Cognición artificial en 64 bits: cómo una arquitectura lógica de 1986 propone una alternativa a la IA actual
George Harvey detalla su arquitectura de cognición artificial de 64 bits basada en lógica XOR y la contrasta con los riesgos de la IA comercial actual.

La inteligencia artificial comercial actual se apoya en el reconocimiento estadístico de patrones, un enfoque que sus propios desarrolladores advierten que podría conllevar riesgos extremos. Frente a ese paradigma, el investigador George Harvey expone en CleanTechnica un proyecto iniciado en 1986 bajo el nombre de «Cognición Artificial», diseñado para que los procesadores operen sobre conceptos mediante lógica verificable.
Harvey recuerda que, hace unos cuarenta años, rechazó el test de Turing y programas como ELIZA al considerar que simular conversaciones humanas no equivale a pensar. Su objetivo consistía en construir una «IA real» cuyos pasos lógicos pudiera auditar una persona, traduciendo palabras e ideas humanas a campos de bits nativos para el procesador, de forma análoga al estándar IEEE para números reales.
De registros de 256 bits al estándar de 64 bits
En las primeras fases de diseño, Harvey contempló arquitecturas de 256 bits o más e incluso un conjunto de instrucciones propio. Sin embargo, en 1986 decidió adaptarse a los procesadores convencionales de 64 bits que estaban por llegar, logrando una solución funcional tras cinco iteraciones que le tomaron más de un año cada una.
El sistema quedó protegido hace más de dos décadas por una patente de la Oficina de Patentes y Marcas de Estados Unidos (USPTO), aunque Harvey señala que el diseño ya se encuentra en dominio público. Durante dos años de trabajo a tiempo completo, llegó a definir alrededor de 10.000 palabras capaces de manipularse directamente mediante operaciones lógicas como OR, AND y XOR.
Analogías en dos ciclos de reloj mediante XOR
Con un diccionario inicial de unas 2.500 palabras simulado en una máquina de 32 bits, Harvey programó un motor de comparación que buscaba equivalencias semánticas en todo el vocabulario. Al cargar dos términos en registros de 64 bits, una sola instrucción XOR obtiene su diferencia o devuelve un fallo inmediato si no pertenecen a categorías comparables, descartando bloques enteros como colores o prendas.
Un segundo XOR contra cada entrada del diccionario completa la analogía en apenas dos ciclos de reloj, lo que en un procesador de 2 GHz equivale a una milmillonésima de segundo —un rendimiento asumible hoy por una Raspberry Pi de 45 dólares—. Al introducir «automóvil» y «avioneta de pasajeros», el programa devolvió pares lógicos como «tren de cercanías» y «avión de cercanías», «tanque de batalla principal» y «bombardero pesado», o «ambulancia» y «ambulancia aérea».
Entre los resultados apareció también una pareja inesperada: «león» y «águila», mientras que otros depredadores del diccionario como tigre, búho, gato doméstico o halcón quedaron fuera. Harvey comprobó que el sistema no había fallado, sino que ambos términos compartían en su definición de 64 bits el mismo valor contextual de «autoridad».
Arquitectura interna de los campos de bits
El diseño divide los 64 bits en segmentos de 8 bits para estructurar el significado de forma funcional y no estrictamente biológica; así, un ave que solo se desplaza por tierra se clasifica junto a animales terrestres, y un murciélago como animal aéreo. Cada octeto se organiza en ocho superconjuntos (3 bits), cuatro grupos de subconjuntos (2 bits) y ocho subconjuntos básicos (3 bits), sumando 256 categorías posibles por campo.
| Campo | Función en la palabra de 64 bits | Ejemplo práctico (automóvil / león) |
|---|---|---|
| BAS | Superconjunto y categoría principal (8 bits) | Vehículo terrestre / animal terrestre |
| ALT | Categoría secundaria complementaria (8 bits) | Refina la clasificación junto a BAS (65.536 bases) |
| SRC | Origen, causa o fuente de energía (8 bits) | Energía química o eléctrica (0 para valor abierto) |
| MTD | Mecanismo o modo de operación (8 bits) | Motor de combustión, eléctrico o tracción animal |
| DST | Destino, carga o propósito final (8 bits) | Transporte de seres humanos |
| CXT | Contexto simbólico o connotativo (8 bits) | Símbolo de «autoridad» en el caso de león y águila |
| Negación | 8 bits dedicados (1 por cada campo) | Invierte el significado específico de un segmento |
Aunque los valores individuales resultan difusos (fuzzy), las reglas de interpretación se aplican de manera estricta según el tipo de vocabulario procesado. Harvey reconoce que esta arquitectura no aborda el procesamiento de imágenes ni tareas de pattern matching, áreas que nunca buscó cubrir con su invención y que hoy dominan la industria.
Crítica a la IA comercial y a la OPI de Anthropic
El motivo de recuperar este diseño obedece al debate sobre los riesgos de la inteligencia artificial contemporánea. Harvey cita los documentos de la oferta pública inicial (OPI) de Anthropic, que saldrá a bolsa el jueves con una valoración de 1,5 billones de dólares, donde la empresa advierte a sus accionistas de que sus productos podrían provocar efectos catastróficos, incluida la extinción humana.
Para el autor, el problema radica en que la IA comercial imita el reconocimiento de patrones humano, un mecanismo que no es naturalmente racional. Frente a sistemas que califica de «negligencia artificial» o «locura artificial», Harvey sostiene que la industria necesita incorporar «ética y cautela artificiales» basadas en reglas comprensibles y verificables antes de seguir escalando modelos opacos.
Fuente: CleanTechnica