Escrevemos problemas difíceis em primos. As respostas caem da conta.
Três pontos definem uma forma no espaço. Quatro sustentam peso. A maioria dos modelos para em três.
Abordagem
Todo problema com estrutura oculta é o produto de fatores ainda não separados. Representamos cada fator como um primo e deixamos a aritmética — multiplicação, divisão, mínimo múltiplo comum — fazer o trabalho que, em outros frameworks, recai sobre gradientes e retropropagação. Sem aproximação, sem perda, sem caixa-preta.
Problemas com estrutura oculta compartilham uma propriedade: as variáveis se acoplam de formas discretas, e essas formas têm fatores inteiros. A modelagem de configuração encontra esses fatores e opera sobre eles diretamente — o resultado é exato, auditável e reversível.
Não treinamos modelos, não usamos embeddings e não dependemos de hardware especializado. São escolhas de design, não limitações. A aritmética inteira é mais barata, mais transparente e mais estável do que a álgebra linear aproximada que sustenta a maioria dos frameworks de aprendizado.
Um brinquedo
Trabalho
AgroTech-NZ
Modelagem configuracional para otimização canavieira. Implantado em quatro talhões em duas fazendas. Geometria ao vivo, convergindo em tempo real à medida que o operador adiciona novas linhas.
SaS
Stack de IA educacional de sete camadas cuja camada semântica é um banco de dados em rede de primos. Sem modelo de embeddings. Sem loop de treinamento. Padrões migram em direção a primos menores à medida que são observados.
Novos casos
Em discussão. Se o seu problema tem estrutura escondida, conversemos.