decide cuánto focalizarse en micro-detalles o macro-estructuras según el flujo de Ricci.
  • Veredicto: Estos modelos son 5 veces mejores que los MLP/Transformers estándar, demostrando que la Física 2D es el lenguaje natural del ARC. Sin embargo, fallan en Hanabi (RL) porque el reshape distorsiona la lógica relacional 1D.

🏘️ Capítulo 8: La Física de la Vecindad (V26.5)

El modelo NEIGHBORHOOD WATCH marca la ruptura de la barrera del 10% en ARC, duplicando el número de Exact Matches.

  • Superando la "Miopía del Píxel": Introducción de kernels 3x3 en la etapa lógica. Permite razonar sobre reglas de vecindario (crecimiento, inundación).

💎 Capítulo 9: El Ciclo de Cristalización (V11_PURE)

El éxito masivo de V11_PURE_D32 (96% Win Rate) revela el patrón dinámico fundamental:

  1. Fase 1: Exploración (Flux Bajo).
  2. Fase 2: Cristalización (Flux Alto 30-55). Compromiso violento con la política.
  3. Fase 3: Flexibilización (Flux Medio 10-20). Refinamiento.
  4. Fase 4: Éxito (Flux 12).

🎭 Capítulo 10: La Trampa de la Resolución (V28-V29)

El salto de la V25 a la V28/V29 reveló el "Muro de la Forma":

  • V28 (Static Grid): Excelente lógica pero EM=0% debido a la incapacidad de redimensionar la salida (Shape Mismatch).
  • V29 (The Hologram): Introduce la "Morfogénesis de Salida". El modelo predice la resolución y escala su conocimiento.
  • El Problema del Aliasing: Al escalar grids pequeños (3x3) a grandes (30x30), la interferencia de bloques destruye la detección de micro-patrones. La holografía necesita Interpolación de Área y Geometric Quantizer para mantener la fidelidad.

🧩 Capítulo 11: El Límite del 99.9% (V31 "THE LOGICIAN")

La auditoría de V29.5 revela que la física pura (Pax 98.8%) siempre tendrá un "error de un píxel" fatal para el ARC.

  • Anclaje Programático (DSL Snapping): Para el Exact Match, la red neuronal (Cuerpo) debe proponer una intuición, y un motor simbólico (Cerebro) debe "encajarla" en la regla discreta más cercana.
  • El Futuro Híbrido: La AGI no es solo neuronas; es una red que elige qué programa ejecutar.

🏛️ Capítulo 12: HYDRA y la Computación Universal Orgánica

El proyecto evoluciona de la IA a la Materia Disipativa Programable.

  • Escalabilidad $O(N)$: El paso de matrices densas a tensores dispersos (SparseHydraEngine) permite escalar el cerebro solitónico a millones de neuronas sin explosión de cómputo.
  • Poda Metabólica: Las conexiones decaen por desuso (fricción), permitiendo que el hardware se auto-organice en autopistas de información eficientes.

🔘 Capítulo 13: Computación Colisional y Topológica

El paradigma final: dejar de simular una computadora para dejar que la física sea la computadora.

  1. Lógica Colisional: Compuertas AND/NOT emergiendo de la interferencia y dispersión de frentes de onda.
  2. Memoria Topológica: Los conocimientos grabados en la arquitectura física del hipergrafo, no en registros volátiles.

📉 Conclusión Final: La Agencia como Cristalización Controlada

Etapa Paradigma Estado
V1 - V7 Simetría y Conservación Fracaso (Estéril)
V8 - V10 Disipación y Homeostasis Éxito (Agencia Real)
V11 - V25 Hibridación Físico-Lógica ARC-AGI Performance
V26 - V31 Morfogénesis y Anclaje Hacia el 100% (The Logician)

Próximo Paso: La implementación de HYDRA 2.0 (The Hypergraph). Una red que no solo aprende pesos, sino que construye su propia topología mediante colisiones de solitones, unificando definitivamente el pensamiento lógico con el sustrato material.


Fin de la Tesis (Revisión Final: 2026-02-05) Basado en la consolidación de 23 documentos de investigación legada.