Resumo Técnico: CANONIC — Governança é Compilação

Declaração do Problema

O artigo aborda a crise do "slop" (prosa de baixa qualidade/desordenada) na era dos Grandes Modelos de Linguagem (LLMs), um termo formalizado pelo Oxford Languages como a Palavra do Ano de 2025 para descrever a prosa gerada por IA que é fluente, mas desprovida de fundamentação. O problema central é uma assimetria: os LLMs geram conteúdo em taxas que superam a verificação humana, e seus resultados são otimizados para a plausibilidade em vez da verdade. Quando os dados de treinamento são escassos ou contestados, os modelos produzem conteúdo estilisticamente competente, porém referencialmente desvinculado.

As defesas existentes falham porque operam post-hoc (após a geração) e fazem as perguntas erradas; ferramentas de detecção sinalizam a autoria em vez da proveniência; políticas de divulgação dependem de atestações não verificadas do autor; e a revisão humana não consegue escalar para o volume de geração. Crucialmente, o artigo argumenta que o "slop", no sentido operacional (conteúdo que um especialista considera sem fundamentação), não é uma propriedade que um algoritmo possa computar. É um veredito da expertise de domínio. Portanto, um sistema de governança não pode filtrar confiavelmente o conteúdo "ruim" antes que ele seja admitido; ele pode apenas garantir que o conteúdo admitido seja estruturalmente responsável.

Metodologia: Governança como Compilação

O CANONIC redefine a governança não como um filtro de qualidade, mas como um compilador. Assim como um compilador decide se um programa é bem formado com base em sintaxe, escopo e tipos antes da execução, o CANONIC decide se um artefato digital é admissível a um corpus com base na sua boa formação estrutural antes da publicação.

O framework é construído sobre três axiomas que mapeiam um-para-um a teoria de compiladores:

1. Tríade (Sintaxe): Uma unidade governada (um "escopo", definido como um diretório) deve conter três arquivos específicos:

   • CANON.md: As regras normativas (o que deve ser verdade).
   • VOCAB.md: As definições semânticas (o que os termos significam).
   • README.md: O contexto descritivo (o que é o escopo).
   • Mecanismo: Se qualquer arquivo estiver faltando, o escopo está estruturalmente malformado e é rejeitado.

2. Herança (Resolução de Escopo): Os escopos existem em uma hierarquia. Todo CANON.md deve declarar um escopo pai, terminando em uma raiz. Regras herdadas são finais e não podem ser sobrescritas por escopos filhos.

   • Mecanismo: Isso evita a fragmentação de autoridade e garante uma cadeia de comando estável para as regras.

3. Introspecção (Sistema de Tipos): O VOCAB.md deve definir cada conceito usado no CANON.md e em si mesmo.

   • Mecanismo: Isso garante o fechamento do vocabulário. Cada termo em uma afirmação governada deve resolver para uma definição dentro da cadeia de herança do escopo.

O Procedimento de Admissão:
As afirmações passam por três portões estruturais:

1. Portão de Vocabulário: A afirmação utiliza apenas termos definidos no VOCAB.md?
2. Portão de Evidência: A afirmação cita uma entrada específica em um livro-razão (ledger) ancorado em git e de adição exclusiva (append-only)?
3. Portão de Escopo: A evidência citada está dentro da janela de evidência declarada?

O sistema opera em um loop de IA de Primeira Instância, Governado por Humanos: Humanos declaram o CANON (regras) e congelam o LEDGER (evidência). Agentes de IA produzem artefatos, que são validados contra o CANON. Artefatos validados são registrados no LEDGER. Crucialmente, a IA pode observar e produzir, mas não pode modificar o CANON ou o LEDGER; apenas humanos podem canonizar.

Principais Contribuições

1. Redefinição da Governança como Compilação: O artigo propõe que a admissão deve ser uma decisão decidível e de tempo linear sobre a boa formação (validade estrutural) na fronteira do corpus, distinta de julgamentos de verdade ou qualidade.
2. Os Três Axiomas: Estabelece a Tríade, a Herança e a Introspecção como base de governança suficiente, provando sua independência e natureza essencial.
3. Admissão Decidível: Especifica validate(scope) (Algoritmo 1), provando que a admissão estrutural é decidível em tempo linear, $O(n)$, tornando-a uma passagem mecânica de sim/não em vez de uma revisão subjetiva.
4. Construção Ancorada em Git: O framework foi construído e validado ao longo de uma janela de um mês (29 de dezembro de 2025 – 30 de janeiro de 2026), resultando em 10 repositórios e 20 escopos governados, todos ancorados em commits públicos de git.
5. Avaliação Adversária: Um benchmark pré-registrado e entre provedores foi conduzido para medir o que os portões podem e não podem fazer.

Resultados

O artigo apresenta um achado crítico em relação aos limites da governança automatizada:

• A Admissão Estrutural é Independente da Verdade: Em um benchmark entre provedores (usando modelos DeepSeek, OpenAI e Anthropic), o portão de admissão estrutural (os três axiomas) mostrou um coeficiente de correlação de Matthews ($\phi$) de aproximadamente 0.0 com a verdade do conteúdo.
  • O portão rejeita com sucesso conteúdo não ancorado (termos indefinidos, evidência ausente).
  • No entanto, ele não consegue distinguir entre uma afirmação verdadeira e uma afirmação fabricada se a fabricação for estruturalmente sólida (ex: uma citação fabricada que existe no ledger, ou uma definição circular).
• O Julgamento Semântico é Limitado: Um juiz semântico de fronteira teve bom desempenho em conteúdos genéricos ($\phi=0.87$), mas colapsou em domínios novos e customizados ($\phi=0.02$) e falhou em detectar o "slop" adversário sofisticado (fabricação fluente, fabricação de dados).
• O Veredito da Expertise: O artigo conclui que nenhum portão de leitura de prosa pode separar de forma confiável o conteúdo confiável do não confiável, pois as falhas mais perigosas (dados fabricados, fabricação fluente) são superficialmente legítimas. O veredito do "slop" permanece uma questão de expertise de domínio.

O que o CANONIC Alcança:
Embora não possa filtrar o conteúdo "falso", ele filtra com sucesso o conteúdo "não responsável". Toda afirmação admitida está ancorada a uma definição, um commit de git e uma janela de evidência declarada. Isso cria um registro auditável onde especialistas de domínio podem convergir, contestar e retratar afirmações, mesmo que as afirmações sejam inicialmente falsas.

Significância e Alegações

A principal significância do artigo reside na mudança do objetivo da governança de IA de filtragem (que o artigo argumenta ser impossível para algoritmos realizarem de forma confiável) para responsabilidade (accountability).

• A Alegação Central: O CANONIC não torna o "slop" inadmissível; ele torna o conteúdo responsável. Ele garante que o registro seja auditável.
• O Limite: O framework delimita explicitamente o "não responsável", não o "falso". Uma afirmação falsa que é perfeitamente ancorada compila; uma afirmação verdadeira que não está ancorada é rejeitada.
• Autoaplicação: O framework é autorreferencial; o próprio artigo, as regras de governança e os validadores são todos artefatos governados sujeitos aos mesmos axiomas.
• Infraestrutura: Demonstra que uma camada de governança pode ser construída sobre a infraestrutura de commodity existente (GitHub), tratando a plataforma como um substrato para imutabilidade e distribuição controladas por versão, exigindo apenas a adição de uma camada de validação.

O artigo conclui que o papel da máquina é manter a fonte da verdade (o ledger), enquanto o papel do especialista humano é proferir o veredito sobre o conteúdo dentro desse ledger. Essa separação permite a produção escalável assistida por máquina sem sacrificar a capacidade de auditar e verificar a proveniência de cada afirmação.