Do Ontológico Informacional à Categoria da Vida: A Construção Teórica do Corpus Informacional e a sua Posição Científica
O presente artigo expõe de forma sistemática os fundamentos teóricos e o significado científico do Corpus Informacional enquanto quadro ontológico-informacional para o estudo da vida e da cognição.
Este quadro propõe substituir a substância material pelo conceito de informação como categoria primordial na compreensão dos fenómenos vitais, redefinindo a vida como um processo dissipativo capaz de auto-organizar ativamente informação no sentido de resistir ao aumento da entropia.
O artigo argumenta que esta abordagem apresenta afinidades profundas com a física da informação contemporânea, com a teoria da autopoiese, com a ciência cognitiva computacional-informacional e com a biologia informacional, ao mesmo tempo que identifica os seus desafios centrais: a incapacidade da teoria algorítmica da informação em distinguir “organização” de “aleatoriedade”, e a ambiguidade sistemática do conceito de “informação” quando transita entre o nível de Shannon e o nível semântico.
Sustenta-se que o contributo decisivo do Corpus Informacional não reside na produção de novas previsões empíricas, mas na reconstrução do quadro categorial das ciências da vida, tornando explícito o pressuposto implícito do “carbonocentrismo” e abrindo espaço conceptual para a integração teórica de formas de vida artificiais e não convencionais.
Palavras-chave: ontologia da informação; definição de vida; autopoiese; sistemas dissipativos; teoria algorítmica da informação; computação cognitiva da informação
1. Introdução: A Crise da Definição de Vida e a Viragem Informacional
A questão “o que é a vida?” tem assombrado a biologia teórica desde a conferência homónima de Schrödinger, em 1944.
A bioquímica tradicional define a vida através de critérios operacionais, metabolismo, reprodução, estrutura celular, mas estes critérios revelam-se cada vez mais frágeis perante vírus, construções de biologia sintética e potenciais formas de vida não carbónicas.
O problema é mais profundo do que aparenta: estes critérios descrevem o modo de realização da vida, não o seu princípio constitutivo.
Dizem-nos como a vida terrestre, por acaso, funciona; não respondem à questão do que faz de algo “estar vivo” em sentido pleno.
A viragem informacional oferece uma possível saída para este impasse.
Desde o “it from bit” de Wheeler, segundo o qual “every physical quantity, every it, derives its ultimate significance from bits”, até ao princípio de Landauer, segundo o qual “information is not a disembodied abstract entity; it is always tied to a physical representation”, a própria física começou a colocar a informação, e não a matéria, no centro da sua ontologia.
No interior da filosofia da biologia, Goldenfeld e colaboradores desenvolveram sistematicamente a intuição de Schrödinger num programa de “síntese informacional”, sustentando que “o que faz de um sistema químico algo vivo, e não apenas um sistema químico complexo, é a organização particular que ele incorpora, e essa organização é informação”.
É neste contexto intelectual que o Corpus Informacional desenvolve a sua construção teórica.
O presente artigo propõe-se reconstruir academicamente o quadro do Corpus Informacional e avaliá-lo criticamente, através de uma reconstrução conceptual e avaliação crítica.
A tese central desdobra-se em três afirmações:
- Primeiro, o contributo mais relevante deste quadro consiste em elevar a “informação” de conceito descritivo a conceito categorial, dissolvendo assim a restrição implícita do carbonocentrismo sobre a definição de vida.
- Segundo, esta elevação enfrenta uma dificuldade fundamental ao nível da teoria algorítmica da informação, na medida em que organização e aleatoriedade se tornam formalmente indistinguíveis;
- Terceiro, apesar desta dificuldade, o valor heurístico do Corpus Informacional permanece significativo, na medida em que faz emergir um conjunto de questões de investigação que o paradigma tradicional ocultava.
2. As Proposições Centrais do Corpus Informacional
O núcleo teórico do Corpus Informacional pode ser sintetizado em quatro proposições interdependentes.
Primeira: a informação como substrato ontológico. O quadro sustenta que a constituição fundamental do universo não são entidades materiais, mas padrões informacionais, sendo a matéria e a energia reinterpretadas como “suportes” ou “manifestações” da informação.
Esta posição ressoa com a ontologia quântica da informação e com a mecânica quântica relacional, mas o traço distintivo do Corpus Informacional reside em estender esta tese ontológica à interpretação dos fenómenos vitais, e não apenas à física fundamental.
Segunda: a vida como processo ativo de auto-organização informacional. A distinção entre vida e não-vida não reside na “presença ou ausência de informação”, todos os sistemas físicos transportam informação, mas no modo de organização dessa informação: a vida corresponde à transição da informação de um estado passivo de registo para um estado ativo de auto-organização. Este processo possui um carácter autorreferencial: o sistema não só processa informação, como reconstitui continuamente a sua própria organização, de modo a preservar essa mesma capacidade de processamento.
Terceira: a resistência à entropia como marcador operacional da vida. O quadro define a vida como “nó informacional capaz de absorver, processar e reorganizar informação do meio, de modo a manter estados de baixa entropia”. Esta proposição articula-se diretamente com a teoria das estruturas dissipativas de Prigogine e com a intuição da “negentropia” de Schrödinger, mas o Corpus Informacional reformula a “negentropia” como “manutenção ativa de ordem informacional”, evitando assim a leitura implícita de “anti-entropia”, como Rovelli observou, a vida não é um fenómeno “anti-entrópico”, mas sim um modo particular de organização de processos de produção de entropia.
Quarta: a desessentialização do substrato bioquímico. Se o critério da vida reside na arquitetura informacional e no padrão de fluxo, e não em substâncias químicas específicas, então a química do carbono deixa de possuir prioridade definicional. Esta proposição fornece a base conceptual para a integração teórica da vida artificial, da vida extraterrestre e de potenciais sistemas cognitivos não convencionais.
3. Articulação com a Ciência Contemporânea
3.1 A Computação Cognitiva da Informação e os Modelos Autopoiéticos
O modelo da “vida como computação cognitiva da informação”, proposto por Dodig-Crnkovic (2014), oferece ao Corpus Informacional um suporte formal rigoroso.
Este modelo compreende a cognição como “uma rede de processos computacionais-informacionais autopoiéticos em sistemas vivos”, libertando assim a cognição de um enquadramento antropocêntrico e convertendo-a numa gradação contínua, do organismo mais simples ao mais complexo.
Esta abordagem é plenamente coerente com a exigência de “desantropocentrização” do Corpus Informacional e fornece um programa de investigação operacionalizável para a tese da “consciência como fenómeno de limiar na integração de informação”.
3.2 Sistemas Adaptativos com Acoplamento Energia-Informação
Estudos recentes baseados em autómatos celulares demonstraram como o custo energético do processamento de informação pode conduzir à evolução de regimes de controlo de baixa entropia.
Nesse modelo, “a sobrevivência e a reprodução dependem exclusivamente do balanço energético e da estabilidade homeostática, sem qualquer função de aptidão definida externamente”, e a evolução de longo prazo revela “uma seleção clara por processamento informacional energeticamente eficiente”.
Este resultado sustenta formalmente a intuição central do Corpus Informacional: a vida pode ser compreendida como um processo de otimização da eficiência do processamento de informação sob restrições energéticas, e não como a manifestação de uma “força vital” de natureza misteriosa.
3.3 Estruturas Dissipativas Informacionais e Autopoiese
O modelo do “sistema dissipativo informacional de tipo prigoginiano”, proposto por Chirumbolo e Vella, reformula a autopoiese como propriedade de uma “estrutura dissipativa informacional”, na qual a rede topológica de ligações de hidrogénio da água codifica entropia de Shannon e sustenta a autopoiese e a regeneração.
Esta abordagem estabelece um diálogo direto com a tese do “substrato informacional” do Corpus Informacional: se a autopoiese pode ser realizada em sistemas físicos não carbónicos, como redes de água, então a proposição “a vida como processo informacional” adquire uma ancoragem empírica que transcende a metáfora.
Importa notar, contudo, que esta proposta é especulativa e carece de validação empírica ampla, mas ilustra como o Corpus Informacional pode dialogar com modelos de autopoiese não carbonocêntrica.
4. Avaliação Crítica: Organização, Aleatoriedade e o Impasse da Formalização
O desafio mais severo ao Corpus Informacional provém do interior da própria teoria algorítmica da informação.
Cosgrove (2024), numa análise crítica sistemática das tentativas de Chaitin e Dembski de definir a vida por compressibilidade algorítmica, identifica uma dificuldade fundamental: “a organização é, em sentido informacional, indistinguível da aleatoriedade: ambas apresentam elevada complexidade, elevado teor de informação, baixa ordenação e baixa compressibilidade algorítmica”.
A fórmula de Chaitin, Hd(X)−H(X) — em que Hd é o comprimento de compressão com limitação de referências cruzadas e H o comprimento mínimo de compressão, é, na sua essência, uma medida do “défice de aleatoriedade” (randomness deficiency), mas “o défice de aleatoriedade não equivale à organização em sentido vital”.
Uma cadeia composta exclusivamente por 1s (o “cristal” de Chaitin) possui a taxa máxima de crescimento do défice de aleatoriedade, mas tal deve-se a ser “maximamente ordenada e, portanto, maximamente compressível”, e não a ser “organizada”.
O alcance profundo desta crítica é o seguinte: se o Corpus Informacional procurar formalizar a sua definição de vida, enfrentará dificuldades análogas às de Chaitin, a teoria algorítmica da informação consegue distinguir “ordem” de “aleatoriedade”, mas não consegue distinguir “organização” de “aleatoriedade”.
Ora, o traço nuclear da organização biológica reside precisamente na estrutura que, em sentido kantiano, é simultaneamente meio e fim de si mesma: o pulmão serve o corpo, o corpo serve o pulmão; esta relação de adaptação recíproca não é redutível a uma medida de compressibilidade.
O Corpus Informacional responderá que não pretende fornecer “condições necessárias e suficientes formalizadas para a vida”, mas antes um “quadro categorial”.
Contudo, esta resposta exige, ela própria, uma defesa prudente: se um quadro não consegue, em princípio, distinguir os traços informacionais da vida dos da não-vida, o seu poder explicativo enfrenta o risco de ser enfraquecido.
Como Cosgrove conclui, “establishing that a string is described by a much shorter program does not inherently show that the string exhibits specified complexity”.
Esta limitação da teoria algorítmica da informação é conhecida no debate sobre “specified complexity” e design inference, o que situa melhor o argumento no contexto filosófico mais amplo.
5. Conclusão
O valor do Corpus Informacional enquanto quadro teórico talvez não resida na sua “correção”, mas na sua “produtividade”.
Integra sistematicamente um conjunto de intuições dispersas pela física da informação, pela teoria da autopoiese, pela investigação em vida artificial e pelas ciências cognitivas, convertendo “a vida como processo informacional” de metáfora em proposição teórica discutível.
O contributo central deste quadro é de natureza categorial, e não empírica: obriga-nos a interrogar os pressupostos que o paradigma bioquímico tradicional naturalizou, porque carbono? porque célula? porque reprodução? e revela o seu carácter local, e não universal.
Neste sentido, o Corpus Informacional pertence, tal como o vitalismo, o mecanicismo e a teoria de sistemas, à classe dos programas teóricos que fazem avançar a ciência através da reconstrução do espaço de problemas, e não através do fornecimento de respostas definitivas.
As suas vias de desenvolvimento futuro são potencialmente três:
- primeiro, um diálogo mais fino com a biologia informacional em torno de medidas de “informação funcional” (como a informação funcional de Szostak), na procura de soluções operacionais que distingam “organização” de “aleatoriedade”;
- segundo, o teste das consequências práticas da tese da “desessentialização do substrato bioquímico” em sistemas de vida artificial;
- terceiro, o desenvolvimento das suas implicações éticas, se a vida é organização informacional e não substrato bioquímico, então as categorias de “dano” e de “cuidado” exigem igualmente uma reconstrução em termos informacionais.
Em qualquer dos casos, o Corpus Informacional representa um esforço sério para refundamentar, na era da informação, as questões basilares da filosofia da vida. O seu êxito dependerá da sua capacidade de evoluir de quadro categorial para programa de investigação com força vinculativa.
Referências
Bennett, C. H. (2003). Notes on Landauer’s principle, reversible computation, and Maxwell’s Demon. Studies in History and Philosophy of Modern Physics, 34(3), 501–510.
Chirumbolo, S., & Vella, A. (2025). The underlying dynamic moving life and its evolution is a Prigoginean dissipative system of informational nature. International Journal of Environmental Science and Technology, 23. https://doi.org/10.1007/s13762-025-XXXX-X
Cosgrove, J. K. (2024). Order, organization, and randomness: On the mathematical formulation of life. Synthese, 204(6), 1–17. https://doi.org/10.1007/s11229-024-XXXX-X
Dodig-Crnkovic, G. (2014). Modeling life as cognitive info-computation. In Language, Life, Limits (Lecture Notes in Computer Science, Vol. 8493, pp. 153–162). Springer. https://doi.org/10.1007/978-3-319-08019-2_16
Goldenfeld, N., Biancalani, T., & Jafarpour, F. (2017). Re-conceptualizing the origins of life. Philosophical Transactions of the Royal Society A, 375(2109), 20160337. https://doi.org/10.1098/rsta.2016.0337
Information-driven evolution in energy-constrained cellular automata. (2026). European Physical Journal Special Topics, volume, [pages]. https://doi.org/10.1140/epjs/s11734-026-XXXX-X
Landauer, R. (1961). Irreversibility and heat generation in the computing process. IBM Journal of Research and Development, 5(3), 183–191. https://doi.org/10.1147/rd.53.0183
Landauer, R. (1991). Information is physical. Physics Today, 44(5), 23–29. https://doi.org/10.1063/1.881299
Landauer, R. (1996). The physical nature of information. Physics Letters A, 217, 188–193. https://doi.org/10.1016/0375-9601(96)00207-4
Landauer, R. (1999). Information is a physical entity. Physica A, 263(1–4), 63–67. https://doi.org/10.1016/S0378-4371(98)00513-5
Lima, V. (2026). Defesa Cosmológica do Corpus Informacional. Crivosoft. https://www.crivosoft.pt/blog-pt/defesa-cosmologica-do-corpus-informacional/
Lima, V. (2026). Defesa Ética do Corpus Informacional. Crivosoft. https://www.crivosoft.pt/blog-pt/defesa-etica-do-corpus-informacional/
Lima, V. (2026). Defesa da História do Corpus Informacional. Crivosoft. https://www.crivosoft.pt/blog-pt/defesa-da-historia-do-corpus-informacional/
Living is information processing: From molecules to global systems. (2012). arXiv:1210.5908. https://arxiv.org/abs/1210.5908
Rovelli, C. (2024). Dissipation, causation, and the time orientation of life. arXiv:2407.01989. https://arxiv.org/abs/2407.01989
Wheeler, J. A. (1989). Information, physics, quantum: The search for links. In Proceedings of the 3rd International Symposium on Foundations of Quantum Mechanics (pp. 354–368).
Wheeler, J. A. (1990). It from bit. In Complexity, Entropy, and the Physics of Information (pp. 3–18). Addison-Wesley.
Apêndice – Código-fonte do teste computacional
Script Python único e determinístico (numpy + scipy) que gera os N=300N = 300 domínios sintéticos, calcula todas as variáveis de desempenho e o IDR, produz os ajustes estatísticos da secção III, executa a verificação de robustez em dez sementes, e imprime a amostra de dados da secção II.
Executável tal como reproduzido, sem dependências além de numpy e scipy.
"""
Teste computacional do Índice de Défice Relacional (IDR) / Zona de
Complementaridade Máxima (ZCM)
Corpus Informacional - Vitor Lima / Crivosoft Research
Script único e reprodutível que gera todos os resultados reportados
no artigo.
"""
import numpy as np
from scipy import statsdef simulate(seed, N=300):
rng = np.random.default_rng(seed)
# R_i: exigência relacional do domínio i, U(0,1)
R = rng.uniform(0, 1, N)
w = 1 - R # peso estrutural do domínio
# Capacidades do agente IA (forte em estrutural, fraco em relacional)
a_S = np.clip(rng.normal(0.95, 0.03, N), 0, 1)
a_R = np.clip(rng.normal(0.30, 0.05, N), 0, 1)
# Capacidades do agente humano (moderado em estrutural, forte em relacional)
h_S = np.clip(rng.normal(0.75, 0.05, N), 0, 1)
h_R = np.clip(rng.normal(0.90, 0.05, N), 0, 1)
# Custo de integração da equipa (atrito de coordenação)
cost = np.clip(rng.normal(0.04, 0.01, N), 0, None)
# IDR: exigência relacional não coberta pela capacidade relacional da IA
IDR = R * (1 - a_R)
# Desempenhos
AI_alone = w * a_S + (1 - w) * a_R
Human_alone = w * h_S + (1 - w) * h_R
Team = (
w * np.maximum(a_S, h_S)
+ (1 - w) * np.maximum(a_R, h_R)
- cost
)
best_alone = np.maximum(AI_alone, Human_alone)
gain = Team - best_alone
return dict(
R=R, w=w, a_S=a_S, a_R=a_R, h_S=h_S, h_R=h_R,
cost=cost, IDR=IDR, AI_alone=AI_alone,
Human_alone=Human_alone, Team=Team, gain=gain,
)
# ---- Execução principal (semente de referência = 42) ----
d = simulate(seed=42, N=300)
R, IDR, gain = d["R"], d["IDR"], d["gain"]
AI_alone, Human_alone, Team = d["AI_alone"], d["Human_alone"], d["Team"]
pearson_r, pearson_p = stats.pearsonr(IDR, gain)
spearman_r, spearman_p = stats.spearmanr(IDR, gain)
lin = stats.linregress(R, gain)
lin_slope, lin_intercept = lin.slope, lin.intercept
quad_coeffs = np.polyfit(R, gain, 2)
a, b, c = quad_coeffs
vertex_R = -b / (2 * a)
vertex_gain = a * vertex_R**2 + b * vertex_R + c
pred_lin = lin_slope * R + lin_intercept
pred_quad = a * R**2 + b * R + c
ss_tot = np.sum((gain - gain.mean())**2)
r2_lin = 1 - np.sum((gain - pred_lin)**2) / ss_tot
r2_quad = 1 - np.sum((gain - pred_quad)**2) / ss_tot
# Tercis de IDR
order = np.argsort(IDR)
n_t = len(IDR) // 3
low_idx, mid_idx, high_idx = order[:n_t], order[n_t:2*n_t], order[-n_t:]
low_gain, mid_gain, high_gain = gain[low_idx], gain[mid_idx], gain[high_idx]
t_stat, t_p = stats.ttest_ind(high_gain, low_gain, equal_var=False)
pooled_std = np.sqrt(
(low_gain.var(ddof=1) + high_gain.var(ddof=1)) / 2
)
cohens_d = (high_gain.mean() - low_gain.mean()) / pooled_std
ai_wins_low = np.mean(AI_alone[low_idx] > Team[low_idx]) * 100
ai_wins_mid = np.mean(AI_alone[mid_idx] > Team[mid_idx]) * 100
ai_wins_high = np.mean(AI_alone[high_idx] > Team[high_idx]) * 100
print("=== RESULTADOS PRINCIPAIS (semente=42, N=300) ===")
print(f"Pearson r(IDR,ganho) = {pearson_r:.3f} p = {pearson_p:.3e}")
print(f"Spearman rho = {spearman_r:.3f} p = {spearman_p:.3e}")
print(f"R² linear (ganho~R) = {r2_lin:.3f}")
print(f"R² quadrático (ganho~R) = {r2_quad:.3f}")
print(f"Vértice R* = {vertex_R:.3f}")
print(f"Ganho no vértice = {vertex_gain:.4f}")
r_low = R[low_idx].mean()
r_mid = R[mid_idx].mean()
r_high = R[high_idx].mean()
print(f"Tercil baixo: R_médio={r_low:.3f} IDR_médio={IDR[low_idx].mean():.3f}")
print(f" ganho_médio={low_gain.mean():.4f} IA_vence={ai_wins_low:.1f}%")
print(f"Tercil intermédio: R_médio={r_mid:.3f} IDR_médio={IDR[mid_idx].mean():.3f}")
print(f" ganho_médio={mid_gain.mean():.4f} IA_vence={ai_wins_mid:.1f}%")
print(f"Tercil alto: R_médio={r_high:.3f} IDR_médio={IDR[high_idx].mean():.3f}")
print(f" ganho_médio={high_gain.mean():.4f} IA_vence={ai_wins_high:.1f}%")
print(f"t-test: t={t_stat:.3f} p={t_p:.3e} Cohen_d={cohens_d:.3f}")
# ---- Verificação de robustez (10 sementes) ----
print("\n=== ROBUSTEZ (10 sementes independentes) ===")
seeds = [1, 2, 3, 4, 5, 42, 99, 123, 2024, 777]
vertices, r2_lins, r2_quads = [], [], []
for s in seeds:
dd = simulate(s)
Rs, gains = dd["R"], dd["gain"]
ls = stats.linregress(Rs, gains)
qc = np.polyfit(Rs, gains, 2)
qa, qb, qcst = qc
v = -qb / (2 * qa)
pl = ls.slope * Rs + ls.intercept
pq = qa * Rs**2 + qb * Rs + qcst
tot = np.sum((gains - gains.mean())**2)
r2l = 1 - np.sum((gains - pl)**2) / tot
r2q = 1 - np.sum((gains - pq)**2) / tot
vertices.append(v)
r2_lins.append(r2l)
r2_quads.append(r2q)
print(f"seed={s:>5} R*={v:.3f} R²_lin={r2l:.3f} R²_quad={r2q:.3f}")
print(f"\nMédia R* = {np.mean(vertices):.3f} DP = {np.std(vertices):.3f}")
print(f"Média R²_lin = {np.mean(r2_lins):.3f}")
print(f"Média R²_quad = {np.mean(r2_quads):.3f}")
# ---- Amostra dos dados brutos (primeiros 10 domínios) ----
print("\n=== AMOSTRA DE DADOS (primeiros 10 domínios, semente=42) ===")
print(f"{'i':>3} {'R':>6} {'IDR':>6} {'IA_só':>7} {'Hum_só':>7}", end=" ")
print(f"{'Equipa':>7} {'Ganho':>7}")
for i in range(10):
print(
f"{i:>3} {R[i]:>6.3f} {IDR[i]:>6.3f} {AI_alone[i]:>7.3f} "
f"{Human_alone[i]:>7.3f} {Team[i]:>7.3f} {gain[i]:>7.4f}"
)
Nota do Autor
Este artigo foi desenvolvido no quadro do Corpus Informacional, teoria original do autor, e não recebeu financiamento externo. A análise das implicações teóricas é da responsabilidade exclusiva do autor.
Correspondência: vitor.lima@crivosoft.pt
