Corexiom es una capa de razonamiento neuro-simbólico que verifica las decisiones de los sistemas de IA, hace visibles sus contradicciones y suspende su veredicto cuando no puede justificarse ninguna conclusión coherente.
Pensado para investigadores, laboratorios y universidades — y para las organizaciones donde un error de IA sale caro.
Un gran modelo produce una respuesta plausible pase lo que pase: no tiene un razonamiento estructurado inspeccionable, calibra mal su incertidumbre y no sabe negarse a decidir ante una contradicción. En contextos de alto riesgo, esa confianza permanente es justamente el peligro.
Una respuesta falsa se entrega con la misma seguridad que una correcta. Nada señala la duda.
Ante reglas contradictorias, inventa un compromiso en vez de señalar el bloqueo.
La decisión sale de una caja negra: imposible de verificar, auditar o defender.
Corexiom es un núcleo: razona sobre un grafo de aserciones tipadas, separa lo inviolable de lo revisable y mantiene la última palabra sobre la coherencia. Tres principios lo definen.
Aserciones unidas por implicación, apoyo o contradicción — no una secuencia de palabras. El razonamiento es formal e inspeccionable.
Conflicto de axiomas, violación de una regla inviolable, casi empate: criterios explícitos activan una suspensión en vez de una respuesta forzada.
Toda decisión, suspensión o contradicción lleva su justificación: las aserciones y los enlaces que la fundamentan. Verificable, auditable.
Corexiom no se cuenta entre las IA que se consultan: no responde ni genera por ti. Es la capa de razonamiento y verificación que controla lo que esos sistemas producen — hace visibles sus contradicciones y suspende cuando ninguna conclusión coherente se sostiene. Su lugar es preciso, en la intersección de tres campos.
Un perceptor neuronal puebla el grafo; un núcleo simbólico verifica y mantiene la última palabra.
Hace respetar reglas inviolables y suspende en lugar de actuar fuera de límites.
Decidir, suspender o señalar un conflicto — siempre trazado. Una capa decisional «con veto», no un optimizador.
Filiación asumida: Corexiom dialoga con familias de investigación establecidas — la predicción selectiva y el «derecho a abstenerse», los sistemas de mantenimiento de la verdad, los marcos de argumentación. Su aportación no es inventar la suspensión, sino integrarla como primitiva de primer orden en un núcleo mínimo, determinista y trazable.
Las aserciones reciben un grado de creencia. Un operador de propagación — acotado, determinista, independiente del orden, con terminación garantizada — difunde apoyos y contradicciones hasta el equilibrio. El motor evalúa entonces la coherencia y decide.
Los axiomas son restricciones duras e inviolables; las creencias son revisables. Una acción que contradice un axioma no se «penaliza»: queda estructuralmente prohibida — y el sistema lo dice.
Corexiom no enfrenta la IA neuronal con la lógica: las casa. La percepción del lenguaje es una interfaz conectable — un modelo puede poblar el grafo; el núcleo mantiene la última palabra sobre la coherencia y puede suspender, sea cual sea la salida del modelo.
Un texto, una situación, reglas de negocio expresadas con claridad.
Reglas integradas por defecto, o un modelo de lenguaje que extrae aserciones estructuradas.
Propagación, detección de contradicciones, coherencia — la salvaguarda que decide o suspende.
Decisión, suspensión o conflicto — siempre con su justificación.
Corexiom no reemplaza tus sistemas de IA — coopera con ellos, como capa de supervisión. El reparto de papeles es claro:
Un banco de pruebas determinista, mínimo y modificable: probar estrategias de suspensión, medir la coherencia, conectar distintos modelos, comparar métodos de propagación. Reproducible por construcción — pensado para publicaciones, benchmarks y demostraciones «el modelo solo falla, Corexiom suspende».
Pequeño, legible, en Python puro. Se observa a una máquina detectar una contradicción, suspender y decir por qué — algo que ningún modelo de lenguaje muestra. Ideal para prácticas, proyectos y tesis sobre IA explicable, gobernanza y neuro-simbólica.
Una vez probado en investigación: codificar reglas inviolables (regulación, políticas internas) sobre un modelo, y suspender y escalar en lugar de actuar fuera de límites. Pertinente donde la auditoría es obligatoria y un error sale caro: ciberseguridad, cumplimiento, finanzas, seguros, salud, legal, sistemas críticos y regulados.
El núcleo se publica bajo licencia Apache 2.0, escrito en Python puro, sin ninguna dependencia externa para funcionar. El código, el diseño (con sus garantías detalladas) y la batería de pruebas son públicos. Las contribuciones, las críticas y los forks son bienvenidos.
Cero dependencias para el núcleo.
Uso libre, incluido el comercial.
Garantías probadas vs validadas, en claro.
Unitarias, de propiedad, adversariales.
Corexiom es hoy un núcleo de calidad prototipo de investigación: su corazón está diseñado y probado con cuidado, pero no es una plataforma llave en mano. Aquí está, honestamente, dónde se encuentra el proyecto.
Propagación fundada, coherencia, suspensión trazada, percepción conectable. Probado, documentado, código abierto.
Conectar un modelo de lenguaje como «poblador» del grafo, tras la interfaz ya prevista.
Dar a la propagación una base bayesiana o de satisfacción de restricciones más rigurosa.
Optimizar el rendimiento una vez fijada la semántica — la optimización sigue a la corrección, nunca al revés.
La inteligencia artificial moderna sabe producir: generar, completar, predecir, imitar, responder, automatizar. Pero casi nunca sabe suspender.
Los sistemas actuales siguen generando incluso cuando encuentran contradicciones, carecen de información fiable, violan restricciones explícitas o deberían reconocer que ninguna conclusión coherente puede defenderse.
Responden. Incluso cuando no deberían.
Justo ahí empieza Corexiom. Corexiom no es un chatbot, ni un modelo generativo más, ni una promesa de inteligencia artificial general. Es una capa de razonamiento y verificación diseñada para situarse por encima de los sistemas de IA.
Su papel no es producir más. Es controlar la coherencia, hacer visibles las contradicciones, verificar las restricciones, trazar las decisiones y suspender un veredicto cuando ninguna conclusión coherente puede justificarse.
El modelo neuronal propone. El núcleo simbólico verifica.
Un sistema inteligente maduro no solo debería saber responder. También debería saber exponer sus contradicciones, reconocer sus límites, explicar su razonamiento y negarse a concluir cuando ninguna decisión coherente se sostiene. La suspensión no es una debilidad: es una propiedad fundamental de los sistemas de decisión fiables.
En entornos críticos — finanzas, industria, ciberseguridad, salud, infraestructuras, gobernanza algorítmica, sistemas autónomos — una mala decisión tomada con confianza puede tener consecuencias mayores. A medida que las IA se vuelven operativas y actúan en el mundo real, la necesidad de capas de verificación se vuelve estructural. A veces, la respuesta correcta es:
«No puedo concluir.»
No creemos que una sola IA lo controle todo. El futuro se apoyará en sistemas especializados que colaboran, se supervisan, se verifican mutuamente y mantienen juntos restricciones explícitas. En ese ecosistema, la capacidad de suspender se vuelve esencial. Corexiom no busca reemplazar los modelos neuronales: colabora con ellos. Los modelos generativos aportan percepción, lenguaje, generalización y flexibilidad; Corexiom aporta coherencia, verificación, trazabilidad, suspensión y gobernanza lógica.
Corexiom es deliberadamente mínimo, determinista, legible, reproducible, de código abierto — porque un sistema de gobernanza no puede convertirse en otra caja negra. Distinguimos explícitamente lo que está demostrado de lo que está validado empíricamente. Preferimos el rigor a la promesa, la explicabilidad a la ilusión, la coherencia a la sobreventa.
Probamos lo que se puede probar. Lo demás lo validamos agresivamente.
Corexiom no es una solución terminada. Es un núcleo de investigación, un terreno experimental, una arquitectura abierta a la crítica — concebida para ser explorada, probada y formalizada. El proyecto se dirige a investigadores, laboratorios, universidades, estudiantes, ingenieros, y a todos los que consideran que el futuro de la IA no puede basarse únicamente en la generación probabilística.
Una inteligencia artificial verdaderamente madura no solo será capaz de producir respuestas. También deberá saber reconocer, explícita y estructuralmente, las situaciones en las que no debería concluir. Esa es la idea que Corexiom explora.
Corexiom es un proyecto de investigación abierto. Dos maneras de participar: hacerlo progresar, o ayudar a sostenerlo.
Forks, issues, revisiones críticas, experimentos, reproducciones: todo es público en GitHub. El desacuerdo argumentado es bienvenido — así se fortalece un núcleo de investigación.
Corexiom se desarrolla en abierto, sin publicidad ni rastreo. Un apoyo libre ayuda a financiar el tiempo de investigación, las pruebas y la documentación.
¿Una pregunta, una colaboración de investigación, una propuesta? Escribe a karim.benrezzag@corexiom.com.
Corexiom está impulsado por un profesional cuyo oficio es diseñar sistemas complejos y de alto rendimiento: infraestructuras de trading de alta frecuencia en los mercados de futuros (ES, NQ, YM), opciones y ETF, y software de análisis de mercado — en MT4, MT5, NinjaTrader, Bookmap, Sierra Chart, además de herramientas SaaS, incluidos indicadores, estrategias de trading, y las herramientas de métricas y backtesting que al mercado le cuesta ofrecer.
Es esta exigencia de ingeniería — medir, verificar, no dejar nada al azar — la que recorre Corexiom.