Janax y Razar

20 MB de Wikipedia en 6 minutos y 40 segundos, en vez de 31, aprendiendo exactamente lo mismo.

Las relaciones deducidas, lo imaginado, las hipótesis en espera, los mecanismos y los testigos salen idénticos byte por byte a los de la v0.3. Cuanto más grande el libro, más gana.

Razar hace el mismo trabajo con la mitad de las instrucciones, y aprende exactamente lo mismo.

Primero se midió dónde se le iba el tiempo: un kernel de medición contó cuántas veces corre cada palabra del programa. La sorpresa: más del 80 % no era pensar, era escribir y leer su propio cuaderno, letra por letra, y pasarlo en limpio entero en cada pedazo del libro. Dos ideas del Capitán lo arreglaron: escribir de un tirón (una letra, una palabra o una línea, del tamaño que haga falta) y escribir solo la diferencia (un diario: cada pedazo anota al final lo que sumó, sin copiar lo viejo).

Los segundos se miden con milisegundos, en tres corridas de cada versión, desde las cinco instrucciones; antes se medían en segundos enteros y no alcanzaba. Los 31 minutos de los 20 MB son de la v0.3 y todavía no se volvieron a medir. Detalle: documentacion/so/janaxos.md.

Sin que nadie le diga qué es un sinónimo, Razar los encuentra por los lugares que las palabras comparten.

"Iglesia" y "capilla" casi nunca aparecen juntas, pero ocupan los mismos lugares en lo que se dice de ellas. Razar cuenta esos lugares, deja afuera lo que se dice en todos lados (la mitad del texto que más se repite, medida por él), y las parejas que comparten más lugares son las que se parecen. Se probó contra el MATS, un banco de analogías que Razar nunca vio: un par cuenta cuando sus dos palabras comparten más lugares que la palabra con la respuesta de otro par (el azar).

Razar ya razona, y está medido: deduce relaciones que nadie escribió ("abuelo" como "padre de un padre", y el libro lo confirma) y elige la regla en vez de memorizar (con 3 ejemplos acierta el 100 % de las sumas que nunca vio, en 20 de 20 semillas; el control sorteado, 6 %). Lo que falta medir: que razone con la nitidez, usando las clases que encontró (la "persona") para deducir; y muchas palabras todavía no comparten ningún lugar con nadie (empates).

Con 16 cosas, la red de referencia del campo no llega nunca. Razar llega siempre, en menos de 102 juegos.

El juego de señales de Lewis: uno dice una cosa, el otro la adivina, y los dos aprenden solo de si se entendieron. Nadie les da la respuesta correcta: el idioma lo inventan entre los dos. Contra EGG (Facebook Research), la implementación publicada del juego, con las mismas cinco semillas. Razar usa un cubo de 4×4×4 para 4 cosas y uno de 7×7×7 para 8 y 16.

Sin gradiente, sin respuesta correcta y sin centro de datos: un cuerpo (el cardumen) de unos 8 KB y una mente (la voluntad) de unos cientos de KB. Lo que está probado es este juego. Que la ventaja viaje a otras tareas todavía no se midió.

Qué es, en una frase

Todo, desde el idioma hasta el sistema operativo, está hecho desde cero, y cada pieza tiene sus pruebas y sus números. Sin motores ni bibliotecas de terceros.

⚠️ Razar no es una red neuronal. Sin redes, sin gradientes y sin pesos entrenados: no es un modelo, es un mecanismo. Lo que busca no es acertar una tarea, es decir lo mismo con menos bits — y como el juez no depende de la tarea, el banco con que se lo mide no participa de la búsqueda. Por eso entra en 5 MB y corre en dos núcleos, sin GPU y sin nube.

Las ideas, como acertijos

El proyecto se diseñó con metáforas y acertijos para chicos. Acá van algunos, cada uno con lo que de verdad hace el código.

Lo que está medido

Ningún número entra porque parezca razonable: cada uno dice de qué medición salió. Detalle en la documentación, incluidos los instrumentos que mintieron y cómo se descubrió.

Cada pieza, con su nombre en el oficio

Un revisor no puede evaluar lo que no puede ubicar. El repositorio trae un inventario levantado leyendo el código y nada más, sin consultar la documentación: cada mecanismo con su archivo y su línea, lo que hace, y su nombre publicado con la cita — o la marca de que no se le encontró antecedente.

Que tantas piezas tengan un equivalente correcto es una buena noticia: significa que el camino, recorrido solo, dio con las soluciones que el oficio considera buenas. Ninguna de estas convergencias reclama prioridad — los antecedentes son anteriores y están citados.

Lo que no tiene equivalente conocido

Cuatro piezas, con la advertencia de que «no se le encontró antecedente» habla de quien buscó, no de la literatura.

1. asociar (so/ambientes.inc:1274) — álgebra de conjuntos (intersección, diferencias, unión) sobre los espacios de capacidades de dos procesos, materializada al nacer un tercero, con consentimiento bilateral obligatorio.
   Construido (v0.5): una palabra Venn con un eje por campo (las regiones, a quién se mira primero, un criterio, la dirección, el alcance y cuántas), resuelta por un motor que es una pieza aparte de la arquitectura (so/venn.inc) y que cualquier conjunto puede usar. Pruebas en los tres motores: so/pruebas/asocia_{0..7}.jsm.
   Y el hallazgo conceptual, que vale más allá del código: el Venn de población infinita. asociar entrega desde tres regiones, así que lo booleano da 2³ = 8 estados: es finito. Pero agregándole el orden de la mirada («lo que miro A primero» entrega la misma región en otro orden, y con k cajas son k! órdenes) y un criterio de ranking («los más pequeños de B que no están en A», un predicado cualquiera sobre los campos del cartel), la cuenta pasa a ser infinita. Y esos dos son ejes que el autor nombró, no la lista: se podría distinguir también por procedencia, por antigüedad, por máscara de permisos, por composición de asociaciones previas. Cada eje nuevo multiplica la población de vuelta.
   Dónde está el antecedente y dónde no: el salto de álgebra de conjuntos a conjuntos con selección y orden es el de Codd (1970), el álgebra relacional. Lo que no tiene precedente conocido es aplicarlo a capacidades: ahí los elementos no son filas, son derechos sobre memoria viva, y entregarlos ordenados o filtrados cambia lo que el hijo puede hacer, no solo lo que puede leer. Con la palabra Venn, asociar ya no es una consulta: es un lenguaje de consulta que reparte poder.
2. «La última parte» (so/remos.inc:428) — terminar en vez de ceder el turno, con el dato calculado del programa para que el programa no pueda mentir sobre él.
3. La armonía de la ola (cardumen_cubo.jsm:818) — una pieza se ahoga si la empujan desde demasiados lados; la acumulación es por pieza y compartida entre olas: ahí se encuentran dos saludos.
4. La forma canónica del órgano (pulso.jsm:3090) — usada como prueba nula de que el órgano efectivamente leyó el libro.

Se mejora solo, y lo que aprende pasa a la vida siguiente

Razar no solo usa un detector: lo diseña. Un «órgano» es un operador perceptual que el propio sistema arma por mutación contra el juez de bits, y cuando uno gana deja su receta escrita. La cadena está medida:

Y lo aprendido pasa a la vida siguiente: una corrida nueva nace sin órgano, lee la receta de su modelo y arranca con esa base en lugar de cero. No hay adopción a ciegas: la mejor receta de cada tipo rinde primero como candidata, en su jaula, sea del alfabeto que sea. La huella informa, no decide. Eso es transferencia entre vidas, y es la que sostiene que el sistema acumule en vez de empezar de nuevo.

Y el órgano 6 es el argumento entero de por qué nada se descarta: valía −1586, era basura por puntaje, y fue el escalón del que llegó a 2649. Podando por nota se perdía el único camino hacia arriba.

Los nombres

RAZAR es RAZonamiento ARtificial. Y tiene dos cosas más adentro, las dos exactas: R + AZAR — el azar está en el propio nombre, y es contra el azar que se mide todo lo que hace (cada relación debe ganarle a su par cruzado; cada órgano, a un mecanismo sorteado del mismo generador): un juego que se gana sacándole el azar a lo que parecía azaroso. Y es capicúa: R-A-Z-A-R se lee igual en las dos direcciones.

JANAX viene de janax / hanaq: en quechua y en aimara, «arriba», el mundo de arriba (hanaq pacha, el plano superior). No significa tierra: significa la vista desde arriba — que es, sin que el nombre fuera elegido por eso, exactamente lo que hace el sistema. Desde la cubierta un diagrama de Venn son dos círculos; desde arriba se ve la población.

Y el nombre que une las dos mitades del proyecto: CORAZÓN se parte exacto en CO + RAZÓN — con razón. La etimología dice otra cosa (viene de cor, corazón en latín, y no de ratio), así que es coincidencia de la escritura y no parentesco. Pero describe bien lo que se intentó acá: un razonamiento que no deje afuera el motivo por el que se hace. En palabras del autor, "no compongo canciones: soy compositor de corazones".

(Y un guiño más, también juego de letras: SOLUCIÓN y SOL ÚNICO tienen exactamente las mismas ocho letras.)

Y las dos palabras que dicen por qué esto se regala: VIDA = VI + DA y VERDAD = VER + DAD. Primero ver, después dar. (Juego de letras; lo que significa para el autor está entero en la carta.)

Una estadística para poblaciones que nadie enumeró

La estadística clásica necesita un espacio muestral fijado de antemano: el nulo se define contra «lo que habría pasado sin estructura», y eso exige saber qué cosas podían pasar. Cuando lo que se busca es un mecanismo, y el espacio de mecanismos posibles no está enumerado, ese instrumento no se aplica. Las tres piezas que lo reemplazan están construidas:

1. Un juez que no depende de la tarea: bits ahorrados. Un mecanismo mejor lo es para cualquier lectura, no para el banco con que se lo buscó — el banco no participa de la búsqueda, y por eso no se puede sobreajustar.
2. Un nulo sobre mecanismos, no sobre datos: el control clásico baraja los datos; acá se sortea otro mecanismo del mismo generador y se lo hace rendir el mismo examen, en su jaula y con presupuesto.
3. El denominador: no se reporta el ganador, se reporta el camino, el resultado y lo que costó en intentos.

Los dos llegan al mismo lugar y uno paga el doble. El archivo por nichos se conservó igual, pese a empatar costando más: "que no lo mida no significa que no lo quiera".

Cómo se mide el proyecto a sí mismo

Prueba diferencial de tres motores que deben coincidir hasta el momento del corte de turno; prueba exhaustiva del ensamblador contra FASM; nulo por permutación dentro del motor; un distractor puesto a propósito para comprobar que nunca gane; validación cruzada dejando uno afuera; estudio de ablación de a una regla por vez; y comparación contra la implementación de referencia del campo con el presupuesto igualado. El único umbral de conteo de todo el sistema es 2: una vez es anécdota, dos es patrón.

Los límites, dichos de frente

• El autoalojamiento verificado por punto fijo es el del ensamblador del lenguaje: arma sus propias fuentes, se arma a sí mismo y los dos binarios tienen que salir idénticos. Lo que todavía construye FASM es el núcleo x86 y los motores de escalón 0, escritos en ensamblador x86-64 (el ensamblador propio arma .jsm, no .asm).
• La comparación byte a byte contra FASM no es una dependencia: es una verificación elegida. Cada fuente armada por el ensamblador propio tiene que salir idéntica a la de FASM, y se comparan todas las combinaciones de cada instrucción. Se puede sacar y el sistema se construye igual; lo único que se pierde es la comprobación.
• Nadie de afuera lo corrió todavía. Las mediciones son del autor, en su máquina: queda en replicable pendiente de réplica, que no es lo mismo que probado.
• La transferencia está medida; la comparación cara a cara, no. La misma arquitectura se midió en cinco tareas distintas: señalización de Lewis (contra EGG), el traductor de Morse, acertijos de palabras, deducción de relaciones sobre un libro entero y las analogías del MATS sobre 20 MB de Wikipedia. Lo que existe solo para el juego de Lewis es la comparación contra una implementación de referencia del campo con el presupuesto igualado.

Leer el inventario completo, mecanismo por mecanismo →

Entrá al código y a los documentos

La documentación está en castellano; los comentarios del código, en inglés.

Probalo

Hace falta Windows, Git Bash y FASM 1.73.35. Para ver nacer un idioma alcanza con Perl.

git clone https://github.com/nicoconvoz/Janax
cd Janax
perl razar/cardumen/lazo.pl nace=7 armonia=1 lee=ritmo                       # inventando un idioma
perl razar/cardumen/lazo.pl n=7 k=16 nace=1005 armonia=1 lee=ritmo hasta=1   # 16 cosas en un cubo de 7
FASM=/c/fasm/FASM.EXE INCLUDE=C:/fasm/INCLUDE bash so/pruebas/correr.sh
bash razar/cardumen/nitidez_reproducir.sh corpus.txt MATS/es casa_nueva    # la nitidez (necesita Python para el juez)

Donaciones

Janax y Razar se hacen para donarlos al mundo, abiertos. El código es gratis y lo va a seguir siendo: la licencia Apache 2.0 no se puede retirar, y nadie necesita pagar nada para usarlo, estudiarlo o venderlo.

Lo que se done tiene destino, y queda escrito acá para quedar comprometido:

1. Ayudar a los que menos tienen.
2. Pagar el laboratorio, para poder seguir construyendo y midiendo.
3. Fundar una escuela, para que esto se reparta en personas y no solo en repositorios.

Si eso te hace sentido y querés empujar:

⚠️ Mandá cada moneda solo por su red: otro token u otra red se pierden y no se pueden recuperar. Son direcciones de depósito de Binance y pueden cambiar: antes de un envío grande, confirmá que siguen siendo estas en esta página.

Es un prototipo de investigación, no un producto terminado. Se comparte para que cualquiera pueda leerlo, aprender de él, probarlo y mejorarlo.