An Ontology-Driven Graph RAG for Legal Norms: A Structural, Temporal, and Deterministic Approach
Este artigo apresenta o SAT-Graph RAG, uma estrutura orientada a ontologia que utiliza grafos de conhecimento para modelar a hierarquia e a evolução temporal das normas jurídicas, permitindo que sistemas de IA jurídica realizem recuperações precisas, análises de impacto e reconstruções de proveniência auditáveis com base em um substrato determinístico e livre de anacronismos.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você precisa entender uma lei antiga, como a Constituição do Brasil de 1988. O problema é que essa lei mudou centenas de vezes ao longo dos anos. Se você perguntar a um sistema de Inteligência Artificial (IA) comum: "O que a lei dizia sobre moradia em 1999?", ela pode te dar uma resposta errada. Por quê? Porque a IA comum lê o texto atual da lei e ignora que, em 1999, a palavra "moradia" ainda não existia naquele artigo. Ela é "cega" para o tempo.
Este artigo apresenta uma solução genial chamada SAT-Graph RAG. Para explicar de forma simples, vamos usar uma analogia com um Árvore Genealógica Viva e uma Máquina do Tempo.
1. O Problema: A "Fotografia" vs. O "Filme"
Os sistemas de IA atuais tratam as leis como se fossem uma fotografia estática. Eles pegam o texto de hoje e tentam responder perguntas sobre o passado, o que gera alucinações (erros factuais).
O novo sistema, em vez disso, trata a lei como um filme em constante gravação. Ele entende que a lei não é apenas um texto, mas uma estrutura que cresce, muda e se ramifica com o tempo.
2. A Solução: A "Árvore Genealógica" da Lei
Os autores criaram um mapa mental (um "Grafo") que funciona como uma árvore genealógica extremamente detalhada. Eles dividem a lei em três camadas principais:
- A "Ideia" (O Trabalho): É a lei em si, abstrata. Exemplo: "A Constituição de 1988". Isso nunca muda, é a identidade da lei.
- A "Versão no Tempo" (A Expressão Temporal): É como a lei era em uma data específica. Exemplo: "O Artigo 6º em 1999" é diferente de "O Artigo 6º em 2024". O sistema cria um "nó" (um ponto no mapa) para cada versão.
- O "Texto Real" (A Versão Linguística): É o texto escrito em português (ou inglês) daquela versão específica.
A Analogia da Árvore:
Imagine um Artigo da lei como um galho de uma árvore.
- Quando uma nova lei (uma emenda) muda apenas uma folha desse galho, o sistema não reescreve toda a árvore.
- Ele cria um novo galho para a parte que mudou, mas reutiliza todos os galhos antigos que não mudaram.
- Isso é chamado de Agregação. É como montar um quebra-cabeça: se você muda apenas uma peça, você não joga o quadro todo fora; você troca só aquela peça e mantém as outras. Isso torna o sistema super rápido e sem desperdício de espaço.
3. O "Detetive de Causas" (Ações)
O sistema não apenas guarda o texto; ele guarda quem mudou o quê e por quê.
- Toda vez que uma lei muda, o sistema cria um "cartão de evento" chamado Ação.
- Esse cartão diz: "Em 14 de fevereiro de 2000, a Emenda Constitucional nº 26 mudou o Artigo 6, adicionando o direito à moradia".
- Isso permite que a IA responda não só "o que diz a lei?", mas "quem mudou a lei e quando?". É como ter um rastro de pão (proveniência) que leva você de volta à origem da mudança.
4. Como Funciona na Prática? (Os 3 Superpoderes)
O artigo mostra que esse sistema consegue fazer três coisas que as IAs normais não conseguem:
Viagem no Tempo (Retrieval Point-in-Time):
- Pergunta: "O que a lei dizia em 1999?"
- Resposta do Sistema: Ele viaja no tempo no seu mapa, para a data de 1999, e mostra exatamente o texto que estava válido naquele dia, ignorando tudo o que foi adicionado depois. É como colocar um filtro de data na sua busca.
Análise de Impacto em Cascata:
- Pergunta: "O que mudou no Capítulo sobre Direitos Sociais desde 2010?"
- Resposta do Sistema: Ele olha para o "galho" do Capítulo, vê todos os "filhos" (artigos) que estão debaixo dele, e resume todas as mudanças que aconteceram em cada um deles. Ele entende a hierarquia (Título > Capítulo > Artigo), algo que IAs comuns perdem.
Rastreamento de Origem (Proveniência):
- Pergunta: "De onde veio a palavra 'alimentação' no Artigo 6?"
- Resposta do Sistema: Ele traça a linha exata: "A palavra foi adicionada pela Emenda X em 2010, que substituiu a versão antiga da Emenda Y". Ele entrega o histórico completo, como um relatório de auditoria.
5. Por que isso é importante?
No mundo jurídico, a precisão é tudo. Um erro de data pode significar a diferença entre ganhar ou perder um processo, ou entre ter um direito ou não.
Este sistema transforma a IA de um "palpiteiro" (que chuta respostas baseadas em probabilidades) em um bibliotecário especialista que tem um mapa perfeito de todas as versões de todas as leis, sabendo exatamente o que estava válido em qualquer dia da história.
Resumo da Ópera:
Os autores criaram um sistema que trata a lei não como um livro estático, mas como um organismo vivo e histórico. Ao mapear cada mudança, cada data e cada hierarquia, eles permitem que a Inteligência Artificial responda perguntas complexas sobre o passado e o futuro das leis com a mesma precisão de um juiz experiente, mas com a velocidade de um computador. É um passo gigante para tornar a IA jurídica confiável e auditável.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.