Cierre

Conclusiones

Qué nos da el marco

El arco del libro va de las redes neuronales tradicionales, pasando por el marco geométrico de las 5 Ges, hasta la convolución y la atención como sus dos grandes familias. La afirmación unificadora es concreta: las diferencias entre ANN, CNN, GNN y Transformers se reducen a tres elecciones —el dominio geométrico, el grupo de simetría y la estructura de conectividad. El paso de mensajes equivariante es la implementación común, y la universalidad equivariante garantiza su capacidad expresiva.

Problemas abiertos

• La barrera de Weisfeiler–Leman — las redes de paso de mensajes estándar heredan el techo expresivo del test 1-WL; superarlo a coste polinómico sigue abierto.
• Rigidez frente a adaptabilidad — dónde situarse en el espectro CNN–atención para un dominio dado no tiene aún respuesta general.
• Equivariancia gauge y topología global — la simetría gauge local es elegante, pero las obstrucciones topológicas globales dificultan las implementaciones a escala.
• Estructuras de orden superior — las arquitecturas sobre complejos simpliciales y celulares aún son inmaduras frente a las redes de grafos.

Direcciones futuras

El libro apunta hacia arquitecturas híbridas CNN–atención que interpolen entre rigidez y adaptabilidad, modelos sobre geometrías de curvatura mixta y espacios producto, redes neuronales de haces (sheaf neural networks) y análisis armónico generalizado más allá de los grupos compactos. La reflexión final es que la geometría no es solo un truco de rendimiento, sino un principio organizador —una teoría con capacidad predictiva para el diseño fundamentado de futuras arquitecturas, no un mero catálogo de las existentes.