Um protocolo disciplinado de tentativa de refutação.
O método foi desenhado para tornar difícil que a máquina engane a si mesma, e impossível que ela se conceda uma autoridade que não conquistou.
Princípios
Sete compromissos.
- 01
Enquadrar antes de modelar
Evento, horizonte, população, premissas admissíveis e materialidade são definidos antes de qualquer modelo ser escolhido.
- 02
Interrogar com motores heterogêneos
Famílias estatísticas, estocásticas, simbólicas, fuzzy e aprendidas examinam propriedades diferentes; nenhuma certifica a si mesma.
- 03
Fixar o conjunto de perturbações com antecedência
Janelas, frequências, reamostragens, sementes, especificações e regimes são declarados antes de ver os resultados, para evitar um multiverso conveniente.
- 04
Qualificar, depois sintetizar
Só candidatos classificados como persistentes ou condicionais entram na síntese, e as classificações continuam revisáveis.
- 05
Descontar a dependência, preservar o conflito
Dados compartilhados e viés indutivo reduzem o peso probatório; a divergência informativa é mantida no artefato.
- 06
Calibrar e dar validade
As probabilidades são calibradas contra os resultados e carregam um horizonte de validade após o qual ficam desatualizadas.
- 07
Manter o modelador responsável
A automação pode propor revisões estruturais. A promoção exige verificações de defensabilidade e aprovação explícita.
Complexidade condicional
A complexidade precisa se pagar.
L0–L9
A arquitetura que os princípios governam.
Epistemologia computacional
Não a máquina mais elaborada. A menor capaz de defender sua inferência.
Do working paper · princípio de governança
Beyond Ontology: Computational Epistemology as a Layered Inference Machine
Fernando Negrini et al. · Working Paper v1.1 · 2026
A ontologia estrutura o que está disponível para a máquina. A epistemologia computacional estrutura o que a máquina tem permissão para concluir a partir disso.