Desde que empecé a jugar con Prolog a finales de los 90 me ronda la misma obsesión: crear un lugar donde el conocimiento lógico se escriba, se pruebe y se comparta como si fuera código. He llenado libretas, repositorios y maquetas a medias tratando de encapsular esa intuición, una especie de Wikipedia de reglas distribuida que nunca terminaba de tomar forma.
La idea sobrevivió porque tenía algo de inasible y precioso. Soñaba con un espacio donde las reglas fueran versionadas, verificables y reutilizables; donde cada navegador pudiera ejecutar inferencias sin depender de un servidor centralizado; donde aprender lógica implicara jugar con ejemplos vivos. Pero cada vez que intentaba plasmarlo chocaba contra el mismo muro: demasiados conceptos mezclados, demasiados puntos ciegos en la arquitectura.
No es la primera vez que escribo sobre ello. En 2013 publiqué el experimento Plain Knowledge Base, un prototipo minimalista de grafo de conocimiento tejido con archivos de texto y referencias cruzadas con ``. Más recientemente, en 2024, documenté el tutorial Create your own IA assistant para construir un “Jarvis” personal que registra hechos y recordatorios en su propia base de conocimiento. Ambas piezas son reflejos parciales de la misma obsesión: capturar conocimiento de forma estructurada y accionable.
Este verano cambié de estrategia. En vez de obligarme a escribir otro documento técnico desde cero me apoyé en mi asistente de IA para ir destilando, capa por capa, qué quería realmente construir. A partir de notas de voz, diagramas viejos y referencias dispersas, la IA me devolvió una especificación conceptual limpia: propósito, componentes, principios, ciclo de vida, todo organizado como si fuera un manifiesto de producto. Por fin vi la idea completa, sin el ruido acumulado de veinte años de versiones inconclusas.
Qué propone esta wiki distribuida
La especificación describe una plataforma abierta donde el conocimiento declarativo es tratable como artefactos versionados. El servidor solo guarda la historia y las firmas; el cálculo sucede en el cliente gracias a un runtime lógico en WebAssembly. Cada módulo declara sus fuentes de datos, vistas y materializaciones, y quien lo descarga puede reproducir cualquier inferencia con los mismos hashes y límites. Es la inversión consciente de la infraestructura tradicional: llevamos el peso computacional al edge para mantener la independencia y la privacidad.
Estos son los pilares que más me entusiasman:
- Conocimiento como código ejecutable: reglas, vistas y datasets funcionan como módulos verificables que se pueden importar, combinar y testear sin tocar un backend monolítico.
- Provenance y reproducibilidad integradas: cualquier resultado lleva consigo las versiones exactas que lo generaron, lo que permite auditar o enseñar la inferencia paso a paso.
- Pedagogía embebida: los tests y ejemplos viven junto a cada módulo, de modo que aprender es ejecutar, jugar y modificar en caliente.
- Gobernanza distribuida: la wiki es el archivo y el foro, pero no la CPU. Cada persona decide qué ejecutar, qué publicar y cuándo compartir sus derivaciones.
Lo que cambia con la IA
El verdadero logro aquí no es que el documento exista, sino cómo se generó. La IA actuó como editora y espejo: proponía estructuras, encontraba huecos, reclamaba definiciones precisas y me obligaba a separar principios de implementaciones. Esa iteración acelerada me ayudó a salir del pantano de decisiones pendientes y a nombrar, por fin, la esencia de la idea.
¿Voy a implementarla mañana? Probablemente no. Pero ahora que la veo con esta claridad puedo avanzar por etapas: quizá diseñar primero el dialecto lógico, después un prototipo de runtime en WASM, más adelante la interfaz de la wiki. Incluso si nunca llega a producción, el ejercicio ya valió la pena por la belleza conceptual alcanzada. Tener una especificación limpia me recuerda por qué sigo enamorado de esta obsesión y me da un mapa para volver a ella cuando quiera seguir explorando.
Mientras tanto, la publico aquí para no dejar que se pierda otra vez en el cajón. A veces la mejor manera de cuidar una idea es compartirla, aunque permanezca en estado latente. Y si un día se convierte en código real, espero que conserve esa mezcla de rigor y curiosidad que la hizo sobrevivir tantos años en mi cabeza.
ANEXO: 🧠 Proyecto: Wiki de Reglas Distribuida
(una Wikipedia colaborativa de conocimiento declarativo ejecutable en el edge)
1. Propósito esencial
Crear una infraestructura abierta donde las personas puedan declarar conocimiento lógico (reglas, relaciones, transformaciones de datos) de forma colaborativa, verificable y ejecutable localmente.
Cada usuario no solo lee conocimiento, sino que puede ejecutarlo, extenderlo, probarlo y combinarlo directamente desde su navegador.
2. Idea central
“El conocimiento como código ejecutable”, compartido y versionado como una Wikipedia de reglas, pero con ejecución descentralizada: el cálculo y coste lo asume cada cliente, no el servidor.
La wiki actúa como fuente de verdad y archivo histórico, y cada navegador se convierte en un motor de inferencia independiente capaz de:
- descargar reglas firmadas y sus datasets asociados,
- ejecutarlas localmente,
- derivar conocimiento nuevo,
- y, opcionalmente, publicar resultados reproducibles.
3. Principios fundacionales
-
Conocimiento abierto, verificable y versionado. Cada regla tiene autoría, versión y trazabilidad.
-
Ejecución local (edge). Las inferencias, consultas y derivaciones ocurren en el cliente (WebAssembly).
-
Independencia y reproducibilidad. Cualquier resultado puede rehacerse exactamente, gracias a versiones fijadas y hashes de contenido.
-
Privacidad por diseño. Los datos del usuario no se envían a la nube, salvo que él lo decida explícitamente.
-
Colaboración social. Comentarios, sugerencias, peticiones, ejemplos y tests convivirán en la misma interfaz.
-
Pedagogía integrada. Cada conjunto de reglas incluye sus propios tests y ejemplos, que sirven tanto para verificar como para enseñar.
4. Componentes conceptuales
4.1 Wiki central (núcleo comunitario)
- Repositorio público de reglas, módulos y versiones.
-
Página por regla o módulo con:
- código legible,
- documentación y ejemplos,
- tests autoejecutables,
- comentarios y peticiones de mejora.
- Sistema de firma, versionado y confianza (p. ej.,
org/module@1.0.3). - API pública para distribución de bundles firmados.
Analogía: una mezcla entre GitHub y Wikipedia, pero de conocimiento lógico en Prolog extendido.
4.2 Cliente / runtime edge
- Motor de inferencia en WebAssembly (el runtime de Prolog extendido).
-
Se ejecuta dentro del navegador, con soporte para:
- carga de módulos desde la wiki (verificados criptográficamente),
- descarga de datos externos (JSON/CSV con esquema declarado),
- materialización local de hechos y reglas derivadas,
- persistencia en caché (IndexedDB / FileSystem Access),
- tests ejecutables directamente en cliente.
El cliente paga el coste computacional, y puede compartir opcionalmente los resultados.
4.3 Lenguaje extendido (dialecto lógico declarativo)
Extiende Prolog con tres grandes ideas:
-
Fuentes de datos externas (
datasource) Permite declarar una fuente remota (JSON, CSV, API REST) con su esquema y límites. -
Vistas declarativas (
view) Mapas lógicos entre la fuente y hechos internos. -
Materialización local (
materialize) Reglas o consultas que pueden persistirse y reutilizarse sin recalcular.
El dialecto prioriza pureza, reproducibilidad y seguridad (sin I/O arbitrario ni efectos laterales).
5. Ciclo de vida de una regla o módulo
- Creación: un usuario propone nuevas reglas en la wiki.
- Pruebas: la propia wiki ejecuta los tests (en cliente) para validar consistencia.
- Publicación: se firma y versiona el módulo (con hash de contenido).
- Descarga: los clientes lo importan en sus entornos locales.
- Ejecución: se combinan módulos y datos reales en el navegador.
- Derivación: el usuario puede materializar conocimiento nuevo.
- Contribución: las derivaciones o mejoras pueden subirse de nuevo, con trazabilidad.
6. Modelo de conocimiento
Cada entidad básica —regla, hecho, vista o dataset— tiene:
- un identificador semántico (
org/module:pred/arity), - un hash de contenido (garantía de integridad),
- y un historial de cambios (estilo git).
El conocimiento se estructura como una red de dependencias versionadas, donde cada nodo puede verificarse, probarse o sustituirse independientemente.
7. Ejecución y reproducibilidad
Cada consulta ejecutada en cliente produce un bloque de provenance que describe:
- qué versiones exactas de reglas y datos se usaron,
- qué configuraciones y límites estaban activos,
- y qué resultados se derivaron.
Esto permite reproducir o auditar cualquier inferencia en otro contexto, garantizando la transparencia del razonamiento.
8. Colaboración y aprendizaje
- Tests como documentación viva: los ejemplos y pruebas se pueden ejecutar en vivo.
- Sistema de comentarios y peticiones: los usuarios discuten mejoras o extensiones.
- “Badges” de confianza: reglas verificadas por la comunidad o por revisores.
- Historial legible: cada cambio se puede rastrear y citar.
La wiki se convierte así en una escuela de razonamiento compartido, donde el conocimiento no solo se describe, sino que se demuestra ejecutándolo.
9. Gobernanza y sostenibilidad
- Modelo abierto: cualquiera puede usar y extender la plataforma localmente.
-
Modelo mixto de servicio: la wiki puede ofrecer:
- verificación avanzada,
- espacio de almacenamiento para artefactos reproducibles,
- badges o curación editorial.
El coste de cómputo lo asume el cliente, lo que permite escalar sin coste de infraestructura y mantener la independencia.
10. Esencia final
Un sistema donde la lógica se convierte en un lenguaje de conocimiento compartido, donde las reglas no viven en servidores sino en las mentes y navegadores de quienes las usan.
Un ecosistema distribuido de inferencia, una Wikipedia de reglas vivas donde cada consulta es, a la vez, una forma de aprender, verificar y ampliar lo que sabemos.