Idiomas / Languages
Original en español. El selector de la matriz editorial estará disponible cuando responda el servicio de presentación.
Ver original en español / Spanish original
La traducción automática facilita la lectura. Contraste términos, fórmulas y sentido con el original.
1. Una inteligencia artificial fundada en el razonamiento visual
Juan Antonio Lloret Egea · Identificador de investigador (ORCID): 0000-0002-6634-3351. Instituto Tecnológico Virtual de la Inteligencia Artificial para el Español (ITVIA).
Inteligencia Artificial del Sistema Vectorial · V.02 · 7 de noviembre de 2026.
Publicación académica vinculada: Ingeniería y arquitectura de la Inteligencia Artificial del SV generada con Lenguaje Basado en Imágenes (IA-SV-LBI). Identificador de objeto digital (DOI): 10.21428/39829d0b.0481eae3.
Base documental: Tratado Lenguaje Basado en Imágenes. Artículo fundacional del tratado: identificador de objeto digital (DOI) 10.21428/39829d0b.8b9c0155. Este identificador corresponde a aquel artículo, no a la presente obra. Autoría y licencia.
La Inteligencia Artificial del Sistema Vectorial (IA del SV) se investiga como un sistema que transforma, relaciona y contrasta representaciones visuales constituidas. Su razonamiento interno debe operar sobre imágenes y glifos vinculados a células ternarias y a potenciales calculables. La expresión verbal constituye una vía de intercambio con el usuario; las palabras no sustituyen los estados visuales sobre los que se efectúan las operaciones.
El problema puede formularse con una escena sencilla. Una pantalla deja de mostrar imágenes. Esa observación permite describir un cambio visible, pero no basta para afirmar que se ha corrompido el sistema del aparato. Una respuesta adecuada tiene que conservar la diferencia entre lo observado, la hipótesis sobre la causa, la intervención requerida y el resultado todavía desconocido. La fluidez de una explicación no suple la evidencia que falta.
El Lenguaje Basado en Imágenes (LBI) aporta los fundamentos de representación. La presente obra estudia cómo utilizarlos para constituir un sistema de razonamiento y diálogo. Su autonomía de desarrollo permite examinar memoria, composición visual y actuación sin trasladar a las bases lingüísticas conclusiones que todavía requieren demostración. Sus reglas permanecen subordinadas a los fundamentos del Sistema Vectorial (SV).
Terna, células, constitución, identidad, reglas y potencial.
Representación visual, significado, correspondencias y criterios de conservación.
Operaciones visuales, memoria, diálogo y justificación de cada conclusión.
Esta organización exige un orden de fundamentación: una capacidad de la inteligencia artificial debe utilizar una operación previamente definida y contrastable en el lenguaje visual; esa operación debe respetar las reglas del sistema. Una necesidad de aplicación puede motivar una investigación en el tratado, pero no acredita por sí misma la validez de su solución.
La cadena que debe conservarse
Imagen real ↔ (glifo, texto) ↔ Célula del Sistema Vectorial ↔ Potencial de un frame del Sistema Vectorial.
Cada correspondencia requiere su constitución: qué imagen se representa, qué relaciones se conservan, qué significa cada posición, qué convenio calcula el potencial y qué información permite efectuar el retorno. La procedencia real o sintética de una imagen debe permanecer reconocible. Una imagen producida para representar una pregunta no constituye una observación del mundo.
No se admiten como mecanismos del sistema propio la selección probabilística de respuestas, la inferencia opaca ni la generación de conclusiones por predicción verbal. El procedimiento debe poder abstenerse cuando carezca de evidencia o de una operación constituida. Esta restricción comprende las etapas de entrada y salida: ocultar un mecanismo probabilístico en la interpretación de una pregunta no produciría un sistema íntegramente determinista.
La obra establece la arquitectura y las condiciones de demostración. Los resultados del tratado acreditan operaciones delimitadas de representación, cálculo y contraste; no demuestran todavía una inteligencia artificial visual general. Cada capacidad deberá evaluarse por separado y después en su composición, como se precisa en el capítulo 9.
Recorrido de lectura
Los principios rectores conducen a las dos entradas del sistema. A continuación se estudian evidencia y abstención, identidad y potencial, y expresión verbal. El caso del televisor permite seguir estas distinciones en una misma escena. Los capítulos finales relacionan memoria, aprendizaje, ejecución y condiciones de demostración. La bibliografía y los instrumentos se presentan por separado.
Publicación académica vinculada a la Inteligencia Artificial del Sistema Vectorial. Identificador de objeto digital (DOI): 10.21428/39829d0b.0481eae3.
Artículo fundacional del Lenguaje Basado en Imágenes. Identificador de objeto digital (DOI): 10.21428/39829d0b.8b9c0155.
© 2026 Juan Antonio Lloret Egea. Algunos derechos reservados. | Open Researcher and Contributor ID (ORCID): 0000-0002-6634-3351 | Instituto Tecnológico Virtual de la Inteligencia Artificial para el Español™ (ITVIA) | IA eñ™ – La Biblia de la IA™ | Número Internacional Normalizado de Publicaciones Seriadas (ISSN) 2695-6411 | Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0). Los componentes y fuentes de terceros conservan sus avisos.