Lógica Tensorial: El Lenguaje de la IA
Tensor Logic: The Language of AI
October 14, 2025
Autores: Pedro Domingos
cs.AI
Resumen
El progreso en la inteligencia artificial se ve obstaculizado por la falta de un lenguaje de programación con todas las características necesarias. Bibliotecas como PyTorch y TensorFlow ofrecen diferenciación automática e implementación eficiente en GPU, pero son complementos de Python, un lenguaje que nunca fue diseñado para la IA. Su falta de soporte para el razonamiento automatizado y la adquisición de conocimiento ha llevado a una serie larga y costosa de intentos improvisados para añadir estas funcionalidades. Por otro lado, lenguajes de IA como LISP y Prolog carecen de escalabilidad y soporte para el aprendizaje. Este artículo propone la lógica tensorial, un lenguaje que resuelve estos problemas al unificar la IA neuronal y simbólica a un nivel fundamental. El único constructo en la lógica tensorial es la ecuación tensorial, basada en la observación de que las reglas lógicas y la suma de Einstein son esencialmente la misma operación, y todo lo demás puede reducirse a ellas. Demuestro cómo implementar de manera elegante formas clave de IA neuronal, simbólica y estadística en lógica tensorial, incluyendo transformadores, razonamiento formal, máquinas de kernel y modelos gráficos. Lo más importante es que la lógica tensorial abre nuevas direcciones, como el razonamiento sólido en el espacio de embeddings. Esto combina la escalabilidad y capacidad de aprendizaje de las redes neuronales con la confiabilidad y transparencia del razonamiento simbólico, y podría ser la base para una adopción más amplia de la IA.
English
Progress in AI is hindered by the lack of a programming language with all the
requisite features. Libraries like PyTorch and TensorFlow provide automatic
differentiation and efficient GPU implementation, but are additions to Python,
which was never intended for AI. Their lack of support for automated reasoning
and knowledge acquisition has led to a long and costly series of hacky attempts
to tack them on. On the other hand, AI languages like LISP an Prolog lack
scalability and support for learning. This paper proposes tensor logic, a
language that solves these problems by unifying neural and symbolic AI at a
fundamental level. The sole construct in tensor logic is the tensor equation,
based on the observation that logical rules and Einstein summation are
essentially the same operation, and all else can be reduced to them. I show how
to elegantly implement key forms of neural, symbolic and statistical AI in
tensor logic, including transformers, formal reasoning, kernel machines and
graphical models. Most importantly, tensor logic makes new directions possible,
such as sound reasoning in embedding space. This combines the scalability and
learnability of neural networks with the reliability and transparency of
symbolic reasoning, and is potentially a basis for the wider adoption of AI.