Ontological Vectors — Primitive semantiche senza training

EAR vs LLM su 78 carte dei Tarocchi: r=0.533 sulla valenza, 65% accordo dominio, 60% energia — senza training.

Scaricazip· ~57 KB

Cos'è

Paper empirico ("Ontological Vectors as Semantic Primitives: A Minimal Symbolic System Achieving LLM-Coherent Outputs Without Training", Antonini, EAR Lab Milano, gennaio 2026) che mette alla prova la tesi forte di EAR: il contenuto semantico è derivabile da principi ontologici, non richiede apprendimento statistico da dati.

Il banco di prova è un dominio simbolico chiuso e ben documentato — le 78 carte dei Tarocchi nella tradizione Rider-Waite-Smith — usate come "ground truth interpretativo" su cui confrontare due interpretatori indipendenti: un motore EAR (zero training) e un LLM addestrato su miliardi di token.

Materiale

Pacchetto unico ear-paper-publication.zip (~57 KB) contenente:

  • EAR_Paper_Ontological_Vectors.docx — paper completo
  • code/ear-tarot-engine-v2.1.jsx — motore di assegnazione vettori EAR
  • code/ear-tarot-test-suite.js, ear-llm-comparison-test.js, ear-llm-metrics.js — suite di test e metriche di confronto
  • data/comparison-data.json, test-results.json — dati grezzi e risultati
  • README.md — guida al pacchetto

Risultati

Ogni carta è rappresentata come vettore E = [Δ, ⇄, ⟳] in [0, 1]³ più una polarità (+, −, neutra), assegnato da prime principi (corrispondenze tradizionali + analisi ontologica). Il confronto carta-per-carta con le interpretazioni LLM dà:

  • Correlazione di Pearson r = 0.533 sulla valenza predetta (moderate-to-strong);
  • 65% di accordo sulla classificazione di dominio;
  • 60% di accordo sull'attribuzione di energia.

Le divergenze sistematiche (in particolare sulle carte rovesciate) non sono rumore: rivelano due tradizioni interpretative legittime e distinte, segno che EAR cattura struttura semantica reale, non pattern arbitrari.

Connessione all'ontologia

Il paper opera direttamente sui tre attributi del kernel formale — Δ (Distinzione), ⇄ (Relazione), ⟳ (Processo) — confermando empiricamente la Prop. 6 (Inseparabilità): i tre attributi sono co-presenti e producono significato solo congiuntamente. È inoltre una verifica delle equivalenze AILA: strutture costruite ontologicamente convergono con strutture emerse statisticamente.

Come usarlo

  • Lettura: scarica lo zip e apri il .docx per il paper completo
  • Riproduzione: usa il motore JSX e la suite JS — serve solo Node.js e un endpoint LLM per il confronto
  • Pairing AI: carica paper + comparison-data.json come contesto, chiedi al modello di proporre nuovi domini simbolici chiusi su cui ripetere il test (sistemi runici, I Ching, ecc.)

Note

Studio del gennaio 2026. Pubblicato come pacchetto unico autocontenuto. Le divergenze sulle carte rovesciate sono una direzione di ricerca aperta: distinguere tradizioni interpretative diverse è un segnale, non un errore.