Durante décadas hemos imaginado las computadoras como gigantescas máquinas de ceros y unos. Encendido o apagado. Verdadero o falso. Sí o no. Sobre esa dualidad se construyeron los microprocesadores, Internet y la actual inteligencia artificial. Pero ¿qué ocurriría si una computadora pudiera disponer de una tercera respuesta?
El Modelo Trinario de Equilibrio (MTE) propone investigar tres estados funcionales: (+) Activación, (=) Equilibrio, (-) Inhibición. (Anaya, 2026). La propuesta no consiste en inventar la computación ternaria, que posee antecedentes históricos propios (Brusentsov, N. P., & Ramil Alvarez, J. 2011), sino en investigar si el estado central puede adquirir funciones de regulación, espera, evaluación o abstención, en lugar de representar simplemente un cero.
Más artículos del autor
Un trit representa más información por símbolo
El punto de partida es matemático. Claude Shannon estableció en 1948 las bases de la teoría de la información. Un bit dispone de dos estados; un trit, de tres. Por ello: 1 trit = aprox. 1.585 bits. Un símbolo ternario equiprobable puede representar aproximadamente 58.5 % más información por posición que uno binario (Shannon, 1948).
La comparación inversa muestra que, para grandes espacios representacionales, serían necesarias aproximadamente 63.1 posiciones ternarias por cada 100 binarias, es decir, cerca de 36.9 % menos dígitos. Pero esto no significa 36.9 % menos energía, transistores o superficie de chip. La ventaja es matemática; convertirla en ahorro físico depende del hardware.
La inteligencia artificial ya utiliza tres valores
Las Ternary Weight Networks (TWN) restringieron los pesos de determinadas redes neuronales a (-1, 0, +1). Li, Liu, Wang, Zhang y Yan (2016) describieron su propuesta como “memory and computation efficient” y reportaron hasta 16× de compresión frente a sus contrapartes float32.
Esto no significa que un trit sea dieciséis veces superior a un bit. Demuestra algo más específico: determinados parámetros neuronales almacenados originalmente con alta precisión pueden reducirse a tres valores con importantes ahorros de memoria.
Además: (+1) x=x, (0) x=0, (-1) x=-x. Por ello, ciertas multiplicaciones pueden transformarse, dependiendo de la implementación, en transferencias, omisiones o cambios de signo (Li et al., 2016).
El verdadero desafío está en el hardware
Construir tres estados físicos fiables es más complicado que escribirlos en una ecuación. Un circuito ternario debe distinguir tres niveles frente al ruido, las variaciones de fabricación y los errores de lectura.
Sin embargo, existen tecnologías que hacen plausible esa investigación. Strukov, Snider, Stewart y Williams (2008) mostraron que la memristancia puede surgir naturalmente en sistemas nanométricos donde interactúan transporte electrónico e iónico. Su trabajo se convirtió en una referencia fundamental para los dispositivos resistivos con memoria.
Más directamente relacionado con el ternario, Wang et al. (2024) desarrollaron una familia de lógica ternaria balanceada compatible con CMOS basada en memristores y NMOS. Este tipo de investigación demuestra que la lógica de tres estados puede pasar de la formulación matemática al diseño de circuitos físicos.
También existen otras rutas. La espintrónica explora el espín electrónico como recurso adicional para almacenar y procesar información (Wolf et al., 2001). La computación neuromórfica, impulsada conceptualmente por Mead (1990), busca construir sistemas electrónicos inspirados en principios de procesamiento biológico. La fotónica integrada ofrece otra posibilidad: Shen et al. (2017) demostraron experimentalmente operaciones para aprendizaje profundo mediante circuitos nanofotónicos coherentes.
Ninguna de estas tecnologías demuestra todavía el MTE. Lo que muestran es que el futuro de la computación no tiene por qué quedar restringido físicamente a la representación binaria convencional.
¿Y si (=) significara «todavía no»?
Aquí comienza la pregunta específica del MTE. Imaginemos que una inteligencia artificial pudiera responder: (+) actuar (=) esperar, evaluar o regular (-) inhibir. Una máquina podría reconocer que la información disponible todavía no justifica una decisión definitiva. La abstención algorítmica, sin embargo, tampoco es nueva. Chow (1970) formalizó hace más de medio siglo el compromiso entre error y rechazo en sistemas de reconocimiento.
Por tanto, la posible aportación del MTE no sería enseñar por primera vez a una máquina a abstenerse. Consistiría en investigar si integrar esa capacidad como uno de tres estados estructurales fundamentales puede producir ventajas medibles en estabilidad, robustez o toma de decisiones.
Equilibrio no significa inacción
El signo (=) tampoco tendría que significar simplemente “no hacer nada”. Podría representar regulación dinámica: conservar provisionalmente determinadas variables dentro de márgenes aceptables mientras el sistema recibe nueva información.
Esto aproxima conceptualmente el MTE a los sistemas adaptativos y a ciertas intuiciones de la computación neuromórfica. Mead (1990) mostró tempranamente las posibilidades de construir sistemas electrónicos inspirados en soluciones biológicas, particularmente ante problemas en los que la información de entrada es imperfecta. La analogía, sin embargo, no constituye una demostración. El equilibrio tendrá que convertirse en una variable matemáticamente definida y experimentalmente medible.
Del trit al qutrit
La computación cuántica abre otra frontera. Mientras un qubit posee dos estados base, un qutrit posee tres. Roy et al. (2023) demostraron algoritmos de dos qutrits sobre un procesador superconductor programable. Pero la física actual no demuestra que esos tres niveles correspondan a Activación, Equilibrio e Inhibición. Cualquier conexión deberá considerarse una hipótesis futura.
El experimento que puede decidirlo
La prueba científica del MTE debería comparar: Binario vs Ternario convencional vs MTE. y medir precisión, memoria, velocidad, energía, tráfico de datos, tolerancia al ruido, robustez, capacidad de abstención y estabilidad.
Si el MTE supera al binario, pero no al ternario convencional, la ventaja probablemente procederá de utilizar tres estados. Sólo si el uso funcional de (=) produce ventajas reproducibles frente a otra arquitectura ternaria equivalente comenzaría a existir evidencia específica a favor del modelo.
Ésa es la pregunta que hace interesante la investigación. Durante décadas enseñamos a las máquinas a decidir entre alternativas binarias. La siguiente frontera podría ser más compleja: enseñarles a reconocer cuándo deben actuar, cuándo deben inhibirse y cuándo lo más inteligente, es decir: «todavía no».
Te invitamos a ver el video de “Laicos en la Vida Pública” sobre el tema:
Referencias
Anaya, C. (2026). Del bit al equilibrio: ¿puede un tercer estado cambiar la computación? Academia.edu (18) Del bit al equilibrio: ¿puede un tercer estado cambiar la computación?
Brusentsov, N. P., & Ramil Alvarez, J. (2011). En J. Impagliazzo & E. Proydakov (Eds). Springer.
Ordenadores Ternarios: El Setun y el Setun 70 | Enlace de la naturaleza de Springer
Chow, C. K. (1970). IEEE Transactions on Information Theory, 16(1), 41–46. Sobre error de
reconocimiento óptimo y compensación de rechazo | Revistas y Revistas IEEE | IEEE Xplore
Li, F., Liu, B., Wang, X., Zhang, B., & Yan, J. (2016). Ternary weight networks [Preprint]. arXiv.
1605.04711v3.pdf
Mead, C. (1990). Proceedings of the IEEE, 78(10), 1629–1636. Sistemas electrónicos neuromórficos | CaltechAUTORES
Roy, T., Li, Z., Kapit, E., & Schuster, D. I. (2023). Two-qutrit quantum algorithms on a programmable superconducting processor. Physical Review Applied, 19(6), 064024. Roy2022a.pdf
Shannon, C. E. (1948). 27(3), 379–423; 27(4), 623–656. Una teoría matemática de la comunicación | Nokia Bell Labs Revistas y Revista | IEEE Xplore
Shen, Y., Harris, N. C., Skirlo, S., Prabhu, M., Baehr-Jones, T., Hochberg, M., Sun, X., Zhao, S., Larochelle, H., Englund, D., & Soljačić, M. (2017). 11, 441–446. Aprendizaje profundo con circuitos nanofotónicos coherentes | Fotónica de la naturaleza
Strukov, D. B., Snider, G. S., Stewart, D. R., & Williams, R. S. (2008). 453(7191), 80–83. El memristor perdido encontrado | Naturaleza
Wang, X., Chen, X., Zhou, J., Liu, G., Kang, S. M., Nandi, S. K., Elliman, R. G., & Iu, H. H.-C. (2024). Regular Papers, 71(10), 4560–4573. Una familia de lógica ternaria memristor-NMOS compatible con CMOS balanceada y su aplicación | Revistas y Revistas IEEE | IEEE Xplore
Wolf, S. A., Awschalom, D. D., Buhrman, R. A., Daughton, J. M., von Molnár, S., Roukes, M. L., Chtchelkanova, A. Y., & Treger, D. M. (2001). 294(5546), 1488–1495.
Espintrónica: una visión electrónica basada en espín para el futuro | Ciencia