Cinco séculos para fora
Hemisférios cartografados, órbitas medidas, galáxias fotografadas. A exploração exterior foi o projeto da humanidade. A próxima fronteira não está na distância — está na precisão do que já está aqui.
Rancagua · Chile · P&D aplicada
Não pretendemos que a IA saiba tudo. Projetamos o padrão que dá uma âncora real à IA moderna.
Validar toda a linguagem humana dentro de uma caixa-preta é inviável. Criamos arquitetura neuro-simbólica determinística: um método em C++23 onde cada afirmação crítica é ancorada em um espaço contínuo [-1, 1]³ e em um grafo auditável. A IA propõe. O silício verifica.
01 — Origem
Rancagua, Región de O'Higgins. A Semantic Geometry não começou em um laboratório financiado nem dentro de uma corporação de tecnologia. Começou com uma intuição que seu autor sustentou por décadas de desenvolvimento autodidata: que uma ideia, um sentimento ou uma lei física podem ser localizados exatamente no espaço.
O significado humano não seria então uma definição estática em um dicionário alfabético, mas uma posição matemática em um espaço contínuo de coordenadas. Se a Terra tem latitude, longitude e altitude para situar qualquer objeto em sua superfície, o pensamento deveria ter seus próprios eixos cartesianos: um GPS do conhecimento.
Anos depois, ao revisar a literatura formal, essa intuição acabou convergindo com a linhagem da psicometria clássica: a medição de atitudes de Louis Thurstone e o diferencial semântico de Charles Osgood. Não era uma ideia órfã; era uma ideia que chegava tarde à sua própria tradição científica.
Daí vem a postura técnica que define a empresa. Diante de modelos que acertam na maioria das vezes sem conseguir explicar por quê, que não distinguem o que sabem do que inventam e que dependem de servidores gigantescos, a Semantic Geometry foi construída sobre o princípio oposto: o modelo propõe, mas o grafo e o cubo verificam.
Existe também um paradoxo belo e profundamente honesto nesta jornada: este motor existe para disciplinar e ancorar os modelos de linguagem, mas sem eles jamais teria visto a luz do dia. Por décadas, a geometria semântica foi uma intuição solitária guardada em cadernos e testes locais. Teria levado uma vida inteira estruturar manualmente milhões de conceitos, malhas normativas e testes rigorosos em C++23. A IA generativa foi o catalisador cognitivo: o andaime que acelerou a exploração e permitiu materializar a arquitetura. Seu autor reconhece com gratidão essa contribuição: os LLMs foram o fogo que permitiria forjar a âncora que hoje lhes dá sanidade.
Capacidade do cubo semântico [-1,1]³
Hardware / IEEE 754pontos únicos representáveis
Por eixo 2046·2⁵² + 1 9.214.364.837.600.034.817
1 sinal · 11 expoente · 52 mantissa — IEEE 754 binary64
Recalculável a partir da especificação IEEE 754. Os 1022 expoentes que dão |x| < 1, mais o que dá exatamente ±1 com mantissa zero, pelos dois sinais.
Ocupação atual do grafo
semantic.db v8.0conceitos únicos situados em [-1, 1]³
Arestas taxonômicas 5,86M (arestas tipadas ativas)
884k sinônimos
Medido ao vivo em semantic.db (2.439.645 conceitos / 5.862.311 links / 884.325 sinônimos). Zero dados sintéticos.
Os modelos modernos ainda não exploram este espaço — e não precisam: a porta de entrada já existe. A IA propõe, a geometria verifica, e o cubo é o terreno onde esse contrato é firmado a custo quase zero. Não dizemos que a IA deveria ter chegado antes: dizemos que a porta já está aberta.
Se cada conceito ocupa um ponto do cubo — como cada átomo ocupa um ponto do espaço físico —, o cubo tem capacidade para tantos conceitos quanto átomos caberiam em ~6 milhões de Terras.
A Expansão para Dentro
Durante cinco séculos a humanidade se expandiu para fora: cruzar oceanos, medir continentes e lançar telescópios. A Semantic Geometry propõe a exploração interior: um espaço que não se conquista com distância, mas com precisão. 7,82 × 10⁵⁶ posições endereçáveis em silício comum a 15 watts.
Hemisférios cartografados, órbitas medidas, galáxias fotografadas. A exploração exterior foi o projeto da humanidade. A próxima fronteira não está na distância — está na precisão do que já está aqui.
Von Neumann nos deixou um barramento linear: a memória como uma rua por onde tudo passa em fila. A SG faz o contrário: o semelhante mora junto. O conhecimento não se percorre — encontra-se. Índices espaciais em SQLite, localidade física em silício.
A indústria comprime as palavras a um bit (BitNet) e segue alucinando barato. Comprimir a linguagem não lhe dá onde morar. A SG dá à verdade um endereço: coordenadas (x, y, z) no cubo. A verdade não depende da lábia — depende do seu endereço.
O'HIGGINS · CHILE
“O'Higgins extraiu cobre para o mundo por um século. A Expansão para Dentro propõe outra extração: um cubo semântico quase sem limites, onde a IA encontra em vez de inventar.”
A densidade IEEE 754 não é uniforme em [-1, 1]: é ~2048× maior perto de 0 do que perto de ±1. A resolução efetiva varia por região.
A resolução útil não é limitada pela precisão numérica, mas pela separação semântica real entre conceitos (coordenadas tipicamente a ~0,01–0,5). A margem de crescimento é de várias ordens de magnitude.
A capacidade não é a conquista. A conquista é que o contêiner não impõe teto: o grafo pode crescer ordens de magnitude sem mudar de arquitetura.
Duas formas de responder quando não se sabe
Modelo generativo
Responde sempre. Se o dado não está lá, ele o constrói plausível: a fluência e a veracidade saem do mesmo mecanismo, então de fora não há como distinguir uma da outra.
Verificador determinístico
Tem permissão para calar. A geometria orienta a inferência, mas só a evidência do grafo a certifica. Quando não há, o sistema diz: a negativa é uma resposta, não uma falha.
A diferença não é quem acerta mais. É que um pode errar sem saber, e o outro não pode afirmar sem evidência.
02 — Verticais
Sobre o núcleo de verificação determinística construímos verticais reguladas: domínios onde uma alucinação custa dinheiro, um julgamento ou uma multa. Cada uma declara sua fase com honestidade, sem fumaça.
Operação de frotas
Geocercas, telemetria e controle de frotas em C++23
Motor header-only C++23 com REST + tracker TCP, isolamento multi-tenant e telemetria de hardware. Projetado para operar 100% offline, na borda.
Contabilidade e tributária · Chile
Folha, RLI e balanço tributário determinístico
Cálculo normativo chileno sem heurística: liquidações Previred, RLI ProPyme e balanço financeiro vs. tributário. Cada resultado é auditável contra a lei.
Verificação ontológica experimental. Não constitui assessoria tributária ou contábil vinculante.
Crédito e bancos · Chile
Simulação de crédito com amortização rastreável
Simulações de crédito e tabelas de amortização com auditoria completa: cada decisão de pagamento é respaldada pelo motor, pronta para fiscalização.
Direito trabalhista · Chile
Grounding ontológico da normativa trabalhista
Aplicação do motor de verificação ao direito: afirmações trabalhistas validadas contra o grafo e a norma, com linhagem formal e rastreável até a lei.
Verificação ontológica experimental. Não constitui assessoria jurídica vinculante.
Nenhuma vertical compete com um LLM em geração de texto: compete no que um LLM não pode prometer: uma resposta que sabe quando calar e que pode mostrar a norma que a fundamenta. E onde o LLM não chega —sem conectividade, em silício padrão, na borda—, o motor chega.
03 — Pilares
Não vendemos horas de desenvolvimento genérico. Cada pilar resolve um tipo diferente de problema, com o mesmo critério: estrutura explícita, desempenho mensurável e resultados que se sustentam no tempo.
Construímos o encanamento onde o dado chega íntegro e no prazo. Pipelines ETL tolerantes a falhas, otimização de fluxos e microsserviços robustos, dimensionados para volume real de produção.
Unimos a geometria dos espaços latentes contínuos com a solidez dos grafos ontológicos. A IA generativa propõe; nosso motor neuro-simbólico verifica e ancora com evidência matemática.
Algoritmos analíticos para problemas que não admitem aproximações. Otimização combinatória, geoespacial e financeira aplicada a operação industrial e tomada de decisões reguladas.
05 — Paradigma & Recuperação
O mercado tenta resolver a alucinação com RAG (busca por similaridade). Explicamos por que a similaridade vetorial não é verificação e como a geometria fornece a certeza que falta ao RAG.
| Dimensão | Grounding Semântico SG | RAG Tradicional (Vector DB + LLM) |
|---|---|---|
| Mecanismo de Recuperação | Projeção matemática contínua em [-1, 1]³ e busca transitiva de caminhos em grafo formal. | Busca por similaridade cosmética de texto (distância cosseno de embeddings) injetada no prompt. |
| Garantia Ontológica | Determinística: se não houver caminho causal com suporte no grafo, responde NO_EVIDENCE e cala. | Nula. A LLM ainda pode alucinar, omitir ou contradizer os próprios parágrafos recuperados pelo RAG. |
| Custo por Consulta | 0 tokens para verificar. Toda a verificação ontológica roda em memória local C++23. | Alto. Milhares de tokens por chamada para pagar a janela de contexto dos documentos injetados. |
| Latência de Resposta | Sub-milissegundo (p50 0,37 ms em desktop / 1,37 ms em dispositivo de borda, em silício nativo). | Segundos (2.000 ms a 6.000 ms entre busca vetorial e geração autorregressiva de tokens). |
| Infraestrutura & Energia | 15 Watts em hardware padrão local. Opera 100% offline sem GPU e sem nuvem. | Bancos de dados vetoriais em nuvem, fazendas de GPUs de alta potência e conectividade obrigatória. |
| Tratamento de Contradições | Incompatibilidade topológica: detecta colisões de regras e as rejeita formalmente. | Funde textos contraditórios em uma redação eloquente, porém falsa ("alucinação suave"). |
| Rastreabilidade e Auditoria | Comprovável: cita o nó exato, peso e fonte legal ou técnica de cada aresta. | Aproximada: aponta qual documento leu, mas não pode provar como chegou à sua conclusão. |
O que a Semantic Geometry ganha:
Verificação formal auditável, latências de microssegundos (<0.2 ms vs 2-6 segundos em GPU), 0 tokens para verificar e proteção contra contradições. Requer a formalização das regras críticas da organização.
O que o RAG tradicional ganha:
Facilidade para ingerir montanhas de documentos não estruturados (PDFs, transcrições, notas) sem modelagem ontológica prévia. Perde o controle de veracidade e a capacidade de auditoria lógica.
Semantic Geometry e RAG não precisam competir: a SG é a guardiã de saída que torna o RAG viável em produção.
Similaridade de texto não é verdade ontológica. O RAG encontra texto parecido; a Semantic Geometry demonstra se a afirmação é verdadeira na realidade.
06 — Laboratório em Produção
Explore instâncias reais do motor operando em tempo real em diversas verticais e protocolos.
Vertical Automotiva
Decodificação de VIN, homologação oficial do SII e desambiguação de modelos em tempo real.
Vertical Varejo & Navegação
Onde está o iogurte no supermercado? Resolução de corredores e categorias em O(1).
API Model Context Protocol
Agentes autônomos e LLMs consultando e verificando afirmações contra o cubo.
Sites ao vivo a partir de um netbook de 15 W, sem GPU nem nuvem.
Estado atual
A Semantic Geometry não está terminada. Está construída para não mentir enquanto não estiver.
Um modelo com cobertura incompleta que preenche as lacunas é mais arriscado do que um com a mesma cobertura que cala. Para operação industrial e decisões reguladas, essa diferença não é um detalhe: é o produto.
04 — Identidade & Contato
Conte-nos qual sistema você precisa construir, qual pipeline está caindo ou qual decisão você não consegue sustentar hoje. Respondemos com um diagnóstico técnico, não com um folheto.
Este formulário abre seu cliente de e-mail com a mensagem já redigida. Nada é enviado a um servidor intermediário.