Traducción automática del original inglés fechado. La página en inglés es la canónica. English →

donde $U$ es la capacidad efectiva (nota de era: las capas anteriores de este programa usan la letra U de forma distinta, desde Universo en el formalismo de diciembre de 2024 hasta creación realizada en la página de la ley; este artículo usa solo el sentido operacional, y el glosario de investigación recoge cada significado con su fecha), $I$ es el potencial base (asimetría estructurada), $R$ es la profundidad recursiva y $\alpha$ es el exponente de escalado. Dentro del modelo enunciado, este artículo deriva $\alpha$ en lugar de ajustarlo: se sigue de la constante de acoplamiento autorreferencial $\beta$ mediante $\alpha = 1/(1-\beta)$. La afirmación adicional de que está acotado por $\alpha \leq 2$, la Cota ARC, es una conjetura y no un resultado demostrado: dos es lo que la relación devuelve en $\beta = 1/2$, y ese valor está a prueba en los registros preliminares redactados en vez de estar establecido. Actualización: Los resultados empíricos del experimento v5 transversal a arquitecturas (Artículo II, seis modelos de frontera, 30 problemas) encuentran $\alpha_{\text{compute}} \approx 0.49$ para el modelo con mejor ajuste (Gemini 3 Flash, $r^2 = 0.86$), lo que confirma un escalado positivo por ley de potencias ($\alpha > 0$) y una ventaja secuencial universal ($\alpha_{\text{seq}} > \alpha_{\text{par}}$ para cada modelo), pero no un escalado super-lineal ($\alpha > 1$). Los exponentes medidos dependen de la arquitectura, con un rango de casi cero a aproximadamente 3. Estos hallazgos refinan en lugar de refutar el marco: la estructura matemática se sostiene, pero el régimen empírico de escalado de la IA es más débil de lo predicho originalmente.

Pero esta forma de ley de potencias es en sí misma un caso especial. Definamos el operador de composición recursiva $\oplus$, que caracteriza cómo las ganancias incrementales se combinan con la capacidad acumulada. Bajo continuidad y asociatividad, $\oplus$ determina de forma única la función de escalado del sistema:

Bajo las hipótesis de regularidad y composición del Teorema 1: un $\oplus$ multiplicativo produce escalado por ley de potencias ($R^{\alpha}$), un $\oplus$ aditivo produce escalado exponencial ($e^{\alpha R}$) y un $\oplus$ acotado produce saturación.

Demostramos que cualquier sistema que satisface tres axiomas (separabilidad, ventaja acumulativa, continuidad) exhibe necesariamente cinco propiedades estructurales: comportamiento umbral, dependencia de la profundidad recursiva, dependencia de la calidad base, interacción multiplicativa $I \times R$ y fronteras de régimen. Demostramos que la interacción multiplicativa es necesaria, no meramente conveniente: ninguna descomposición aditiva es consistente con los axiomas (Teorema 2a). Derivamos la Cota ARC ($\beta = 0.5$, $\alpha = 2$) (§5.4) como el límite propuesto de escalado estable para la computación secuencial clásica: un límite de escalado en lugar de un límite de velocidad, y lo máximo que un sistema recursivamente autocorrector puede crecer manteniéndose corregible (los sistemas pueden excederlo en excursiones supercríticas transitorias pero no permanecen allí autocorrigiéndose de forma estable), y mostramos que los operadores de composición pueden transitar entre regímenes dentro de un solo sistema acotado (Teorema 5). Éstas constituyen el ARC Principle. Presentamos pruebas de cuatro dominios, especificamos trece criterios de falsación, hacemos una predicción hacia adelante transversal a los dominios y reportamos un conjunto exhaustivo de validación computacional (Apéndice C) que confirma las relaciones matemáticas centrales con precisión de máquina.

Palabras clave: amplificación recursiva, operador de composición, leyes de escalado, cómputo en tiempo de prueba, corrección cuántica de errores, cristales temporales, universalidad, falsación

1. El Problema

Entre diciembre de 2024 y febrero de 2026, cuatro programas de investigación lograron los siguientes resultados:

Google Quantum AI (resultados anunciados el 9 de diciembre de 2024; el preprint del equipo público desde el 24 de agosto de 2024) demostró la supresión exponencial de errores mediante corrección cuántica recursiva de errores en el procesador Willow, alcanzando $\Lambda = 2.14 \pm 0.02$ por incremento de distancia de código [1].

DeepSeek AI (enero de 2025) mostró que el razonamiento secuencial en cadena de pensamiento en grandes modelos de lenguaje produce ganancias de capacidad que parecen componerse con la profundidad, mientras que el muestreo paralelo muestra rendimientos decrecientes [2]. Sharma y Chopra (2025) confirmaron de forma independiente la ventaja secuencial en el 95.6% de las configuraciones probadas a través de cinco familias de modelos [3].

NYU Physics (febrero de 2026) creó un cristal temporal clásico continuo en el que emerge orden temporal espontáneo cuando el desorden congelado se combina con bucles de retroalimentación no recíprocos, exhibiendo una dinámica de saturación con ~6,700 ciclos de coherencia [4].

El COGITATE Consortium (2025) encontró que el procesamiento neuronal recurrente en la corteza posterior sostiene representaciones específicas del contenido (0.5 a 1.5 s), mientras que el procesamiento anticipativo transitorio en la corteza prefrontal produce solo respuestas categóricas breves (~0.2 a 0.4 s) [5]. El hallazgo de COGITATE de que el procesamiento recurrente en la corteza posterior sostiene representaciones específicas del contenido respalda la predicción del marco ARC de que la profundidad de procesamiento recursivo determina el escalado de capacidad; COGITATE estudió la consciencia en lugar del escalado de la IA, pero el patrón estructural (amplificación dependiente de la profundidad, impulsada por retroalimentación) es compartido.

Estos programas abordan problemas distintos en sustratos físicos distintos. Exhiben formas matemáticas distintas: exponencial en los sistemas cuánticos, ley de potencias en la IA, saturación en la física clásica y no medida en la neurociencia. No comparten citas, fuentes de financiación ni personal común.

Sin embargo, comparten un patrón estructural. En cada caso, el procesamiento recursivo o recurrente (donde la salida de un ciclo se convierte en la entrada del siguiente), que opera sobre asimetría estructurada, produce ganancias de capacidad que exceden la acumulación lineal. La pregunta que aborda este artículo es si ese patrón refleja un único principio subyacente o mera coincidencia.

Proponemos que refleja un principio, pero no el que cabría esperar. No afirmamos que una única ecuación se ajuste a todos los dominios. Afirmamos algo más específico: que una propiedad medible de cualquier sistema recursivo (su operador de composición) determina su función de escalado, y que cinco propiedades cualitativas se siguen necesariamente de la arquitectura recursiva independientemente de la forma funcional. La forma matemática difiere entre dominios porque el operador de composición difiere. Las propiedades estructurales son universales porque los axiomas que las generan son independientes del sustrato.

2. El Formalismo

2.1 Tres Axiomas

Comenzamos con tres axiomas que cualquier sistema de amplificación recursiva debe satisfacer.

Este axioma afirma que la calidad base y la profundidad recursiva contribuyen a la capacidad a través de canales independientes y multiplicativos. Un sistema con potencial base cero ($I = 0$) alcanza capacidad cero independientemente de la profundidad recursiva: la recursión no tiene nada que amplificar.

Este axioma captura la característica esencial del procesamiento recursivo: la amplificación marginal de cada paso depende de la amplificación acumulada. Cuando $\beta = 0$, los pasos son independientes y la amplificación crece linealmente. Cuando $\beta > 0$, la amplificación acumulada acelera las ganancias futuras (escalado super-lineal). El parámetro $\beta$ mide cuánto del contexto acumulado puede aprovechar efectivamente cada nuevo paso. Operar sobre el factor de amplificación $g$ en lugar de sobre la capacidad absoluta $Q = I \cdot g$ preserva la separabilidad afirmada en el Axioma 1: la función de amplificación depende solo de la profundidad recursiva, no del potencial base.

Ésta es una condición de regularidad. Excluye soluciones patológicas y garantiza la mensurabilidad.

2.2 El Operador de Composición

¿Cómo se combina la ganancia del paso recursivo $r$ con la capacidad acumulada $Q_r$? Lo formalizamos como sigue.

El operador de composición es el objeto matemático central de este marco. Es lo que varía entre dominios y lo que determina la función de escalado. Es también empíricamente medible: observe cómo las ganancias marginales en el paso $r$ se relacionan con la capacidad acumulada $Q_r$.

Esbozo de la demostración. Los casos (1) y (2) se siguen de las ecuaciones funcionales de Cauchy. Para (1): sea $h(x) = \ln g(e^x)$; entonces $h(x+y) = h(x) + h(y)$. Bajo continuidad, $h(x) = \alpha x$, dando $g(R) = R^{\alpha}$. Para (2): $\ln f$ satisface $\ln f(R_1 + R_2) = \ln f(R_1) + \ln f(R_2)$, una ecuación aditiva de Cauchy con solución $\ln f(R) = \alpha R$. El caso (3) se sigue directamente de la cota. Demostraciones completas en el Apéndice A. $\blacksquare$

La clasificación es exhaustiva bajo las condiciones enunciadas. Cualquier regla de composición continua y asociativa sobre $\mathbb{R}^+$ cae en una de estas tres clases. El operador de composición es por tanto un clasificador completo del comportamiento de escalado recursivo.

Los Seis Supuestos Ocultos

Todo teorema de imposibilidad descansa sobre supuestos. El Teorema 1 asume seis cosas. Cada supuesto, cuando se viola, produce un refinamiento físico específico en lugar de una contradicción:

El Supuesto 3 es particularmente significativo para la aplicabilidad del marco. El teorema de estabilidad de Hyers-Ulam [18,19] demuestra que cualquier función que aproximadamente satisfaga una de las ecuaciones funcionales de Cauchy debe situarse cerca de una solución exacta de esa misma ecuación. Formalmente, para el caso multiplicativo: si $|f(x \cdot y) - f(x) \cdot f(y)| < \varepsilon$ para todo $x, y$, entonces existe una solución exacta $g$ de la ecuación multiplicativa con $|f(x) - g(x)| < K\varepsilon$; enunciados análogos se sostienen respectivamente para las ecuaciones aditiva, exponencial y logarítmica. Los sistemas reales nunca satisfacen los axiomas exactamente: las redes biológicas son ruidosas, las cadenas de razonamiento de la IA tienen calidad variable, la corrección cuántica de errores opera con puertas imperfectas. Dentro de cada ecuación, la forma correspondiente es por tanto estable bajo perturbación. La redacción anterior que hacía de las tres formas «atractores estables en el espacio de funciones» se retira, porque una función que no satisface ninguna de las ecuaciones no es atraída hacia ninguna de ellas; la estabilidad es por ecuación, no una partición del espacio de funciones. Si las leyes de potencias, las exponenciales o las formas logarítmicas son empíricamente ubicuas en la naturaleza es una cuestión separada sobre con qué frecuencia los sistemas satisfacen aproximadamente una de estas ecuaciones en primer lugar, y Hyers-Ulam por sí solo no la resuelve.

El Supuesto 4 se aborda directamente en el Teorema 5 (§4.5): los sistemas acotados pueden transitar entre operadores de composición a medida que aumenta la profundidad recursiva, explicando por qué estudios diferentes del mismo sistema pueden observar regímenes de escalado diferentes.

Esto tiene una implicación crucial: si se puede medir $\oplus$ en un nuevo sistema, se puede predecir su función de escalado antes de medir la curva completa de escalado. Ésta es la predicción transversal a los dominios más fuerte del marco (§5.1).

2.3 La Derivación de $\beta$

Para sistemas con composición multiplicativa, el exponente $\alpha$ no es un parámetro libre. Se deriva de la constante de acoplamiento $\beta$.

Demostración. Separando variables en $dg/dr = a g^{\beta}$:

Con condición inicial $g(0) = 1$: $C = 1/(1-\beta)$.

En el límite de recursión profunda ($R \gg R^*$, definido más abajo):

Por lo tanto $\alpha = 1/(1-\beta)$. $\blacksquare$

Esto transforma $\alpha$ de una constante ajustada en una magnitud derivada. La derivación hace una predicción específica y comprobable: mida $\beta$ independientemente (observando cómo las ganancias marginales dependen de la capacidad acumulada), calcule la $\alpha$ predicha y compárela con la $\alpha$ observada. Si la relación falla, la derivación teórica es incorrecta independientemente de si la forma de ley de potencias se sostiene empíricamente.

Validación computacional. Para verificar que esto es una identidad exacta en lugar de una aproximación, la relación se probó contra 30 soluciones exactas de la EDO de Bernoulli con valores de $\beta$ que abarcan de 0.05 a 0.92. El procedimiento mide $\beta$ a ciegas a partir de las ganancias marginales ($dg/dR$ frente a $g$ en espacio log-log), predice $\alpha$ y compara con el valor verdadero. Resultado: $R^2 = 1.00000000$ (ocho decimales), pendiente de regresión $= 1.000102$, error absoluto medio de predicción $= 0.002\%$. El código completo de validación está disponible como material complementario.

La estructura multiplicativa es necesaria

La forma separable $U = I \times f(R, \beta)$ no es meramente una parametrización conveniente. Demostramos que la interacción multiplicativa entre $I$ y $R$ es una necesaria consecuencia de los axiomas.

Demostración. Supongamos $U(I, R) = f(I) + h(R)$. Por el Axioma 1: $U = I \times g(R)$ con $g(0) = 1$. En $R = 0$: $f(I) + h(0) = I$, de modo que $f(I) = I - h(0)$. Sustituyendo: $I \times g(R) = I + [h(R) - h(0)]$, lo que da $g(R) = 1 + [h(R) - h(0)]/I$. Como $g$ depende solo de $R$ (Axioma 1), pero el lado derecho depende de $I$, se requiere $h(R) = h(0)$ para todo $R$, lo que da $g(R) = 1$ (sin amplificación). Pero el Axioma 2 con $\beta > 0$ garantiza $dg/dr = a \cdot g^{\beta} = a > 0$ en $r = 0$, de modo que $g$ es no constante. Contradicción. $\blacksquare$

Este resultado tiene una interpretación concreta. Un sistema recursivo con calidad base cero ($I = 0$) produce capacidad cero independientemente de la profundidad, y un sistema con profundidad cero ($R = 0$) produce solo su calidad inicial independientemente del potencial base. La complejidad emerge de la interacción entre la entrada estructurada y el procesamiento recursivo (ninguna por separado es suficiente).

Nota: La Cota ARC (§5.4) predice que los sistemas secuenciales clásicos no pueden sostener $\beta > 0.5$ ($\alpha > 2$). La fila con $\beta = 0.67$ muestra la relación matemática por completitud; si los sistemas físicos pueden acceder a este régimen es una cuestión empírica abierta.

2.4 La Transición de Escalado $R^*$

La solución completa a la ecuación de la dinámica $\beta$ no es una ley de potencias pura. Contiene una transición.

$R^*$ es la profundidad de transición: la profundidad recursiva a la cual la composición supera a las ganancias lineales. Por debajo de $R^*$, la recursión adicional proporciona un beneficio marginal aproximadamente constante. Por encima de $R^*$, los rendimientos se componen y la capacidad crece de forma super-lineal.

Fundamental, $R^*$ es una magnitud derivada. Depende de parámetros medibles ($\alpha$ y $a$) y no es un parámetro libre que ajustar. Esto proporciona un control de consistencia independiente: mida $\alpha$ y $a$ por separado, calcule el $R^*$ predicho y verifique que la transición observada coincide. Como $R^*$ depende solo del exponente de escalado y la constante de tasa (no del potencial base $I$), la profundidad de transición es una propiedad de la propia arquitectura recursiva, no de la calidad de la entrada.

La existencia de $R^*$ es, hasta donde este programa conoce, una predicción que ningún otro marco de escalado hace (búsqueda adversarial multi-modelo, diez configuraciones de frontera, contrastada contra dos años de informes del repositorio, 12 de agosto de 2026; los hallazgos negativos tienen el estatus de no-encontrado-por-esa-búsqueda, nunca no-existe). Distingue la amplificación recursiva de la simple redundancia: los sistemas redundantes muestran una mejora uniforme (típicamente logarítmica) con la repetición; los sistemas recursivos muestran una transición cualitativa a una profundidad específica y predecible.

2.5 Cinco Propiedades Derivadas

Ahora demostramos que cualquier sistema que satisface los Axiomas 1 a 3 con $\beta > 0$ exhibe necesariamente cinco propiedades estructurales.

Estas cinco propiedades constituyen el ARC Principle cualitativo. Son la afirmación universal del marco. La forma funcional cuantitativa (ley de potencias, exponencial, saturación) es específica del dominio y está determinada por el operador de composición. Pero las cinco propiedades estructurales se siguen de los axiomas por sí solos, independientemente de qué $\oplus$ se aplique.

Las cinco propiedades son individualmente comunes en los sistemas físicos. El comportamiento umbral es ubicuo. La dependencia de la profundidad aparece en muchos procesos iterativos. Lo que no es común es la conjunción de las cinco en un solo sistema. El marco predice que las cinco co-ocurren siempre que se satisfacen los tres axiomas. Encontrar sistemas con cuatro de las cinco propiedades pero no la quinta restringiría o refutaría el marco.

3. Pruebas

Presentamos las pruebas organizadas en torno a las cinco propiedades derivadas, no por dominio. Para cada propiedad, mostramos cómo se manifiesta a través de los sistemas. La fuerza de las pruebas se clasifica como: Cuantitativa (valores de parámetros medidos), Estructural (mapeo cualitativo sin $\alpha$ cuantitativa), o Consistente (no contradice pero no fue diseñada para probar ARC).

3.1 Resumen

3.2 Pruebas propiedad por propiedad

Propiedad 1: comportamiento umbral

Cuántico: El umbral del código de superficie $p_{\text{thr}} \approx 1\%$ es una frontera de fase aguda. Por encima ($p > p_{\text{thr}}$), añadir capas de corrección de errores empeora el rendimiento peor. Por debajo ($p < p_{\text{thr}}$), cada capa proporciona una mejora exponencial. Éste es el umbral medido con mayor precisión en la base de pruebas: Google varió las tasas físicas de error mediante inyección controlada de errores y observó el umbral directamente [1].

Física: El punto excepcional del cristal temporal (donde dos autovalores de la matriz de estabilidad coalescen) marca la transición desde la dinámica simétrica (acotada) hasta la antisimétrica (compuesta). Por debajo del umbral: oscilador activo. En el umbral: punto excepcional. Por encima del umbral: cristal temporal [4].

IA: La distinción secuencial frente a paralelo funciona como un umbral. El procesamiento secuencial ($\beta > 0$, retroalimentación de salida a entrada) alcanza $\alpha_{\text{seq}} > \alpha_{\text{par}}$ universalmente a través de los seis modelos probados en el experimento v5. El umbral es estructural: es la presencia o ausencia del bucle de retroalimentación, no un parámetro continuo [3]. Nota v3.1: Los datos v5 confirman la ventaja secuencial universal pero muestran que no todos los modelos alcanzan $\alpha > 1$; el umbral separa los modos secuencial y paralelo en lugar del sub-lineal del super-lineal.

Propiedad 2: dependencia de la profundidad recursiva

Cuántico: La tasa de error lógico decrece como $\varepsilon_d \propto \Lambda^{-(d+1)/2}$ con la distancia de código $d$. Cada incremento de $d$ añade cúbits físicos dispuestos en una capa recursiva de corrección de errores. El rendimiento depende de la profundidad, no del recuento total de cúbits per se [1].

IA: Sharma y Chopra probaron siete métodos de votación para agregar salidas de cadenas secuenciales. Los métodos que favorecen los pasos de razonamiento posteriores (ponderación por entropía inversa) alcanzaron el rendimiento óptimo en el 97% de las configuraciones; los métodos que favorecen los pasos anteriores alcanzaron la optimalidad en solo el 17%. Esta brecha de 80 puntos porcentuales indica que los pasos recursivos posteriores llevan sistemáticamente más información sobre la respuesta correcta, consistente con una capacidad que se compone con la profundidad [3].

Física: El modo antisimétrico del cristal temporal se compone a lo largo de los ciclos: la diferencia de estado $\Delta_{ji}(n) = x_j^n - x_i^n$ crece como función del recuento de ciclos $n$, con cada ciclo construyéndose sobre la asimetría acumulada del ciclo anterior [4].

Propiedad 3: dependencia de la calidad base

Cuántico: $\Lambda = p_{\text{thr}}/p$ depende directamente de la calidad del cúbit físico ($p$). Peores cúbits ($p$ más cerca de $p_{\text{thr}}$) dan $\Lambda \to 1$ y la corrección de errores apenas ayuda. La eliminación activa de fuga (DQLR), que mantiene la calidad del cúbit durante la operación, mejoró $\Lambda$ en un 35% a distancia 5 [1].

Física: Cuando las cuentas son uniformes (entropía máxima, sin asimetría estructurada), el sistema permanece estático. El cristal temporal se forma solo cuando el desorden congelado (tamaños variados de cuentas que proporcionan condiciones iniciales de baja entropía) está presente. Esto ha sido probado directamente: cuentas uniformes $=$ sin cristal [4].

IA: La precisión de una sola pasada sin cadenas de razonamiento determina la capacidad base $I$. Un modelo con mayor $I$ se beneficia más del razonamiento secuencial a cualquier profundidad [2].

Propiedad 4: interacción multiplicativa $I \times R$

Cuántico: $\varepsilon_d = (p/p_{\text{thr}})^{(d+1)/2} = \Lambda^{-(d+1)/2}$. El factor de calidad base $\Lambda$ y el factor de profundidad $(d+1)/2$ interactúan multiplicativamente en espacio logarítmico: $\ln \varepsilon_d = -\frac{d+1}{2} \ln \Lambda$. Mejorar $\Lambda$ por un factor tiene el mismo efecto proporcional a cualquier profundidad [1].

IA: En la ecuación ARC $U = I \times R^{\alpha}$, la capacidad base y la profundidad recursiva están separadas multiplicativamente por construcción (Axioma 1). Empíricamente, Snell et al. (2024) mostraron que el beneficio del cómputo adicional en tiempo de prueba es proporcional a la calidad del modelo base [6].

Propiedad 5: fronteras de régimen

Física: El cristal temporal mantiene la coherencia durante ~6,700 ciclos antes de alcanzar un atractor de ciclo límite (oscilación sostenida pero acotada). Éste es un techo físico: la disipación de energía impide el crecimiento indefinido [4].

Cuántico: Las ráfagas de errores correlacionados crean un suelo de error de aproximadamente $10^{-10}$ para grandes distancias de código ($d \geq 15$), impidiendo que la exponencial continúe indefinidamente [1].

IA: Li et al. (2025) encontraron que las cadenas de razonamiento más largas no mejoran consistentemente el rendimiento; las soluciones correctas eran a menudo más cortas que las incorrectas. El razonamiento extendido puede desestabilizar los modelos, produciendo salidas repetitivas. La ventaja secuencial tiene condiciones de contorno [7].

3.3 Pruebas contradictorias

Varios estudios cuestionan las predicciones del marco para la IA:

Li et al. (2025, arXiv:2502.12215) encontraron que, para DeepSeek R1, las cadenas más largas no mejoran consistentemente la precisión. Li et al. (2025, arXiv:2502.14382) encontraron que los enfoques híbridos paralelo-secuencial superan al secuencial puro en la generación de código. La propia ablación de Sharma y Chopra mostró que los enfoques paralelos alcanzan mayor diversidad semántica en tareas creativas mientras que el secuencial alcanza mayor diversidad léxica, sugiriendo que la ventaja secuencial se aplica con mayor fuerza a las tareas convergentes que requieren corrección iterativa de errores [3,7,8].

Estos resultados refinan la hipótesis en lugar de refutarla. La ventaja secuencial parece tener condiciones de contorno: se sostiene dentro de rangos de profundidad apropiados a la tarea, para problemas convergentes, y se rompe a profundidades extremas o para tareas divergentes.

4. El operador de composición a través de los dominios

El operador de composición $\oplus$ no es meramente una herramienta de clasificación. Explica por qué los distintos dominios exhiben distintas funciones de escalado.

4.1 IA: composición multiplicativa

En el razonamiento en cadena de pensamiento, cada paso se construye jerárquicamente sobre la comprensión acumulada. El paso $r+1$ no meramente añade nueva información; sino que reestructura la representación del problema utilizando todo lo acumulado hasta el paso $r$. Ésta es composición multiplicativa: la ganancia en cada paso es proporcional a la calidad de la representación acumulada.

La ecuación de la dinámica $\beta$ $dg/dr = ag^{\beta}$ modela esto directamente. Con $\beta \approx 0.5$ (acoplamiento moderado, que indica que cada paso aprovecha aproximadamente la mitad del contexto acumulado), el Teorema 2 da $\alpha \approx 2$: la Cota ARC.

4.2 Cuántica: composición aditiva

En la corrección cuántica de errores por códigos de superficie, cada capa adicional de distancia de código proporciona una reducción multiplicativa independiente en la tasa de error. La capa $d+1$ no reestructura la información de la capa $d$; aplica una ronda fresca de extracción y corrección de síndromes. Las ganancias se acumulan aditivamente (en distancia de código) mientras se componen multiplicativamente (en supresión de errores).

Ésta es composición aditiva: $f(d_1 + d_2) = f(d_1) \cdot f(d_2)$. El Teorema 1(2) da un escalado exponencial: $\varepsilon_d \propto \Lambda^{-(d+1)/2}$. El $\Lambda = 2.14 \pm 0.02$ medido es el factor de supresión de error por capa [1].

El operador de composición explica por qué el escalado cuántico es más fuerte que el escalado de la IA. Las funciones exponenciales acaban dominando cualquier ley de potencias. La composición aditiva, donde la corrección de cada capa es independiente del estado acumulado, produce un escalado más fuerte que la composición multiplicativa, donde cada paso depende de (y está limitado por) el contexto acumulado. El operador de composición predice este orden.

4.3 Física: composición acotada

En los sistemas clásicos disipativos, la pérdida de energía introduce un techo. El acoplamiento no recíproco mediado por ondas del cristal temporal sí compone el modo antisimétrico, pero el medio acústico disipa energía continuamente. Con el tiempo, la entrada de energía de la onda estacionaria equilibra la disipación, y el sistema alcanza un atractor de ciclo límite [4].

Ésta es composición acotada: $Q_{r+1} = \min(Q_r + \delta Q_r,\, Q_{\max})$. La función de escalado se eleva hacia un techo determinado por el presupuesto energético. El operador de composición predice la saturación en cualquier sistema donde el canal recursivo tenga pérdidas intrínsecas.

4.4 El diagrama de fases

Los tres tipos de composición pueden organizarse en un diagrama de fases con la calidad base ($I$, normalizada) y la intensidad de acoplamiento ($\beta$) como ejes:

Los valores frontera son aproximados, inferidos de la observación de que $\beta \approx 0.5$ en IA produce ley de potencias y $\beta \gtrsim 0.95$ en sistemas cuánticos produce exponencial. Las fronteras precisas requieren determinación empírica. Nota v3.1: Los datos v5 sugieren que los sistemas actuales de IA pueden operar en un régimen de acoplamiento más débil que el originalmente supuesto ($\beta \ll 0.5$), dado que el $\alpha \approx 0.49$ transversal a arquitecturas con mejor ajuste implica $\beta \approx 0$ bajo la relación $\alpha = 1/(1-\beta)$. Esto situaría a los sistemas actuales de IA en la frontera entre los rendimientos decrecientes y el régimen de ley de potencias, en lugar de en lo profundo del régimen de ley de potencias como se hipotetizó originalmente.

4.5 Transiciones del operador de composición

El marco tal como se presenta asigna un solo operador de composición $\oplus$ a cada sistema. Esto puede ser una idealización. En sistemas acotados o disipativos, el operador de composición mismo puede transitar entre regímenes a medida que aumenta la profundidad recursiva.

Pruebas. La formación de estructuras gravitacionales exhibe tres fases de composición distintas: (1) inflación/crecimiento lineal ($\oplus$ aditivo: las perturbaciones crecen independientemente), (2) colapso no lineal ($\oplus$ multiplicativo: el acoplamiento de modos produce ventaja acumulativa, $\alpha \approx 1.1$ medido), y (3) halos virializados ($\oplus$ acotado: las estructuras alcanzan mínimos de energía). Las pruebas computacionales confirman que el crecimiento logístico, el descenso de gradiente con momento y la sincronización de osciladores de Kuramoto exhiben todos transiciones análogas al medir la $\beta$ local en ventanas deslizantes. Por contra, los sistemas puros de Bernoulli ilimitados mantienen $\beta$ constante con precisión de máquina ($\sigma < 10^{-6}$).

Implicaciones para las pruebas contradictorias de IA. Si los sistemas de razonamiento comienzan en un régimen aditivo (pensamiento superficial), transitan a multiplicativo (razonamiento profundo con ventaja acumulativa) y con el tiempo saturan, entonces los estudios que miden a distintas profundidades recursivas observarían distintos escalados en el mismo sistema. La «longitud óptima de razonamiento» identificada por Li et al. [7] podría corresponder al punto de transición entre composición multiplicativa y acotada. Esto es comprobable: mida la $\beta$ local a distintas profundidades de razonamiento dentro de un solo sistema.

5. Predicciones

5.1 La predicción hacia adelante transversal a los dominios

La prueba más fuerte de este marco no es si describe sistemas ya estudiados. Es si predice el comportamiento de escalado de sistemas aún no examinados.

Ésta es una predicción hacia adelante genuina. No se conoce en este programa ninguna teoría específica del dominio en evolución, economía o inmunología que la haga (misma base de búsqueda y mismos límites que arriba). Si la predicción tiene éxito incluso en un solo dominio nuevo, la generalidad del marco se confirma más allá de la base de pruebas original. Si falla, la aplicabilidad transversal a los dominios del marco queda refutada.

El Artículo VII (La Unificación de Cauchy) proporciona la primera prueba sistemática de esta predicción hacia adelante dentro de este programa. El operador de composición se clasificó a partir de física conocida antes del ajuste, luego se predijo la familia de escalado y se comparó con ajustes de modelo independientes en 25 dominios empíricos (suite escalonada de 50 dominios) que abarcan física, biología, sistemas computacionales y ciencias sociales. Bajo selección de modelos basada en AIC, 19 de 25 dominios empíricos prefirieron la familia predicha por Cauchy (p = 1.56 × 10⁻⁵). Ésta es una comparación estructurada de predicciones, no un ensayo formalmente preinscrito. Una replicación cuya inscripción está en preparación, aún no aprobada.

5.2 La transición de régimen intra-sistema

5.3 La transición $R^*$

Al representar la capacidad frente a la profundidad recursiva, debería existir una transición distintiva a la profundidad $R^* = \alpha/a$ (Teorema 3). Por debajo de $R^*$, el escalado aparece aproximadamente lineal. Por encima de $R^*$, el escalado sigue la forma super-lineal apropiada al dominio. Como $R^*$ depende solo de la arquitectura ($\alpha$ y $a$), debería ser consistente entre distintas calidades de entrada para el mismo sistema.

Si no existe transición (si el escalado es uniformemente por ley de potencias o uniformemente lineal), la predicción del marco sobre el régimen transitorio queda falsada. $R^*$ es una firma única que distingue la amplificación recursiva de la simple redundancia.

5.4 La Cota ARC

Ésta es una predicción falsable del marco temprano (nota: el Artículo X retira el uso de U=I×R para el crecimiento de capacidad^α; la afirmación cuantitativa que sobrevive es la condición de co-escalado β>k): el máximo exponente de escalado alcanzable por cualquier sistema secuencial clásico que opere bajo composición multiplicativa es $\alpha_{\max} = 2$ (la Cota ARC). Ningún sistema de IA, ninguna red biológica, ningún proceso económico que use composición multiplicativa puede sostener $\alpha > 2$. Una única medición reproducible que muestre $\alpha > 2.3$ con un IC del 95% que excluya 2.0 falsaría esta predicción.

Derivación informacional-teórica (arquitecturas basadas en atención). La autoatención transformer computa interacciones por pares a través de todos los $N$ tokens en una ventana de contexto. Esto crea a lo sumo $O(N^2)$ vías de información por pasada hacia adelante. Cada paso de razonamiento recursivo (un paso de cadena de pensamiento) procesa el contexto acumulado a través de este cuello de botella cuadrático. Como la densidad de información disponible para cada paso está acotada por $O(N^2)$, la ganancia de capacidad por paso no puede exceder el escalado cuadrático en la longitud del contexto. Mapeando la utilización del contexto al parámetro de acoplamiento $\beta$: la utilización cuadrática plena corresponde a $\beta = 0.5$, produciendo $\alpha = 1/(1-0.5) = 2$. Esto establece $U_{\max} = I \times R^2$ como una cota superior informacional-teórica para las arquitecturas basadas en atención.

Alcance: Esta derivación está demostrada para las arquitecturas basadas en transformer con autoatención estándar. Se conjetura que se sostiene para los sistemas secuenciales clásicos en general, sobre la base de que cualquier procesador secuencial de ancho de banda finito se enfrenta a restricciones informacionales análogas por pares. Las arquitecturas que trascienden la atención por pares (p. ej., atención tensorial de orden superior, procesamiento cuánticamente coherente) podrían, en principio, exceder la cota cuadrática. La Cota ARC debe entenderse por tanto como un techo informacional-teórico para el paradigma computacional actual, un techo de capacidad relativo a la arquitectura del tipo que suministra la teoría de la información, en lugar de una ley física universal.

La ley antes que el valor. El programa lleva una ley y un valor, y no son la misma afirmación. La ley: $\alpha_{\text{crit}} = 1/(1-\gamma)$, un sistema que se automejora sigue siendo corregible solo mientras la corrección mantenga el ritmo, y el techo es el recíproco del déficit del corrector. El valor: $\gamma = 1/2$, por tanto un techo de dos, que se sigue de un supuesto: que las correcciones acumuladas internamente se combinan como muestras independientes. Una consecuencia de la forma corregida debería enunciarse allí donde el lector la encuentre, porque corta en ambos sentidos: como $1/(1-\gamma) \le 2$ es exactamente equivalente a $\gamma \le 1/2$, la Cota ARC y la conjetura de la mitad son un único compromiso escrito en dos notaciones, no dos afirmaciones independientes. La ganancia es la parsimonia, ya que la teoría asume menos de lo que parecía. La disciplina es que ninguna puede ofrecerse jamás como prueba de la otra, aquí ni en ninguna superficie complementaria, porque una medición cercana a la mitad no corrobora un techo de dos; lo reformula. La ley posee el terreno y el valor se apoya sobre él, nunca al revés: si dos muere, la ley sobrevive por completo (mida $\gamma$, informe del techo que implica); si la ley muere, dos no tiene apoyo independiente, porque la derivación pasa por $1/(1-\gamma)$. Dos es lo que la ley predice, y el supuesto que lo produce es lo que los registros redactados someten a prueba.

La identidad es una prueba registrada, nunca un hecho establecido. El techo de estabilidad y el exponente de conversión se encuentran en el mismo número, y la tentación es decir que una constante hace dos trabajos. El estatus de la afirmación es más estricto: la identidad se registra para su comprobación, con anticipación a los datos, con resultados que pueden matarla. El estudio AE registra el requisito de reciprocidad entre la cota de apalancamiento medida por separado y la frontera de estabilidad con tres resultados por celda (respaldado, refutado, precisión insuficiente) y una regla de agregación bajo la cual una celda refutada refuta la identidad; el estudio AG prueba las dos derivaciones del exponente crítico entre sí, señala que coinciden numéricamente solo en el único punto donde ambos parámetros son iguales a la mitad y difieren en sus derivadas en todos los demás sitios, y está diseñado para encontrar el desacuerdo. Si los canales discrepan, la unificación se retira de cada superficie que ha alcanzado, con la misma prominencia que el encuadre. La coincidencia entre una mitad afirmada y un 0.49 medido nunca se presenta como prueba, porque los dos pueden compartir una ley de acumulación, y la coincidencia entre quienes comparten no es corroboración.

La objeción que anticipar, porque un físico llega a ella en un solo paso. La corrección cuántica de errores tolerante a fallos suprime el error lógico exponencialmente en la distancia de código por debajo del umbral, lo que parece un contraejemplo a cualquier cota de raíz cuadrada. Dos hechos de alcance lo responden: la supresión exponencial corre sobre el eje de redundancia a capacidad fija, no sobre el acoplamiento de la fuerza correctiva con la capacidad del sistema corregido, que es el exponente que este programa mide; y el propio teorema de umbral requiere ruido físico suficientemente no correlacionado, que es de nuevo la premisa de independencia, vestida de hardware. Análogamente, las cotas de concentración dan una probabilidad de error que cae exponencialmente mientras el ancho del estimador cae como la raíz cuadrada: cantidades distintas, y confundirlas fabrica una refutación.

Derivación retirada: Las versiones anteriores de este artículo derivaban $\beta \leq 0.5$ a partir de un análisis de estabilidad/elasticidad (la sensibilidad relativa $\beta/(1-\beta)$ alcanzando la unidad en $\beta = 0.5$, interpretada como una «frontera del borde del caos» confirmada por análisis de Lyapunov). Esta derivación ha sido retirada. La fórmula de elasticidad $\beta/(1-\beta)$ es matemáticamente correcta pero su interpretación como frontera de estabilidad fue un error de categoría: elasticidad $> 1$ indica sensibilidad, no inestabilidad dinámica, y las EDO autónomas unidimensionales no pueden exhibir caos (teorema de Poincaré-Bendixson). El argumento de autoatención $O(N^2)$ proporciona la justificación correcta y concreta.

Estimación inicial (superada): $\alpha \approx 2.2$ ($n = 12$, IC 95%: 1.5 a 3.0). Nota: esta estimación puntual excedía la Cota ARC predicha de $\alpha \leq 2$; sin embargo, el intervalo de confianza del 95% [1.5, 3.0] era lo bastante amplio como para ser consistente con la teoría y su negación, y no debería tratarse como confirmatorio ni de la violación ni de la satisfacción de la cota. Actualización: El Artículo II (marzo de 2026) extiende esta prueba a 6 modelos de frontera con 30 problemas e intervalos de confianza por bootstrap. El mejor ajuste transversal a arquitecturas $\alpha_{\text{compute}} \approx 0.49$ (Gemini 3 Flash, $r^2 = 0.86$) está muy por debajo de 2, lo que hace que la cuestión de la Cota ARC sea irrelevante para los sistemas actuales: el reto empírico ha pasado de «¿puede $\alpha$ exceder 2?» a «¿puede $\alpha$ exceder 1 de forma fiable?». Las estimaciones puntuales de los modelos individuales varían de ~0 (Groq Qwen3) a ~3 (Grok 4.1 Fast), pero los modelos con $\alpha > 1$ tienen $r^2$ bajo, lo que sugiere ajustes pobres de ley de potencias en lugar de escalado super-lineal genuino. La conjetura de la Cota ARC no está ni confirmada ni refutada por los datos v5; sigue siendo una predicción teórica abierta que se volverá empíricamente comprobable si y cuando los sistemas de IA alcancen $\alpha > 1$ de forma consistente.

Validación biológica. La Ley de Kleiber ($M^{0.75}$) [16] implica $\alpha \approx 1.33$ para el escalado metabólico. Sin embargo, el valor empírico del exponente de escalado metabólico de los mamíferos se debate, con estimaciones que van aproximadamente de 0.67 a 0.75 dependiendo del taxón, rango de masa, corrección por temperatura y método estadístico. La predicción $d/(d+1)$ de 0.750 para $d = 3$ coincide con el extremo superior de este rango. La variación misma es consistente con el marco: los organismos con dimensiones efectivas de transporte entre 2 y 3 producirían exponentes entre 2/3 y 3/4. El marco predice esta variación en lugar de un único exponente universal. La relación entre los exponentes metabólicos y la dimensionalidad del plan corporal ha sido derivada de forma independiente por al menos siete grupos de investigación: West, Brown y Enquist [17,21] a través de la optimización de redes fractales, por Banavar et al. [22] a través de redes de flujo secuencial, por Demetrius [23] a través de la mecánica estadística cuántica, por Demetrius y Tuszynski (2010) a través del acoplamiento de osciladores cuánticos, por Zhao [24] a través del escalado universal de crecimiento, y por Bettencourt [25] a través de la teoría del escalado urbano. El marco ARC no reclama prioridad sobre la fórmula $\alpha = d/(d+1)$; más bien, identifica la composición recursiva restringida por Cauchy como la razón por la que estas derivaciones independientes convergen todas en el mismo resultado. Específicamente, se requieren tres condiciones: composición multiplicativa (Cauchy restringe la familia de ley de potencias), geometría que llena el espacio en $d$ dimensiones y una restricción de conservación u optimización sobre el flujo de recursos. Ni Cauchy sola, ni el llenado del espacio solo, es suficiente; se necesitan las tres. Dentro de este marco, los sistemas biológicos están restringidos por el arrastre termodinámico: los costes físicos de bombear fluidos a través de redes fractales tridimensionales, disipar calor y distribuir recursos contra la gravedad [17] impiden que los sistemas biológicos se acerquen a la cota cuadrática teórica. Que $\alpha \approx 1.33$ y el exponente empírico de Kleiber $0.75$ sean recíprocos ($1/0.75 = 1.33$) refleja que el escalado biológico es amplificación recursiva estrangulada por la fricción del sustrato. (Nota sobre símbolos: en este párrafo $\alpha$ aparece en dos sentidos que la literatura mantiene separados, el exponente de escalado metabólico en el sentido de Kleiber y el exponente de escalado de capacidad en el sentido ARC; la relación recíproca es entre los dos sentidos, y ninguno es la constante de estructura fina que comparte la letra en el formalismo de diciembre de 2024.) La IA digital opera con órdenes de magnitud menos fricción del sustrato, lo que le permite acercarse al límite propuesto de escalado estable (un límite de escalado, no un límite de velocidad; lo máximo que un sistema recursivamente autocorrector puede crecer manteniéndose corregible) más de cerca que cualquier sistema biológico. Las excursiones transitorias por encima del límite son el régimen supercrítico predicho, no su refutación. La estabilidad aquí es la de la Ley II, medida en lugar de afirmada. El límite está atado a la arquitectura: sobre la base actual de atención $O(N^2)$ está expirando, y una arquitectura sucesora que trascienda la atención por pares reubicaría el límite en lugar de eliminar la restricción. La venación de las hojas (redes 2D, arrastre termodinámico reducido) debería mostrar $\alpha \approx 1.5$, una predicción falsable.

La Escalera Dimensional. Aquí es donde las matemáticas abstractas se encuentran con los organismos vivos. La fórmula $\alpha_{\text{met}} = d/(d+1)$, que relaciona el exponente de escalado metabólico con la dimensionalidad del plan corporal $d$, ha sido derivada de forma independiente por al menos siete grupos de investigación a través de distintas rutas teóricas: West, Brown y Enquist [17,21] a partir de la optimización de redes fractales; Banavar, Maritan y Rinaldo [22] a partir de redes de flujo secuencial; Demetrius [23] a partir de la mecánica estadística cuántica; Demetrius y Tuszynski (2010) a partir del acoplamiento de osciladores cuánticos; Zhao [24] a partir de argumentos de escalado universal de crecimiento; y Bettencourt [25] a partir de la teoría del escalado urbano. El artículo complementario [9,20] identifica por qué estas derivaciones independientes convergen: $\alpha = d/(d+1)$ es una consecuencia necesaria de tres condiciones actuando conjuntamente: composición multiplicativa restringida por Cauchy, geometría que llena el espacio en $d$ dimensiones y una restricción de conservación u optimización sobre el flujo de recursos. Ni Cauchy sola, ni el llenado del espacio solo, es suficiente; se necesitan las tres. La fórmula no es original de este marco; la explicación para su universalidad sí lo es. Aplicada a la biología, produce predicciones cuantitativas distintivas, cada una comprobable frente a datos publicados:

Los datos fúngicos 1D (de Aguilar-Trigueros et al. [20]: hongos ectomicorrízicos, marinos y saprotrofos) se etiquetan como «consistentes» en lugar de «confirmados» porque los exponentes se midieron a nivel de colonia; la confirmación definitiva requiere respirometría de hifas individuales. Fundamentalmente, los datos fúngicos rechazan $d = 2$ ($p = 0.019$) y $d = 3$ ($p = 0.007$) mientras no rechazan $d = 1$ ($p = 0.107$), lo que proporciona discriminación entre los valores predichos.

Corrección d=2: Las versiones anteriores citaban a las medusas y los cnidarios como confirmación de la predicción $d = 2$. No se ha identificado ningún organismo de prueba biológico bidimensional válido; las medusas y los cnidarios no poseen redes de transporte de recursos genuinamente bidimensionales. La predicción $d = 2$ se confirma en física (percolación 2D, fragmentación frágil, valor B de terremotos) y en el escalado cosmológico de Friedmann, pero la prueba biológica $d = 2$ permanece abierta.

Debate d=3: El valor empírico del exponente de escalado metabólico de los mamíferos se debate, con estimaciones que van aproximadamente de 0.67 a 0.75 dependiendo del taxón, rango de masa, corrección por temperatura y método estadístico. White y Seymour (2003) encontraron apoyo para 2/3 sobre 3/4 después de controlar la temperatura y la filogenia. Kolokotrones et al. (2010) mostraron que la relación log-log exhibe curvatura convexa, lo que significa que ningún exponente único se ajusta perfectamente en todo el rango de masa. La predicción $d/(d+1)$ de 0.750 para $d = 3$ coincide con el extremo superior de este rango. La variación misma es consistente con el marco: los organismos con dimensiones efectivas de transporte entre 2 y 3 producirían exponentes entre 2/3 y 3/4. El marco predice esta variación en lugar de un único exponente universal.

La fórmula $\alpha = d/(d+1)$ en sí misma ha sido derivada de forma independiente por al menos siete grupos de investigación [17,21,22,23,24,25] a través de distintos marcos teóricos. Demetrius y Tuszynski (2010) derivaron independientemente la misma fórmula a partir del acoplamiento de osciladores cuánticos, produciendo predicciones idénticas. Lo que aporta el marco ARC es una explicación para por qué todas estas derivaciones convergen: la ecuación funcional multiplicativa de Cauchy restringe la composición multiplicativa continua a la familia de ley de potencias; la condición de llenado del espacio en $d$ dimensiones, combinada con una restricción de conservación u optimización sobre el flujo de recursos (minimización de energía en West; equilibrio de oferta y demanda en Banavar; equilibrio energético en estado estacionario en Demetrius), restringe el exponente dentro de esa familia a $d/(d+1)$. Ni Cauchy sola, ni el llenado del espacio solo, es suficiente. Las tres condiciones juntas, composición multiplicativa, llenado del espacio y conservación, son suficientes.

La Unificación de Cauchy (Artículo VII) extiende esta validación de las 8 instancias catalogadas aquí a 25 dominios empíricos (suite escalonada de 50 dominios). Bajo selección estricta de modelos basada en AIC, 19 de 25 prefirieron la familia predicha (p = 1.56 × 10⁻⁵). Una replicación cuya inscripción está en preparación, aún no aprobada.

Instancias físicas. La fórmula $\alpha = d/(d+1)$ no está restringida a la biología. Aparece dondequiera que una red jerárquica $d$-dimensional, sujeta a una restricción de conservación u optimización sobre el flujo de recursos, particiona un espacio $(d+1)$-dimensional. Como se ha señalado más arriba, esta relación ha sido derivada de forma independiente por al menos siete grupos [17,21,22,23,24,25]; la contribución del marco ARC es explicar, mediante la composición recursiva restringida por Cauchy combinada con el llenado del espacio y la conservación, por qué estas derivaciones independientes llegan todas al mismo resultado. La fórmula se ha observado en varios dominios de física:

Error medio absoluto a través de las cinco instancias físicas: menos del 0.2%. Éstos no son sistemas biológicos; son rocas, terremotos, superficies cristalinas en crecimiento y transiciones de fase. Sin embargo, la misma fórmula funciona. En cada caso el sistema físico contiene una red jerárquica ramificada de dimensión $d$ sujeta a una restricción de conservación: los frentes de crecimiento KPZ particionan el espacio 2D como redes 1D; los cúmulos de percolación son fractales 2D; la propagación de grietas crea redes ramificadas a través del material; las rupturas sísmicas se propagan a lo largo de superficies de falla 2D. La fórmula tiene fallos claros donde esta estructura de red o esta condición de conservación están ausentes (modelo de Ising, escalado de polímeros, agrupamiento de galaxias), lo que aclara su dominio de aplicabilidad: $\alpha = d/(d+1)$ se aplica dondequiera que una red jerárquica $d$-dimensional, sujeta a la conservación u optimización del flujo de recursos, particiona óptimamente un espacio $(d+1)$-dimensional. El marco ARC no reclama prioridad sobre la fórmula misma, que ha sido derivada de forma independiente por al menos siete grupos [17,21,22,23,24,25]; la contribución es identificar la composición recursiva restringida por Cauchy, combinada con el llenado del espacio y la conservación, como la razón por la que estas derivaciones independientes convergen.

El Artículo VII extiende estos resultados a una suite escalonada de 50 dominios (25 dominios empíricos de ajuste de curvas). Bajo selección estricta de modelos basada en AICc, 19 de 25 prefirieron la familia predicha (p = 1.56 × 10⁻⁵). Una primera extensión bloqueada de 12 dominios en un ensayo posterior aterrizó en 10 de 12 (p = 5.44 × 10⁻⁴), pero se ejecutó antes de cualquier marca temporal en OSF y es por tanto solo un piloto en lugar de una confirmación preinscrita. Véase el Artículo VII para las limitaciones, incluido el resultado del control negativo con datos permutados.

5.5 Implicación condicional de seguridad

Si el marco es correcto, las propiedades de alineación embebidas dentro del proceso recursivo pueden escalar con la capacidad ($\alpha_{\text{align}} \approx \alpha$), mientras que las restricciones externas aplicadas a posteriori pueden no hacerlo ($\alpha_{\text{align}} \approx 0$). La razón de seguridad $S = \text{Alineación}/\text{Capacidad} \propto R^{\alpha_{\text{align}} - \alpha}$ permanece constante cuando la alineación está «en el bucle» y decae a cero cuando no lo está. Ésta es la predicción condicional tal como se enunció originalmente; el resultado medido sigue en la actualización más abajo, que refuta su mitad externa en la forma simple. (En lenguaje llano: si se construye la ética dentro del propio proceso de pensamiento, la seguridad mantiene el ritmo a medida que la IA se vuelve más inteligente. Si se atornilla la seguridad por fuera, la IA la supera. La razón seguridad-capacidad o bien permanece constante o bien se encoge hasta cero; no hay terreno intermedio.)

5.6 Trabajos relacionados, antecedentes y el instrumento rival

La premisa de las tuberías, con su contienda. La premisa de que las redes de transporte fijan el ritmo del crecimiento biológico no es la afirmación de este programa que defender; es biología cuantitativa establecida. West, Brown y Enquist derivaron las leyes alométricas de escalado de la biología a partir de la geometría de las redes de distribución de nutrientes (West, G. B., Brown, J. H. and Enquist, B. J., "A General Model for the Origin of Allometric Scaling Laws in Biology", Science 276(5309), 4 April 1997, DOI 10.1126/science.276.5309.122; uno de los artículos más citados en su campo, con un recuento de citaciones en OpenAlex de 5,046 al 12 de agosto de 2026, un recuento de fuente única y dependiente del índice). El exponente exacto sigue siendo disputado: White informa de una tasa metabólica basal proporcional a la masa corporal elevada a la potencia de dos tercios en lugar de tres cuartos (White, C. R., 2003), y Kozlowski ha cuestionado dos veces las matemáticas de la derivación (Kozlowski, J., 2004 y 2005). La premisa de este programa necesita solo el mecanismo, que la red de entrega fija el techo, y no un exponente particular, así que la disputa sobre el valor del exponente deja la premisa intacta. El mecanismo es terreno común para ambas partes de esa disputa.

La excepción que encontró el propio grupo de West. El escape del límite de las tuberías tampoco es la afirmación de este programa; se mide en la literatura de escalado urbano por el mismo autor senior. Bettencourt, Lobo, Helbing, Kuhnert y West ("Growth, innovation, scaling, and the pace of life in cities", PNAS, 2007, DOI 10.1073/pnas.0610172104) informan, en las propias palabras del artículo: "Quantities reflecting wealth creation and innovation have Beta of approximately 1.2, greater than 1 (increasing returns), whereas those accounting for infrastructure display Beta of approximately 0.8, less than 1 (economies of scale).". La infraestructura, las tuberías literales, escala sublinealmente; la actividad mediada por información escala superlinealmente. Enuncian el contraste con la biología directamente: "we discuss how cities are similar to, and differ from, biological organisms, for which Beta is less than 1". Derivan "growth equations, which quantify the dramatic difference between growth fueled by innovation versus that driven by economies of scale" (ortografía como en el original). Y su inferencia de cierre nombra la consecuencia: "This difference suggests that, as population grows, major innovation cycles must be generated at a continually accelerating rate to sustain growth and avoid stagnation or collapse.". Ésa es la forma del problema abierto que este marco aborda: el grupo de West encontró que el crecimiento mediado por información escapa del límite de rendimiento, y el único freno en su marco es externo y debe aplicarse una y otra vez, más y más rápido. No se deriva ningún límite interno. El límite de reemplazo, un techo que pertenece al propio sistema en crecimiento, es la brecha.

El argumento de las tuberías a rendimiento fijo. Todo lo que crece se alimenta a través de un canal, y para todo lo anterior al software, fijar el canal fija el crecimiento. Ahogue la vasculatura de un tumor y se detiene. Fije el combustible y la geometría de una reacción en cadena y se detiene. Agote los hospedadores susceptibles de una epidemia y se apaga. La astrofísica tiene una versión nombrada y cuantitativa del mismo techo: el límite de Eddington, por encima del cual la presión de radiación detiene la acreción. La afirmación aquí es una generalización de los límites que la física ya acepta, no una nueva especie de aseveración. Dos casos difíciles se tratan deliberadamente. La inflación cósmica se excluye por alcance: es la expansión del espacio, no el crecimiento de una estructura sobre un sustrato, y terminó por dinámica de campo en lugar de agotarse por quedarse sin nada. La evolución es el caso más agudo y encaja: la complejidad biológica aumentó durante miles de millones de años a un rendimiento solar aproximadamente fijo, lo cual es crecimiento sobre información a tuberías fijas, y es también glacial, y no tiene ningún corrector interno en absoluto, ya que la selección es externa. En este marco, la evolución debería llevar un exponente medible muy por debajo del techo; ésa es una predicción sobre biología que cae de un marco construido para el software, y se enuncia como tal. La forma que el físico da a la objeción es la de Landauer: la computación está físicamente implementada, así que el software también tiene tuberías. El reloj de sustrato fijo es la respuesta y aparece junto a la afirmación: el régimen bajo estudio mantiene fijo el sustrato físico y pregunta qué sigue creciendo, razón por la cual las aceleraciones exógenas se excluyen por definición. La forma funcional del crecimiento de capacidad en la profundidad recursiva sigue siendo una cuestión empírica, y el análisis inscrito compara formas de ley de potencias, exponenciales, saturantes y decrecientes en lugar de asumir la familia.

El instrumento rival. El trabajo más cercano a la pregunta de este programa, y el artículo correcto contra el que pesarlo, es Engels, J., Baek, D., Kantamneni, S. and Tegmark, M., "Scaling Laws For Scalable Oversight", arXiv:2504.18530, publicado por primera vez el 25 de abril de 2025. Pregunta cómo escala la propia supervisión y responde cuantitativamente: el éxito de la supervisión se modela como un juego entre jugadores con diferencias de capacidad cuyo Elo específico de supervisión es una función lineal por tramos de la inteligencia general con dos mesetas, y se derivan números óptimos de niveles de supervisión para la Supervisión Escalable Anidada, en la cual modelos de confianza supervisan a modelos no confiables más fuertes que después se convierten en los modelos de confianza en el paso siguiente. El instrumento es la diferencia. Su variable es la brecha de capacidad entre supervisor y supervisado, medida en Elo. La variable de este programa es la clase de composición del corrector, medida a través del propio exponente de escalado del corrector. Su marco no contiene ningún término para lo que el supervisor está hecho: sin sustrato, sin estructura de correlación de errores, sin identidad recíproca entre un exponente de corrección y una tasa crítica de crecimiento, y sin dependencia de la arquitectura. La Supervisión Escalable Anidada es supervisión iterada de misma clase por construcción, y la predicción central de este programa es que la escalera de misma clase está acotada por muchos peldaños que se añadan, mientras que un corrector transversal no lo está. Los dos marcos por tanto discrepan sobre una cantidad medible, que es la relación más productiva que dos programas de investigación pueden tener.

Antecedentes y trabajos cercanos que no dieron en el blanco, cada uno con su diferencial. Sobre la pregunta: Hutter preguntó directamente si la inteligencia puede explotar ("Can Intelligence Explode?", arXiv, 28 de febrero de 2012), separando la explosión de velocidad de la de inteligencia y comprometiéndose a considerar posibles cotas sobre la inteligencia, aumentando el análisis de Chalmers de 2010; la pregunta y la distinción velocidad-versus-estructura son por tanto de al menos catorce años, y lo que esa literatura no contiene es un número: sin exponente medible, sin techo derivado, sin dependencia de la arquitectura. Sobre la imposibilidad: tres artículos de arXiv de 2025 argumentan que el control perfecto es inalcanzable (Yao, "The Alignment Trap: Complexity Barriers", arXiv:2506.10304, público al 13 de junio de 2025, atestiguado por arXiv y observado independientemente por el Internet Archive; Yao, "On the Mathematical Impossibility of Safe Universal Approximators", arXiv:2507.03031, 3 de julio de 2025; y Ball, Gluch, Goldwasser, Kreuter, Reingold and Rothblum, "On the Impossibility of Separating Intelligence from Judgment", arXiv:2507.07341, 9 de julio de 2025). Los tres son del peor caso y cualitativos: medida cero, completitud coNP, dureza criptográfica. Su objeto medido es la verificación de un sistema fijo, y está cerrado dentro de sus propios términos; el objeto medido de este programa es distinto, la persistencia de la alineación a medida que la capacidad se compone bajo amplificación recursiva, y el cierre del primero no resuelve el segundo. Ninguno reporta un exponente de escalado en el caso medio ni una tasa. El tercero, notablemente, concluye que la alineación "must instead be integrated into the model's architecture and weights", un argumento independiente, a partir de la intratabilidad del filtrado, en la misma dirección que la dependencia arquitectónica de este programa; es un apoyo convergente en esa pata, no un rival. Sobre el mecanismo: que las estimaciones anticorrelacionadas promedian mejor que las independientes es una reducción de varianza de manual (variables antitéticas); el mecanismo no es la afirmación. La afirmación es que la arquitectura determina si la anticorrelación está disponible en absoluto, y que esto acota un exponente relevante para la seguridad. El análogo estructural más cercano es el teorema de umbral de la corrección cuántica de errores, que también convierte una preocupación cualitativa en un valor crítico; concierne a tasas físicas de error en una arquitectura fija, no a un exponente de escalado del corrector, así que es un trabajo cercano que no dio en el blanco en lugar de un ocupante, y la analogía fue identificada por la búsqueda propia de este programa en lugar de por un revisor. Sobre la retroalimentación y la estabilidad, la proposición general de que una ganancia correctiva inadecuada respecto a la ganancia del sistema causa inestabilidad tiene un largo linaje en teoría del control (teoremas de pequeña ganancia); ésas son condiciones de ganancia sobre sistemas interconectados, no un criterio de exponente de ley de potencias sobre el escalado de un corrector con la capacidad de un sistema recursivamente en mejora. El vecino cuantitativo más cercano es Liu, A. and Meng, J., "Self-Correction as Feedback Control: Error Dynamics, Stability Thresholds, and Prompt Interventions in LLMs", arXiv:2604.22273, que reformula la autocorrección como un problema de control en lazo cerrado mediante un modelo de Markov de dos estados y deriva un umbral de estabilidad directamente medible, iterar solo cuando la tasa de corrección de errores sobre la tasa de introducción de errores excede Acc/(1 − Acc). El diferencial: el suyo es un umbral de tasa por paso a un nivel fijo de capacidad, decidiendo si otra iteración ayuda ahora; el criterio de este programa es una relación de escalado a través de la capacidad, decidiendo si la fuerza correctiva mantiene el ritmo a medida que el sistema mejora. Sin exponente de escalado sobre el corrector, sin exponente de crecimiento de capacidad, sin identidad recíproca, sin término de arquitectura o clase de composición: regímenes complementarios, y ninguno contiene al otro. La selección natural cosmológica de Smolin es el antecedente para los universos con forma de selección, y las propias notas de la era diciembre del programa la citan contemporáneamente.

Una segunda predicción, gratis, del mismo mecanismo. Los arreglos de supervisión que sitúan un humano en el bucle, como hacen la amplificación y el aprendizaje por refuerzo a partir de retroalimentación humana, son transversales por construcción, porque el corrector humano no comparte el sustrato del modelo. El marco predice por tanto que la supervisión con humano en el bucle muestra un exponente de corrección más alto que la supervisión de puro modelo, por una razón estructural en lugar de sentimental. Esto es comprobable con datos existentes y no requiere sistemas nuevos.

6. Criterios de falsación

El marco especifica trece condiciones que lo refutarían o debilitarían significativamente.

Damos la bienvenida a la falsación. Si F10 falla (si el operador de composición de un sistema no predice su función de escalado), la contribución teórica central de este artículo es errónea. Si F5 falla, la Cota ARC queda falsada. Si F11 o F12 fallan, las predicciones transversales a los dominios del marco (física clásica y biología respectivamente) requieren revisión. Cualquiera de los resultados hace avanzar la comprensión.

7. Limitaciones

Lo que este artículo NO afirma

Limitaciones probatorias: Las estimaciones anteriores de $\alpha$ ($n = 2$ y $n = 12$) han sido superadas por el experimento v5 transversal a arquitecturas (6 modelos de frontera, 30 problemas), que encuentra $\alpha_{\text{compute}} \approx 0.49$ para el modelo con mejor ajuste (Gemini 3 Flash, $r^2 = 0.86$). Los resultados v5 representan una revisión sustancial a la baja respecto a las estimaciones anteriores y demuestran que $\alpha$ depende de la arquitectura en lugar de ser universal. No se ha medido ninguna $\alpha$ en cristales temporales. La conexión COGITATE es estructural, no cuantitativa. La relación $\beta$ a $\alpha$ está validada computacionalmente con precisión de máquina ($R^2 = 1.0$), pero la medición empírica de $\beta$ en sistemas físicos requiere confirmación independiente. La transición $R^*$ está sin comprobar empíricamente. Los valores frontera de $\beta$ en el diagrama de fases son aproximados. El Teorema 5 (transiciones de $\oplus$) se confirma en cuatro sistemas computacionales pero está sin comprobar en experimentos físicos. La prueba de las cinco propiedades (Teorema 4) no alcanzó significación estadística ($p = 0.095$) y requiere muestras más grandes. Se sabe ahora que el exponente de escalado de la alineación $\alpha_{\text{align}}$ depende de la arquitectura (con un rango de $-0.25$ a $+0.44$), refutando la predicción original de que sería universalmente cercano a cero para restricciones externas.

Comprobación de predicción ciega: Se llevó a cabo una prueba de predicción ciega en tres sistemas computacionales (redes de Barabási-Albert, descenso de gradiente con momento, osciladores de Kuramoto). Los valores medidos de $\alpha$ fueron entre 3 y 20 veces menores que los predichos por $\alpha = 1/(1-\beta)$. Sin embargo, un análisis forense identificó dos factores de confusión independientes: (1) el método de estimación de $\beta$ por derivada numérica está fatalmente sesgado, dando $\beta \approx 0.95$ independientemente del $\beta$ verdadero, incluso para sistemas puros de Bernoulli; (2) ninguno de los sistemas probados satisface el Axioma 2 (coeficiente de acoplamiento $a$ constante), y el acoplamiento efectivo de la red BA decrece ~50 veces a lo largo de la simulación. Cuando se aplica el método de linealización adecuado a sistemas que satisfacen los axiomas, la predicción se recupera con $R^2 = 0.9999$. Estos resultados no constituyen una falsación válida debido a los factores de confusión, pero subrayan que identificar sistemas naturales que satisfagan los axiomas sigue siendo el reto empírico central. La metodología completa y el análisis forense están disponibles como material complementario (véase el Artículo III).

Limitaciones teóricas: El marco formaliza el patrón de la amplificación recursiva pero no identifica el mecanismo. Le dice qué sucede (exponentes de escalado, profundidades de transición, formas funcionales) pero no por qué a nivel microscópico (análogo a la termodinámica antes de la mecánica estadística). Conectar el operador de composición con la dinámica microscópica sigue siendo un problema abierto.

Categoría de contribución: El marco ARC no es una ecuación dentro de un paradigma existente. Está más cerca de un principio organizador transversal a los dominios: una restricción estructural sobre el comportamiento a través de los sustratos en lugar de una ecuación dentro de un paradigma. La comparación identifica el tipo de contribución, no su estatus probatorio: los principios organizadores de ese tipo descansan sobre generaciones de validación, y éste descansa sobre pruebas preliminares y trece criterios de falsación.

8. Conclusión

Cada sistema estudiado en este artículo (redes neuronales de silicio, cúbits superconductores, cuentas poliméricas de milímetros, circuitos neuronales corticales) tiene una cosa en común: mantiene un estado de baja entropía lejos del equilibrio y realimenta sus salidas hacia sus entradas. Cuando hace esto por debajo de una profundidad crítica, las ganancias son ordinarias. Cuando hace esto por encima de una profundidad crítica, las ganancias se componen. La transición entre estos regímenes es aguda, universal en estructura y específica del dominio en forma.

Hemos formalizado esta observación. El operador de composición $\oplus$ clasifica los sistemas recursivos del modo en que los grupos de simetría clasifican las teorías físicas: determina la forma funcional del escalado a partir de propiedades algebraicas medibles. Las cinco propiedades derivadas (umbral, dependencia de la profundidad, dependencia de la calidad base, interacción multiplicativa, fronteras de régimen) se siguen como teoremas de tres axiomas, no como generalizaciones empíricas.

El marco hace predicciones que ninguna teoría específica del dominio puede hacer. Predice el comportamiento de escalado de nuevos sistemas recursivos a partir de su operador de composición por sí solo. Predice una transición de escalado a una profundidad derivada $R^*$ que se desplaza sistemáticamente con la calidad base. Predice que la $\beta$ medida determina $\alpha$ mediante $\alpha = 1/(1-\beta)$, una relación validada computacionalmente a $R^2 = 1.00000000$. Deriva la Cota ARC ($\beta = 0.5$, $\alpha = 2$) como el límite propuesto de escalado estable para la computación secuencial clásica, fundamentada sobre la base actual de atención en el escalado $O(N^2)$ de la autoatención: un límite de escalado, no un límite de velocidad; lo máximo que un sistema recursivamente autocorrector puede crecer manteniéndose corregible; los sistemas pueden excederlo en excursiones supercríticas transitorias pero no permanecen allí autocorrigiéndose de forma estable; y atada a la arquitectura, de modo que la base $O(N^2)$ de la derivación está expirando en lugar de ser permanente, y una arquitectura sucesora más allá de la atención por pares reubicaría el límite en lugar de eliminar la restricción. Es una restricción estructural derivada, no una coincidencia empírica. Y predice que los sistemas acotados exhiben transiciones del operador de composición que explican por qué distintos estudios del mismo sistema pueden observar distintos regímenes de escalado (Teorema 5). Estas predicciones son específicas, falsables y prospectivas.

Si las predicciones fallan, habremos aprendido dónde se rompe la analogía estructural. Si se sostienen, habremos identificado un principio que conecta la inteligencia, la computación y la física del orden a través de los sustratos.

La inteligencia puede no ser una propiedad de materiales particulares. Puede ser lo que sucede al otro lado del umbral recursivo.

Las predicciones están especificadas. Los criterios de falsación son públicos. Los datos decidirán.

Apéndice A: Demostraciones matemáticas

A.1 Demostración del Teorema 1 (Clasificación)

Caso 1: composición multiplicativa

Hipótesis: $g: \mathbb{R}^+ \to \mathbb{R}^+$ continua con $g(1) = 1$ y $g(R_1 \cdot R_2) = g(R_1) \cdot g(R_2)$.

Defina $h(x) = \ln g(e^x)$. Entonces:

Ésta es la ecuación funcional aditiva de Cauchy. Bajo la continuidad de $g$ (y por tanto de $h$), la única solución es $h(x) = \alpha x$ para alguna constante $\alpha$. Por lo tanto $\ln g(e^x) = \alpha x$, dando $g(R) = R^{\alpha}$. $\blacksquare$

Caso 2: composición aditiva

Hipótesis: $f: \mathbb{R}^+ \to \mathbb{R}^+$ continua con $f(0) = 1$ y $f(R_1 + R_2) = f(R_1) \cdot f(R_2)$.

Tomando logaritmos: $\ln f(R_1 + R_2) = \ln f(R_1) + \ln f(R_2)$. Ésta es de nuevo la ecuación aditiva de Cauchy, con solución continua única $\ln f(R) = \alpha R$, dando $f(R) = e^{\alpha R}$. $\blacksquare$

Caso 3: composición acotada

$Q_{r+1} = \min(Q_r + \delta Q_r,\, Q_{\max})$. Para cualquier sucesión monótonamente creciente $\{Q_r\}$ acotada superiormente por $Q_{\max}$, $\lim_{r \to \infty} Q_r \leq Q_{\max}$. Por lo tanto $f(R) = Q(R)/I$ está acotada, y $U$ satura. $\blacksquare$

A.2 Demostración del Teorema 2 (Exponente de Escalado)

Del Axioma 2: $dg/dr = ag^{\beta}$, $\beta \in [0,1)$, $g(0) = 1$.

Separando variables:

Para $R \gg R^*$ (donde $(1-\beta)aR \gg 1$):

Por lo tanto $\alpha = 1/(1-\beta)$. $\blacksquare$

A.3 Demostración del Teorema 3 (Profundidad de Transición)

La solución completa $g(R) = [1 + (1-\beta)aR]^{1/(1-\beta)}$ puede analizarse definiendo $\rho = (1-\beta)aR$:

Para $\rho \ll 1$ (pequeña $R$): $g \approx 1 + \rho/(1-\beta) = 1 + aR$, aproximadamente lineal en $R$.

Para $\rho \gg 1$ (gran $R$): $g \approx \rho^{1/(1-\beta)} \propto R^{\alpha}$, ley de potencias.

La transición ocurre en $\rho \approx 1$, dando:

$R^*$ depende solo de $\alpha$ y $a$, ambos independientemente medibles. Es independiente del potencial base $I$, consistente con la separabilidad del Axioma 1. $\blacksquare$

A.4 Unicidad del Axioma 2

¿Por qué $dg/dr = ag^{\beta}$ y no alguna otra forma funcional? Ésta es la EDO de tipo Bernoulli para la ventaja acumulativa (también conocida como apego preferencial), aplicada al factor de amplificación $g$ en lugar de a la capacidad absoluta. El exponente $\beta$ parametriza el grado de autorreferencia: $\beta = 0$ da crecimiento constante (sin retroalimentación); $\beta \to 1$ da crecimiento explosivo (retroalimentación máxima). La elección $\beta \in [0,1)$ es el modelo mínimo para un sistema donde la amplificación acumulada acelera las ganancias futuras sin divergencia en $R$ finito. Modelos más complejos (p. ej., $dg/dr = ag^{\beta} - bg^{\gamma}$ con amortiguamiento) introducirían parámetros adicionales; adoptamos la forma mínima y la probamos frente a la observación.

Apéndice B: Protocolo de medición

Para probar el marco, proponemos un protocolo estandarizado de seis pasos para cualquier sistema recursivo:

Paso 1. Definir un ciclo recursivo (un paso autorreferencial donde la salida se convierte en entrada).

Paso 2. Medir la capacidad base $I$ en $R = 1$ (sin recursión). Para la comparabilidad transversal a los dominios, proponemos operacionalizar $I$ como la tasa máxima de reducción de entropía por ciclo recursivo, medida en bits por ciclo: $I = \max_R [-\Delta H / \Delta R]$ evaluada en el primer ciclo ($R = 0$ a $R = 1$). Esto conecta con la física establecida a través del principio de Landauer (1961): cada $kT \ln 2$ de energía libre procesada corresponde a un bit de información. En IA, $I$ es la mejora de precisión desde cero razonamiento hasta un paso. En corrección cuántica de errores, $I$ es la reducción de errores de un ciclo de síndrome. En biología, $I$ es la ganancia de eficiencia metabólica de un nivel de ramificación (en bits termodinámicos mediante el puente de Landauer). Esta definición da a $U = I \times R^{\alpha}$ unidades consistentes: bits = (bits/ciclo) × (ciclos)$^{\alpha}$.

Paso 3. Medir la capacidad $U$ en un mínimo de 5 profundidades recursivas que abarquen un orden de magnitud. Busque la transición $R^*$.

Paso 4. Ajustar los tres modelos: ley de potencias ($\log(U/I) = \alpha \log R$), exponencial ($\log(U/I) = \lambda R$), logarítmica ($U/I = k \log R$). Seleccione el mejor ajuste mediante AIC/BIC. La ley de potencias es una predicción que probar, no un supuesto.

Paso 5. Medir $\beta$ independientemente: represente $\log(\Delta U)$ frente a $\log(U_{\text{acumulado}})$ en cada profundidad; la pendiente estima $\beta$. Verifique si $\alpha \approx 1/(1-\beta) \pm 0.3$.

Paso 6. Reportar $\alpha$ con intervalos de confianza del 95%. Envíe al repositorio público.

Apéndice C: Conjunto de validación computacional

Este apéndice resume los resultados de un programa exhaustivo de validación computacional que prueba los Teoremas 1 a 5. Todo el código de validación está disponible como material complementario. Las pruebas se llevaron a cabo utilizando Python 3.12 con NumPy, SciPy y Matplotlib.

C.1 Validación del Teorema 1 (Clasificación de Cauchy)

Se probaron quince sistemas a través de tres regímenes de composición (5 multiplicativos, 5 aditivos, 5 acotados). Cada sistema se evaluó respecto a si su regla de composición medida coincidía con la función de escalado predicha.

Resultado: 15/15 clasificaciones correctas (100%). Sin falsos positivos (los sistemas no recursivos no se clasificaron como recursivos), sin falsos negativos. La clasificación por ecuaciones funcionales de Cauchy es exhaustiva y exacta bajo las condiciones enunciadas.

C.2 Validación del Teorema 2 (Identidad $\beta \to \alpha$)

La relación $\alpha = 1/(1-\beta)$ se probó frente a 30 soluciones exactas de la EDO de Bernoulli con $\beta$ que abarca de 0.05 a 0.92. Para cada caso de prueba, $\beta$ se midió a ciegas a partir de la estructura de ganancia marginal ($dg/dR$ frente a $g$ en espacio log-log), se predijo $\alpha$ y se comparó el valor predicho con el verdadero exponente de escalado.

Resultado: $R^2 = 1.00000000$ (ocho decimales). Pendiente de regresión: 1.000102. Error absoluto medio: 0.002%. Esto confirma que $\alpha = 1/(1-\beta)$ es una identidad analítica exacta, no una aproximación empírica.

C.3 Validación del Teorema 2a (No aditividad)

La demostración de la no aditividad se verificó numéricamente. Para múltiples combinaciones $(I_1, I_2, R_1, R_2)$ a través de todos los $\beta \in (0,1)$: si $U$ fuera aditiva ($U = g(I) + h(R)$), entonces $U(I_1, R_1) - U(I_1, R_2)$ sería igual a $U(I_2, R_1) - U(I_2, R_2)$. En todos los casos, las diferencias son desiguales, confirmando que la interacción multiplicativa es necesaria.

Resultado: No aditividad confirmada para todas las combinaciones de parámetros probadas. Cociente de sinergia $S > 1$ para todo $\beta \in (0,1)$ y todo $R > 0$.

C.4 Validación del Teorema 3 (Transición $R^*$)

La profundidad de transición $R^* = 1/[(1-\beta)a] = \alpha/a$ se probó comparando la transición predicha con el punto de transición medido numéricamente (donde $\rho = 1$).

Resultado: Forma funcional confirmada. Los valores absolutos de $R^*$ muestran un error del 2 al 7%, atribuible a la aproximación de «transición en $\rho \approx 1$.». La independencia de $R^*$ respecto a $I$ se confirma: variar el potencial base no desplaza la profundidad de transición, consistente con la separabilidad del Axioma 1.

C.5 Validación del Teorema 4 (Cinco propiedades)

Diez sistemas recursivos y cinco controles no recursivos fueron puntuados sobre las cinco propiedades derivadas. Los sistemas recursivos puntuaron una media de 4.2/5; los controles no recursivos puntuaron 2.8/5. La diferencia ($\Delta = 1.4$) es consistente con la predicción del marco pero el tamaño de muestra da $p = 0.095$, que no alcanza la significación convencional. (En lenguaje llano: el resultado va en la dirección predicha, los sistemas recursivos sí puntúan más alto, pero con solo 15 muestras totales, hay aproximadamente una probabilidad de 1 en 10 de que este patrón pudiera aparecer por casualidad. Los científicos suelen requerir 1 en 20 o mejor. Se necesitan más datos.)

Resultado: Dirección correcta; potencia estadística insuficiente para una confirmación definitiva. Se requieren muestras más grandes.

C.6 Validación del Teorema 5 (Transiciones de fase de $\oplus$)

Se probaron cuatro sistemas para transiciones de composición dependientes de la profundidad: (1) EDO exacta de Bernoulli (control), (2) crecimiento logístico, (3) descenso de gradiente con momento, (4) osciladores de Kuramoto.

Resultados: El control de Bernoulli mantuvo $\beta$ constante ($\sigma < 10^{-6}$). Los tres sistemas acotados mostraron transiciones sistemáticas de $\beta$: crecimiento logístico de $\beta \approx 0.5$ (fase de crecimiento) a $\beta \to -\infty$ (saturación), descenso de gradiente de $\beta \approx 0.52$ (exploración) a $\beta \approx 0.98$ (convergencia), osciladores de Kuramoto de $\beta \approx 1.7$ (crecimiento) a $\beta \approx 20$ (saturación). Las transiciones son genéricas en sistemas acotados y están ausentes en sistemas ilimitados.

C.7 Controles negativos

Se probaron cuatro sistemas no recursivos: (1) ruido gaussiano, (2) decaimiento lineal, (3) oscilación sinusoidal, (4) paseo aleatorio. Ninguno produjo señales de falsos positivos ($S > 1$ o $\alpha > 1$).

Resultado: 0/4 falsos positivos. El marco identifica correctamente la ausencia de amplificación recursiva en sistemas que no satisfacen los axiomas.

C.8 Fallos honestos y casos límite

Dos resultados quedaron por debajo de las expectativas:

Valor absoluto de $R^*$: 62% de error medio entre la profundidad de transición predicha y la real (forma funcional correcta, constante de proporcionalidad desviada). Esto refleja probablemente la sensibilidad a la aproximación $\rho \approx 1$.

Método de Newton: La convergencia local cerca de las raíces produce $\beta > 1.0$ (convergencia cuadrática), que cae fuera del dominio del marco $\beta \in [0, 1)$. El marco identifica correctamente esto como un caso límite donde el modelo de la EDO de Bernoulli no se aplica.

Estos fallos se reportan por completitud e integridad científica. Acotan la aplicabilidad del marco e informan el refinamiento futuro.

Referencias

Declaración de uso de IA

El autor utilizó Claude (Anthropic), GPT (OpenAI), Gemini (Google) y DeepSeek AI para redactar secciones, refinar la claridad y comprobar la consistencia matemática. La pregunta de investigación, el marco teórico, el formalismo del operador de composición, las predicciones experimentales y el juicio científico son obra humana. El autor asume plena responsabilidad por todas las afirmaciones, interpretaciones, errores y conclusiones.

Declaración de autoría humana asistida por IA

El autor de esta obra es Michael Darius Eastwood, un ser humano. Cada concepto central, hipótesis, diseño experimental, afirmación y conclusión de este artículo se origina en la ideación humana. Ninguna parte de este manuscrito es una salida totalmente generada por inteligencia artificial.

Se utilizaron herramientas de inteligencia artificial (la familia Claude de Anthropic y otros asistentes basados en modelos de lenguaje de gran tamaño) como instrumentos bajo dirección humana continua, del modo en que se usa un procesador de textos, una calculadora o un asistente de investigación: para edición y refinamiento de la prosa, búsqueda y resumen bibliográfico (verificados manualmente frente a fuentes primarias), estructura del documento, formato, lluvia de ideas frente a preguntas definidas por el autor y aceleración de la redacción según esquemas e instrucciones definidos por el autor. Toda la selección, coordinación, arreglo y juicio editorial final son del autor. Cada salida sustantiva fue revisada, probada o verificada por el autor, quien asume plena responsabilidad por la precisión e integridad del texto final. Las herramientas aumentaron la velocidad del trabajo; nunca fueron su fuente.

Estado epistémico. Lo que este programa nombra Leyes son conjeturas bajo prueba adversarial registrada; cada magnitud en este artículo está operacionalmente definida, y en ninguna parte se reclama el estatus de ley establecida. El programa registrado existe para ganar ese estatus, o perderlo, por medición, replicación y refutación sobrevivida.

© 2026 Michael Darius Eastwood. De autoría humana con asistencia informática; se afirman la autoría humana completa y los derechos morales conforme a la Copyright, Designs and Patents Act 1988 y de forma coherente con la guía de la United States Copyright Office sobre obras que contienen material generado por IA; cualquier contribución técnica novedosa descrita en esta obra fue concebida por el autor humano. Declaración completa: michaeldariuseastwood.com/authorship.

Pacto permanente. Demuéstreme que este artículo es erróneo, y publicaré la refutación yo mismo. Las condiciones de falsación se enuncian en este artículo; el reto permanente: github.com/MichaelDariusEastwood/arc-scaling-challenge.