Vectron: dejé de pedirles que se lo imaginaran

Imparto un curso de inteligencia artificial casi todos los meses: cuatro sesiones de hora y media cada una. En algún momento de la primera sesión llego siempre al mismo punto: le pido al público que se imagine un modelo de lenguaje. No como una base de datos tradicional, de tablas y filas, sino como algo más parecido a un espacio. El problema es que yo no controlo esa imaginación. Cada persona en el aula se construye una metáfora distinta, y varias de esas metáforas están equivocadas.

Me di cuenta enseguida: cuando, en lugar de pedirles que se lo imaginaran, se lo mostraba —aunque fuera con un dibujo improvisado en la pizarra—, la sesión cambiaba. De ahí, con el tiempo, creció un sistema completamente didáctico. Ese sistema es Vectron.

Qué es, sin metáforas

Vectron es un mapa 3D público del significado, en directo en vectron.kilowatto.com. Cada partícula del cubo es una palabra real de un corpus de 20,473 conceptos, y su posición procede de un embedding real de 1,024 dimensiones generado por bge-m3 (Workers AI), comprimido a 3 coordenadas mediante PCA.

No es una maqueta ni una animación pregrabada. Escribes una frase y se tokeniza de verdad, con el mismo BPE (cl100k_base) que usa un modelo real. Fijas una partícula y sus vecinos salen de una búsqueda vectorial real en Cloudflare Vectorize, en las 1,024 dimensiones completas, no en las 3 que ves en pantalla. Comparas dos conceptos y el coseno que te muestra es el coseno real. La pila completa: Workers, Vectorize, D1, R2 y Workers AI, con el frontend en Three.js sobre WebGPU —20,473 partículas en una sola llamada de dibujo— y un corpus que crece solo, cada 30 minutos, mediante cron.

Por qué no lo dejé como una curiosidad de fin de semana

Llevo más de 25 años en tecnología, la mayor parte del tiempo construyendo empresas —Ignia Cloud, mis inversiones, Yucatech Festival. Vectron no nació de esa misma ambición. Nació exactamente del mismo sitio que la frustración del aula: si algo se puede mostrar en lugar de describirlo, hay que mostrarlo bien, aunque eso signifique meterse a fondo en shaders, PCA y renderizado por GPU en vez de dejarlo como un experimento de fin de semana.

Enseñar también dónde miente

La parte del proyecto de la que estoy más orgulloso no es la que queda bonita. Es la que mide, con números reales sobre el corpus, cuánto te puedes creer lo que estás viendo.

Lo que Vectron mide sobre sí mismo: los 3 ejes visibles retienen apenas el 11.69% de la varianza real (16 componentes completos no llegan al 26%). Alrededor del 31% de los vecinos que sugiere la pantalla están inventados por la proyección (trustworthiness de 0.694 a k=10). El coseno entre dos palabras sin ninguna relación es 0.412 — el cero no existe. Y hay concentración real: un concepto aparece en 77 listas de vecinos frente a una media de 10.

De ahí sale la decisión de diseño más importante del producto: la promesa se ata a la consulta que haces tú, no a la posición en la que caen los puntos. Las líneas que conectan conceptos son el canal honesto —coseno real en 1,024 dimensiones—; la posición es el canal deshonesto —11.69% de varianza—. Por eso conservamos las líneas, con correcciones: un tope al número que se dibujan, grosor proporcional al coseno real, una etiqueta que indica qué has preguntado, y líneas cortadas cuando la relación no es recíproca.

El momento en que supe que iba a funcionar

No fue cuando terminé el renderizado, ni cuando el corpus llegó a su meta de 20,473 conceptos. Fue en un curso, enseñándoselo a mis alumnos, cuando fijaron una palabra y vieron encenderse a sus vecinos reales en el espacio. Esa cara de “ah, ya lo entiendo” que llevaba años persiguiendo con dibujos en la pizarra, por fin la vi en tiempo real, sin que yo tuviera que explicar nada más.

Lo que sigue

Vectron no se queda en un solo nivel. Hay una versión para quien nunca ha tocado un modelo de lenguaje —sin jerga, con 300 conceptos seleccionados en lugar de los 20,473 completos, porque menos elementos producen más aprendizaje real. Hay una versión intermedia, con tokens, embeddings y un laboratorio de fallos. Y hay una versión avanzada, para quien quiere el instrumento completo: las matemáticas sin editar y control del corpus. Separar por nivel de pericia, en vez de por dificultad, es lo que distingue a un novato que mira rasgos superficiales de un experto que mira principios profundos.

Y el proyecto se sigue corrigiendo a sí mismo. Cuando una de las auditorías que le hice —seis en total, con más de 190 referencias verificadas— descubrió que el corpus no demostraba nada sobre bilingüismo real, ejecuté el protocolo correcto y resultó que el español acertaba 50.7% de las veces frente a 100% del inglés: una brecha enteramente entre idiomas. Se corrigió embebiendo ambas formas, y hoy es 99.3%.

Esa es, creo, la idea real detrás de Vectron: una herramienta educativa sobre inteligencia artificial que se aplica a sí misma el mismo escrutinio que enseña a la gente a exigirle a cualquier IA. Entrad, jugad con él y decidme lo bien —o mal— que os explica algo que antes solo os pedía imaginar: vectron.kilowatto.com.