Resumo Técnico: IdeaForge

Declaração do Problema

Os sistemas atuais de inovação assistida por IA dependem predominantemente de abordagens de metodologia única (por exemplo, TRIZ ou Design Thinking) executadas por meio de fluxos de trabalho sequenciais baseados em prompts. Esses sistemas sofrem de uma limitação estrutural fundamental: eles falham em preservar estados intermediários de raciocínio. Consequentemente, as ideias geradas através de diferentes metodologias permanecem fragmentadas, carecendo de rastreabilidade, síntese e avaliação sistemática da novidade. Os rascunhos finais de patentes são frequentemente gerados diretamente a partir de saídas brutas de Modelos de Linguagem de Grande Escala (LLM) em vez de uma análise estruturada e fundamentada, levando a saídas isoladas que nunca são formalmente reconciliadas.

Metodologia: O Framework IdeaForge

O IdeaForge aborda essas limitações tratando as metodologias de inovação como operadores de raciocínio heterogêneos atuando sobre um grafo de conhecimento (KG) compartilhado e persistente. O framework integra três metodologias distintas — TRIZ, Design Thinking e SCAMPER — por meio de agentes especialistas que operam sobre um banco de dados de grafos FalkorDB.

Arquitetura do Sistema

O pipeline consiste em oito etapas:

1. Ingestão do Problema: Uma ideia bruta é convertida em um nó Problem no grafo.
2. Execução do Agente Especialista:
   • Agente TRIZ: Identifica contradições técnicas (parâmetros que melhoram/pioram) e seleciona princípios inventivos, gerando nós Contradiction, Principle e Claim.
   • Agente Design Thinking: Gera personas de usuários, trabalhos a serem feitos (jobs-to-be-done) e perguntas "Como Poderíamos" (How-Might-We), criando nós UserNeed e Claim.
   • Agente SCAMPER: Aplica transformações sistemáticas (Substituir, Combinar, Adaptar, etc.) para gerar nós Transformation e Claim.
   • Agente de Arte Prévia: Pesquisa no arXiv trabalhos relacionados, criando nós PriorArt que desafiam reivindicações específicas.
3. Detecção de Convergência: Um Agente de Síntese de Embeddings calcula a similaridade de cosseno entre reivindicações de diferentes metodologias usando embeddings de sentence-transformer. Reivindicações de metodologias distintas que excedem um limiar de similaridade (padrão 0,65) são vinculadas por uma nova aresta CONVERGENT.
4. Classificação: Uma fórmula InnovationScore classifica as reivindicações com base no suporte convergente, diversidade metodológica, força da reivindicação e penalidades de arte prévia.
5. Redação de Patente: Um Agente de Patente recupera as reivindicações melhor classificadas e seus subgrafos de suporte (contradições, princípios, necessidades de usuários) para gerar um rascunho estruturado de patente, garantindo que cada reivindicação seja rastreável ao KG.

Esquema do Grafo de Conhecimento

O grafo utiliza oito tipos de nós (Problem, Contradiction, Principle, UserNeed, Transformation, Analogy, PriorArt, Claim) e oito tipos de arestas. A inovação central é a aresta CONVERGENT, que conecta reivindicações de diferentes metodologias quando são semanticamente similares. Isso implementa a "triangulação estrutural", onde a derivação independente de uma reivindicação similar por múltiplos frameworks de raciocínio serve como um sinal de não obviedade.

Mecanismo de Pontuação

O InnovationScore é uma fórmula heurística ponderada:
$$Score = w_1 \cdot \text{norm}(\text{convergent\_count}) + w_2 \cdot \text{norm}(\text{diversity}) + w_3 \cdot \text{claim\_strength} - w_4 \cdot \text{norm}(\text{prior\_art\_challenges})$$

• Contagem Convergente (0,4): Maior peso, priorizando reivindicações suportadas por múltiplas metodologias.
• Diversidade Metodológica (0,3): Recompensa reivindicações fundamentadas em perspectivas heterogêneas.
• Força da Reivindicação (0,2): Baseada no rigor estrutural da metodologia geradora (TRIZ > DT > SCAMPER).
• Penalidade de Arte Prévia (0,1): Uma penalidade conservadora baseada na sobreposição de palavras-chave com a literatura do arXiv.

Contribuições Principais

1. Grafo de Inovação Persistente: Um esquema abrangendo múltiplos tipos de nós que preserva estados intermediários de raciocínio através de passagens metodológicas, ao contrário de cadeias de prompts sequenciais.
2. Convergência Transmetodológica: Um mecanismo usando similaridade baseada em embeddings para detectar e vincular reivindicações derivadas independentemente por TRIZ, Design Thinking e SCAMPER por meio de arestas CONVERGENT.
3. InnovationScore: Uma fórmula de classificação principista que quantifica a força do candidato a patente com base no acordo multimetodológico em vez da saída de um único agente.
4. Redação Fundamentada no KG: Um fluxo de trabalho de geração de patentes que constrói rascunhos a partir de subgrafos estruturados, reduzindo a dependência de geração de LLMs sem restrições.
5. Integração MCP: Um servidor MCP expondo ferramentas de grafos para agentes externos e IDEs, permitindo fluxos de trabalho modulares de agentes.

Resultados Experimentais

O framework foi avaliado em um assistente legal focado em voz para a Índia rural e cinco outros domínios (saúde, EdTech, agricultura, acessibilidade).

• Saída do Grafo: O pipeline gerou consistentemente grafos estruturados (por exemplo, 16 nós, 10 arestas) contendo reivindicações distintas de cada metodologia.
• Convergência: Em quatro dos cinco domínios, todas as três metodologias convergiram para direções de inovação semanticamente similares (3 pares convergentes), com similaridades de cosseno variando de 0,817 a 0,837. O domínio de saúde mostrou menor convergência (1 par), demonstrando a capacidade do sistema de detectar divergência genuína nos frameworks de raciocínio.
• Comparação: Comparado a baselines de metodologia única, o IdeaForge produziu candidatos de inovação mais ricos e rastreáveis. Execuções de metodologia única perderam dimensões críticas (por exemplo, apenas TRIZ perdeu acessibilidade do usuário; apenas Design Thinking carecia de especificidade técnica), enquanto o pipeline completo sintetizou essas perspectivas.
• Robustez: O sistema funcionou efetivamente usando TinyLlama (1,1 bilhão de parâmetros), demonstrando que o valor do framework reside na análise multimetodológica estruturada em grafos e não na capacidade bruta do LLM.

Significado e Reivindicações

O artigo postula que a convergência através de metodologias de raciocínio independentes é um sinal principista de não obviedade. Se TRIZ (resolução de contradições), Design Thinking (necessidades de usuários) e SCAMPER (transformação sistemática) produzem independentemente reivindicações semanticamente similares, a probabilidade de a inovação subjacente ser tanto tecnicamente válida quanto relevante para o usuário é significativamente maior.

O IdeaForge reivindica avançar o campo da criatividade computacional e da invenção assistida por IA explicável ao:

• Ir além de fluxos de trabalho de prompts isolados e sequenciais para um sistema de inovação nativo em grafos.
• Fornecer rastreabilidade para cada reivindicação de patente de volta a caminhos de raciocínio específicos (por exemplo, Problema → Contradição → Princípio → Reivindicação).
• Oferecer um filtro discriminativo que traz à tona o acordo metodológico genuíno enquanto identifica corretamente ideias onde os frameworks divergem.

Limitações e Modéstia:
Os autores afirmam explicitamente que o IdeaForge é um protótipo de pesquisa. Não reivindica produzir pedidos de patente legalmente válidos. O InnovationScore é uma heurística, não uma avaliação legal de novidade. A busca por arte prévia é limitada ao arXiv, perdendo patentes comerciais, e o sistema depende da qualidade do LLM, com modelos menores exigindo lógica de fallback. O framework é projetado para aumentar a análise de inovação humana, não para substituir a revisão legal profissional.