Resumo Técnico: Etimologia Privada e Reuso Relacional

Declaração do Problema

Os atuais sistemas conversacionais de longo prazo entre humanos e IA possuem capacidades para personas persistentes, perfis de usuário e recuperação de memória. No entanto, carecem de um modelo de design para gerenciar expressões simbólicas específicas de uma díade (ex: piadas internas, expressões idiomáticas pessoais, referências compartilhadas) que evoluem ao longo do tempo. Embora os sistemas possam armazenar fatos ou preferências, eles têm dificuldade em:

1. Registrar a proveniência de como uma expressão específica adquiriu seu significado (quem a propôs, como foi negociada e se foi aceita).
2. Verificar se ambas as partes ainda aceitam o significado atual de um símbolo.
3. Reutilizar com segurança essas expressões em sessões posteriores sem ter que reexplicar todo o seu contexto.

Os sistemas de memória existentes tratam o histórico específico do relacionamento como uma preocupação secundária, frequentemente falhando em distinguir entre uma inferência do modelo sobre um significado compartilhado e a evidência real de uma aceitação mútua. Essa lacuna impede que agentes de IA participem autenticamente das "microculturas relacionais" que caracterizam os relacionamentos humanos íntimos.

Metodologia e Abordagem de Design

O artigo propõe a Etimologia Privada, um modelo de proveniência relacional representável por máquina, e um modelo de reuso relacional consciente da proveniência.

Conceitos Centrais

• Etimologia Privada: Definida não como um registro secreto, mas como uma história específica do parceiro. É um relato estruturado de como uma expressão simbólica específica da díade foi proposta, interpretada, negociada, reparada, reutilizada, revisada, estabilizada, contestada, esquecida ou aposentada. Distingue entre a trajetória interacional (a sequência de eventos) e a proveniência relacional (a evidência e a fonte do significado atual).
• Símbolo Compartilhado: Uma forma compacta (emoji, string curta, som, etc.) cuja interpretação situada é estabelecida conjuntamente dentro de um relacionamento específico humano–IA. Comprime conteúdo proposicional, postura afetiva, força pragmática e implicação relacional.
• Reuso Relacional: A reativação entre sessões de um símbolo compartilhado sem a necessidade de restabelecer totalmente seu significado, baseando-se no histórico de interação acumulado.

Arquitetura Técnica

O artigo introduz um esquema de design e um protótipo funcional para operacionalizar esses conceitos:

1. Representação ao Nível do Símbolo:

   • O sistema armazena um esquema semelhante a JSON que separa a interpretação atual da evidência que a sustenta.
   • Os campos incluem symbol_id, form, status (ex: proposto, estabelecido, contestado), current_interpretation (dimensões proposicional, afetiva, pragmática, relacional) e private_etymology (eventos, status de proveniência, flags de confirmação humana).
   • Crucialmente, o sistema distingue entre registros evidence_grounded (fundamentados em evidência) e model_inferred_unconfirmed (inferidos pelo modelo e não confirmados) para evitar que a IA fabrique origens.

2. Gestão de Ciclo de Vida:

   • Os símbolos passam por estados: Proposto $\rightarrow$ Negociado $\rightarrow$ Emergente $\rightarrow$ Estabelecido $\rightarrow$ Contestado $\rightarrow$ Aposentado.
   • O sistema suporta operações para inspecionar, revisar, aposentar ou excluir símbolos e sua proveniência, garantindo o controle do usuário sobre a microcultura relacional.

3. Implementação do Protótipo (Apple Watch):

   • Escopo: Um protótipo limitado que exibe 1–3 glifos em uma complicação de Apple Watch. Ele ainda não armazena a proveniência completa ou o histórico de significado, mas testa a camada de controle de admissão.
   • Classificação de Evidência: Um Modelo de Linguagem Grande (LLM) classifica evidências conversacionais discretas (ex: explicit_request, user_reuse, assistant_proposal) e fatores booleanos (ex: positive_affect, user_designated_symbol).
   • Autorização Determinística: O LLM não gera pontuações de confiança ou decisões de atualização. Em vez disso, um código determinístico local (Dart) calcula uma pontuação ponderada pela evidência com base em pontuações base e bônus.
   • Política de Atualização: Uma atualização é autorizada apenas se:
     • O tipo de evidência for elegível (ex: a confirmação do usuário é necessária; propostas da IA isoladamente são insuficientes).
     • A pontuação atingir um limite (ex: $\ge 80$).
     • A forma do símbolo for válida.
   • Privacidade: O Watch recebe apenas a string do glifo e os carimbos de data/hora (timestamps). O texto bruto da conversa, as pontuações de evidência e o raciocínio permanecem no telefone pareado.

Contribuições Principais

O artigo apresenta três contribuições primárias:

1. Operacionalização de Expressões Específicas da Díade: Define símbolos compartilhados como unidades microculturais conscientes da proveniência para relacionamentos humanos–IA persistentes, indo além do simples armazenamento de fatos.
2. Esquema de Etimologia Privada: Introduz uma representação ao nível do símbolo que conecta interpretações atuais à formação fundamentada em evidências, reparo, reuso e contestação. Isso inclui um modelo de ciclo de vida e um esquema legível por máquina.
3. Conta de Design para Reuso Relacional: Identifica os requisitos, modos de falha e funções relacionais hipotetizadas do reuso entre sessões. Propõe que o reuso bem-sucedido pode levar à reafirmação relacional tácita, onde a interpretação correta de um símbolo reforça implicitamente a história compartilhada e a distinção da díade.

Resultados

O artigo relata um protótipo funcional implementado em um Apple Watch e pareado a um iPhone.

• Funcionalidade: O sistema classifica com sucesso a evidência conversacional, aplica regras de pontuação determinísticas e atualiza a complicação do Watch apenas quando os critérios rigorosos de elegibilidade são atendidos.
• Mecanismo de Segurança: O protótipo demonstra que as interpretações do modelo podem ser separadas do histórico do relacionamento. Ao exigir evidência explícita do usuário (ex: reuso ou confirmação) e usar código local para a tomada de decisão, o sistema evita que a IA "alucine" unilateralmente significados compartilhados ou atualize símbolos baseando-se apenas em suas próprias propostas.
• Limitações dos Resultados: O artigo afirma explicitamente que o protótipo é uma camada de controle de admissão, não uma implementação completa de Etimologia Privada. Ele ainda não armazena o histórico completo de significado, estados de ciclo de vida ou eventos detalhados de proveniência. A hipótese de reafirmação relacional ainda não foi validada empiricamente.

Significância e Alegações

O artigo posiciona sua significância não como a invenção de símbolos compartilhados ou microculturas relacionais (que são bem documentados na pesquisa de comunicação humana), mas como a integração desses conceitos em um sistema persistente, revisável e fundamentado em evidências para relacionamentos humano–IA.

• Mudança Teórica: Argumenta que símbolos específicos do relacionamento devem ser tratados como objetos de sistema de primeira classe com sua própria proveniência, em vez de valores de memória estáticos ou personalização decorativa.
• Confiança e Responsabilidade: Ao tornar a origem e a evolução dos símbolos inspecionáveis e contestáveis, o design visa evitar a "intimidade fabricada" e garantir que a IA não reivindique memória pessoal ou experiência emocional que não possui.
• Agenda Futura: O artigo delineia uma agenda de pesquisa longitudinal para testar como a Etimologia Privada explícita afeta a precisão do reuso tardio, a percepção de história compartilhada e a confiança do usuário. Propõe comparar sistemas com e sem proveniência explícita para isolar os efeitos da co-criação versus o mero armazenamento de memória.

Em resumo, o artigo propõe a Etimologia Privada como uma infraestrutura que permite que agentes conversacionais participem de microculturas relacionais em mudança sem inventar suas origens ou tratar o significado relacional como algo fixo, garantindo ao mesmo tempo que as ações do sistema permaneçam fundamentadas em evidências interacionais verificáveis.