⚡ electrical engineering

Defining Decentralization: An Ontological Perspective

Este artículo aborda el "Problema de la Descentralización" mediante la introducción de una ontología basada en grafos que define formalmente la descentralización como una propiedad relacional y específica de un dominio, distinta de la mera distribución, acompañada de métricas novedosas y una herramienta basada en navegador para permitir un análisis consistente e independiente del dominio de sistemas heterogéneos como el aprendizaje federado y el blockchain.

Autores originales: Jakub Kacper Szeląg, Aydin Abadi, Mohammad Naseri

Publicado 2026-08-11

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jakub Kacper Szeląg, Aydin Abadi, Mohammad Naseri

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La Gran Confusión de "¿Quién manda aquí?"

Imagina que estás intentando describir una ciudad. Podrías decir que está "dispersa" porque las casas están lejos unas de otras, o podrías decir que es "descentralizada" porque ningún alcalde controla cada farola. En el mundo de la informática, estas dos palabras —distribución y descentralización— se han estado confundiendo durante décadas. La distribución es como una entrega de pizza: los ingredientes están esparcidos por todo el pastel, pero todos pertenecen a la misma pizza. La descentralización es más bien como un vecindario donde cada uno tiene su propio jardín, y ninguna persona posee las llaves de todas las puertas.

Durante mucho tiempo, científicos e ingenieros han utilizado estos términos para construir de todo, desde redes de internet seguras hasta inteligencia artificial que aprende de forma colectiva. Pero aquí está el problema: todo el mundo está de acuerdo en que la "descentralización" es algo bueno porque hace que los sistemas sean más difíciles de hackear, más privados y más resilientes. Sin embargo, nadie está realmente de acuerdo en qué es. ¿Es un sistema descentralizado si los datos están en muchas computadoras, incluso si una computadora jefa les dice qué hacer? ¿O tiene que ser un caos donde nadie esté al mando? Esta confusión es como intentar construir una casa sin un plano; podrías terminar con una estructura que parece un hogar pero que colapsa cuando sopla el viento. A medida que empezamos a construir una IA más inteligente y redes digitales más complejas, definir exactamente qué es "descentralizado" no es solo un juego de palabras: es la diferencia entre un sistema que sobrevive a una crisis y uno que se desmorona.

La Gran Idea del Documento: Un Mapa para el Caos

Este documento, titulado "Defining Decentralization: An Ontological Perspective" (Definiendo la Descentralización: Una Perspectiva Ontológica), actúa como un detective tratando de resolver el misterio de lo que realmente significa la "descentralización". Los autores, investigadores de la Universidad de Newcastle y Flower Labs, argumentan que la forma actual en que hablamos de descentralización es desordenada y a menudo errónea. Señalan que la gente suele confundir la distribución (dónde se colocan físicamente las cosas) con la descentralización (cómo se conectan las cosas y quién las controla).

Para solucionar esto, el equipo construyó un nuevo "mapa" llamado ontología. Piensa en una ontología como un diccionario súper preciso que no solo define palabras, sino que explica cómo las cosas que esas palabras describen encajan entre sí en el mundo real. En lugar de simplemente contar cuántas computadoras hay en una red (un método que el documento dice que es demasiado simple), crearon un sistema que observa las relaciones entre las partes. Tratan un sistema informático como un grafo, donde las computadoras son puntos y los cables que las conectan son líneas.

El principal hallazgo del documento es que no puedes simplemente decir que un sistema entero es "descentralizado" o "centralizado". En cambio, un sistema puede ser descentralizado en algunos aspectos y centralizado en otros. Por ejemplo, en un tipo popular de entrenamiento de IA llamado Aprendizaje Federado (Federated Learning), los datos pueden estar dispersos en muchos teléfonos (descentralizados), pero un único servidor podría seguir diciéndoles a todos qué hacer (centralizado). El nuevo mapa de los autores puede detectar esta diferencia. Demuestran que un sistema puede ser parcialmente descentralizado, lo que significa que algunas partes son libres y otras están controladas, en lugar de forzar una respuesta de "sí o no".

Las Nuevas Herramientas: "Tolerancia al Vacío" e "Impermeabilidad"

Para medir esta nueva idea, más compleja, de la descentralización, los autores inventaron dos herramientas lúdicas pero poderosas: Tolerancia al Vacío (Void Tolerance) e Impermeabilidad (Imperviousness).

Imagina que la red es una telaraña de amigos pasándose notas.

Tolerancia al Vacío pregunta: "Si un amigo desaparece de repente, ¿el grupo entero deja de hablar?". Si el grupo se divide en dos islas aisladas porque una persona se fue, el sistema tiene baja Tolerancia al Vacío. Si el grupo sigue charlando incluso después de que alguien se va, tiene una alta Tolerancia al Vacío. Esto mide qué tan bien sobrevive el sistema ante piezas faltantes.
Impermeabilidad pregunta: "¿Cuántas líneas telefónicas tenemos que cortar para evitar que una persona específica hable con el grupo?". Si solo necesitas cortar un cable para silenciar a una persona, esa persona no está muy protegida. Si tienes que cortar una docena de cables, es altamente impermeable. Esto mide qué tan difícil es romper las conexiones del sistema.

Los autores probaron su mapa en dos ejemplos del mundo real muy diferentes: el Aprendizaje Federado (donde la IA aprende de datos privados en muchos dispositivos) y el Blockchain (la tecnología detrás de las criptomonedas).

En sus simulaciones, demostraron que las formas antiguas de medir la descentralización a menudo se equivocaban. Por ejemplo, una red de blockchain podría parecer "descentralizada" porque tiene muchas computadoras, pero si todas esas computadoras están controladas por una sola empresa, el nuevo mapa revela que en realidad es centralizada en términos de control. Por el contrario, un sistema podría parecer "centralizado" debido a una computadora jefa, pero si los datos y el entrenamiento ocurren en muchos dispositivos diferentes, el mapa muestra que es en realidad descentralizado en esas áreas específicas.

El documento concluye que, al utilizar este nuevo mapa basado en grafos y estas dos nuevas métricas, finalmente podemos comparar diferentes sistemas de manera justa. Podemos decir: "Este sistema de IA es más descentralizado en su almacenamiento de datos pero menos descentralizado en su toma de decisiones", en lugar de simplemente adivinar. Los autores construyeron una herramienta basada en el navegador que permite a cualquiera dibujar una red y ver instantáneamente estas puntuaciones, demostrando que su definición funciona en diferentes tipos de tecnología.

Lo Que el Documento Dice Que NO Es

Es importante saber qué no pretende afirmar este documento. Los autores son muy claros en que su mapa solo observa la estructura de las conexiones (el grafo). No mide qué tan rápido es el sistema, cuánto dinero cuesta o qué tan justas son las reglas. También admiten que sus nuevos números de "Tolerancia al Vacío" e "Impermeabilidad" son fórmulas específicas que crearon para este estudio; no son constantes universales de la naturaleza como la gravedad. El documento sugiere que estos números son útiles para la comparación, pero no son la respuesta final y perfecta para cada problema. También señalan que su definición no tiene en cuenta quién posee las computadoras (como si una sola empresa fuera dueña de todos los servidores), sino cómo están conectadas las computadoras.

La Conclusión

En resumen, este documento sugiere que debemos dejar de tratar la "descentralización" como un interruptor simple que está encendido o apagado. En cambio, es una propiedad multidimensional, como un color que puede ser una mezcla de rojo y azul. Al utilizar un nuevo mapa matemático y dos nuevas formas de medir la resiliencia, los autores proporcionan una forma más clara y honesta de entender cómo está construido nuestro mundo digital. Demuestran que un sistema puede ser una mezcla de autoridad y libertad, y que comprender esa mezcla es la clave para construir tecnología mejor y más segura para el futuro.

Resumen Técnico: Definiendo la Descentralización: Una Perspectiva Ontológica

Planteamiento del Problema
El artículo identifica una brecha crítica en la literatura de la computación, denominada el "Problema de la Descentralización". A pesar de que la descentralización es un concepto fundamental en seguridad, computación distribuida, IA e IoT, no existe una definición universalmente aceptada y transferible aplicable a diferentes sistemas de comunicación. La literatura actual sufre de cuatro problemas primarios:

Ambigüedad Definicional: La descentralización se define a menudo mediante ejemplos o heurísticas específicas de un dominio (por ejemplo, blockchain) en lugar de una definición formal e independiente del contexto.
Confusión Conceptual: Los términos "descentralización" y "distribución" se confunden frecuentemente. Mientras que la distribución se refiere a la ubicación física o lógica de los componentes, la descentralización concierne a la estructura relacional y las dependencias entre entidades.
Falta de Formalismo Estructural: Los enfoques existentes suelen basarse en métricas centradas en nodos (por ejemplo, recuento de participantes, concentración de propiedad) que ignoran la topología relacional y las rutas de comunicación entre entidades.
Ausencia de Cuantificación Transferible: Las métricas actuales suelen estar ligadas a arquitecturas específicas (como blockchain) y no pueden comparar consistentemente sistemas heterogéneos (por ejemplo, Aprendizaje Federado frente a redes Peer-to-Peer).

Esta ambigüedad conduce a un análisis de sistemas inconsistente, donde arquitecturas idénticas pueden ser etiquetadas como "centralizadas" en un contexto (por ejemplo, topología de grafo estructural) y "descentralizadas" en otro (por ejemplo, localidad de datos), obstaculizando el razonamiento formal riguroso y el diseño de protocolos.

Metodología
Los autores proponen una solución basada en una ontología basada en grafos, tratando la descentralización como una propiedad estructural, relacional y específica de un sujeto. La metodología se estructura en cuatro capas:

Capa Ontológica: El marco establece un compromiso formal con el realismo de la teoría de grafos. Un sistema se modela como un grafo no vacío $G=(V, E)$ . La ontología introduce tres conceptos primitivos: Sistema, Topología y Sujeto (una proyección relativa al contexto, como el almacenamiento de datos o la autoridad de consenso). Define Particulares de Proyección para vincular un sistema, una topología y un sujeto específico.
Capa Lógica: Utilizando semántica formal y Lógica de Descripción, los autores definen la descentralización basada en la multiplicidad en lugar de la mera ubicación.
- La Descentralización se define mediante la función $\delta(p_u)$ , que representa el número de distintos particulares de realización para un sujeto $u$ . Si $\delta(p_u) > 1$ , el sujeto está descentralizado; si $\delta(p_u) = 1$ , está centralizado.
- La Distribución se define mediante la función $\lambda(p_u)$ , que representa el número de vértices distintos que soportan esas realizaciones. Un sujeto está distribuido si $\lambda(p_u) > 1$ .
- Crucialmente, el marco demuestra que un sujeto puede estar descentralizado ( $\delta > 1$ ) pero no distribuido ( $\lambda = 1$ ) si múltiples realizaciones se co-localizan en un solo vértice, separando formalmente ambos conceptos.
Capa de Modelado: Esta capa mapea la ontología abstracta a representaciones computacionales concretas (por ejemplo, matrices de adyacencia, listas de adyacencia), permitiendo el cálculo de los conjuntos de soporte del sujeto y los recuentos de realización.
Capa Analítica: Para cuantificar el grado de descentralización más allá de la clasificación binaria, los autores introducen dos métricas novedosas y específicas del sujeto:
- Tolerancia al Vacío ( $T_L$ ): Mide la resiliencia enfocada en el vértice, evaluando cuántos vértices, si fueran eliminados, aislarían una porción del subgrafo inducido por el sujeto.
- Impermeabilidad ( $I_L$ ): Mide la resiliencia enfocada en la arista, calculando el número mínimo de eliminaciones de aristas requeridas para aislar un vértice específico del sujeto.
- Estas métricas generan un vector de descentralización $\vec{d}_u = [T_L, I_L]$ para cada sujeto, permitiendo una comparación multidimensional.

Contribuciones Clave

Separación Formal de Conceptos: El artículo proporciona la primera distinción semántica rigurosa entre descentralización (multiplicidad relacional) y distribución (dispersión espacial), resolviendo una ambigüedad de larga data en la literatura.
Ontología Basada en Grafos: Introduce una ontología independiente del dominio que define la descentralización como una propiedad estructural de entidades computacionales que interactúan, permitiendo la evaluación multidimensional (por ejemplo, un sistema puede estar descentralizado respecto a los datos pero centralizado respecto a la autoridad de agregación).
Nuevas Métricas Analíticas: La introducción de la Tolerancia al Vacío e Impermeabilidad permite cuantificar la resiliencia estructural y funcional, yendo más allá de las medidas escalares como el coeficiente de Nakamoto o el índice de Gini.
Implementación y Validación: El marco se implementa como una aplicación basada en navegador que soporta el modelado interactivo y la clasificación automatizada. Se valida en sistemas reales heterogéneos, específicamente Aprendizaje Federado (comparando la topología de estrella convencional frente a la agregación totalmente descentralizada) y arquitecturas de Blockchain (comparando configuraciones permisionadas con diferentes estrategias de consenso y replicación de registros).

Resultos
La aplicación del marco a los sistemas de Aprendizaje Federado y Blockchain demuestra que:

Consistencia: La ontología produce clasificaciones consistentes donde las definiciones existentes arrojan resultados contradictorios. Por ejemplo, identifica correctamente el "Aprendizaje Federado Convencional" como Parcialmente Descentralizado (datos/entrenamiento descentralizados, agregación centralizada) en lugar de totalmente descentralizado.
Granularidad: Las métricas basadas en vectores revelan vulnerabilidades estructurales que las métricas escalares pasan por alto. Por ejemplo, en una topología de blockchain, el marco puede distinguir entre una autoridad de consenso que es centralizada (un solo nodo) versus una que es descentralizada pero estructuralmente frágil (múltiples nodos pero con alta dependencia de conectividad).
Transferibilidad: El mismo grafo topológico puede producir diferentes perfiles de descentralización dependiendo de cómo se realicen los sujetos (por ejemplo, consenso, registro, transacciones), demostrando que la descentralización es una propiedad de la relación sujeto-topología, no solo de la estructura del grafo en sí.

Significancia y Reivindicaciones
El artículo afirma proporcionar una base independiente del dominio para analizar la descentralización. Al tratar la descentralización como una propiedad relacional formal en lugar de una etiqueta informal o específica de una aplicación, el marco permite:

Comparabilidad: Comparación directa de arquitecturas fundamentalmente diferentes (por ejemplo, pipelines de IA frente a libros contables distribuidos) utilizando un lenguaje formal unificado.
Razonamiento Riguroso: La capacidad de realizar un razonamiento formal sobre las propiedades del sistema, distinguiendo entre robustez estructural y mera dispersión de componentes.
Puente entre lo Formal e Informal: La ontología cierra la brecha entre la intuición de diseño informal y la verificación formal, permitiendo a los analistas especificar sujetos dependientes del contexto (por ejemplo, "privacidad de datos") manteniendo una semántica formal decidible.

Los autores posicionan este trabajo no como una verdad final e inmutable, sino como un paso necesario para corregir la "amnesia colectiva" respecto al aspecto relacional de la descentralización en la literatura moderna, que ha revertido mayoritariamente al análisis centrado en nodos desde el auge de blockchain. El marco reconoce limitaciones, como su enfoque en instantáneas estructurales en lugar del comportamiento dinámico y su exclusión de factores socioeconómicos como la propiedad, pero afirma que establece con éxito una base formal transferible para el concepto.