Este artigo, ensaio para futuro artigo científico, propõe um modelo formal de Consciência Sintética (CS) enquanto mecanismo de regulação de segunda ordem, expandindo a hipótese dos marcadores somáticos de António Damásio para agentes artificiais.

Introdução: A Falha da Otimização Pura

A Inteligência Artificial contemporânea foca-se predominantemente na maximização de funções de utilidade externa.

Contudo, em ambientes reais, caracterizados por observabilidade parcial e estocasticidade severa, a otimização estatística falha.

Em trabalho anterior (Lima & Martinho, 2026), estabeleceu-se que os marcadores somáticos sintéticos (MSS) providenciam um viés de valor essencial para a decisão rápida.

Todavia, os MSS são reguladores de primeira ordem.

Este artigo aborda o problema da metarregulação: quem regula os reguladores quando os sinais de valor são contraditórios?

A minha tese é que a Consciência Sintética é a resposta funcional para a gestão da insuficiência informacional.

Enquadramento Teórico e Blindagem Conceptual

Definição Operacional (A Crítica da Fenomenologia)

Para blindar este artigo contra críticas metafísicas, definimos CS estritamente sob uma ótica funcionalista.

A CS não é aqui definida por “sentir”, mas por “arbitrar”.

É uma arquitetura de controlo que integra:

1. Exterocepção: Dados do mundo (utilidade);
2. Interocepção: Estados internos (energia, stress);
3. Metacognição: Avaliação da qualidade da informação disponível.

A Perspetiva de Damásio e a Homeostasia

Tomei por base a transição de Damásio do “marcador somático” para o “self” regulatório.

A consciência surge para garantir a homeostasia, a manutenção do estado interno dentro de limites viáveis.

Em IA, isto traduz-se em Homeostatic Reinforcement Learning, onde o objetivo primário não é a tarefa, mas a permanência do agente no espaço de estados “vivos”.

O Modelo Formal

Formalização da Insuficiência Informacional

Propomos que a ativação da camada consciente é proporcional à incerteza.

Defini  através da entropia de Shannon (H) das previsões do agente:

A Regra de Decisão de Segunda Ordem

A seleção da ação a_t deixa de ser uma busca direta por utilidade U para ser uma interpolação dinâmica:

Aqui, C representa a Coerência Interna, uma função que calcula o impacto da ação na estabilidade dos recursos e na redução do stress sistémico.

Instrumentos de Prova de Conceito

Desenho Experimental

Utilizei uma simulação de Monte Carlo com 1000 episódios.

O ambiente foi desenhado para degradar a qualidade da informação ao longo do tempo (ruído crescente), forçando a transição do regime de utilidade para o regime de consciência.

Resultados Quantitativos e Análise Estatística

Os dados demonstram uma vantagem crítica na arquitetura de segunda ordem:

Interpretação: O Agente C apresenta uma “prudência epistémica”.

Discussão: Porquê a Consciência?

A principal crítica científica a modelos de consciência artificial é a sua redundância: “porquê adicionar uma camada complexa se uma função de custo simples resolve?”.

A minha resposta, sustentada pelos dados, é a adaptabilidade dinâmica.

Uma função de custo fixa é rígida.

A CS, através do parâmetro I_t, permite que o agente seja um explorador audaz quando a informação é fidedigna e um sobrevivente conservador quando o mundo se torna imprevisível.

Esta mudança de prioridades em tempo real é a essência funcional da consciência damasiana.

Conclusão e Trabalho Futuro

Este ensaio demonstra que a consciência sintética é um imperativo para a IA autónoma de próxima geração.

Ao formalizar a insuficiência informacional como o gatilho da regulação interna, resolvemos a dicotomia entre desempenho e segurança.

Trabalho Futuro

Propomos a integração deste modelo com Active Inference (Princípio da Energia Livre de Friston), explorando como a consciência pode minimizar não só o risco, mas a surpresa informacional a longo prazo.