🧠 MythraMind IA (V1.5)

Synapse+ Neuro-Grammatical Engine

License: MIT
Language: PT
Hardware: WebGPU / WASM
Architecture: Gram-GRU-Attn

Uma engine híbrida de IA ultra-leve, de baixo consumo, pensada para rodar e treinar localmente no navegador, inclusive em smartphones.

🎯 Filosofia

Os modelos de linguagem modernos enfrentam dois grandes gargalos em dispositivos móveis: a largura de banda de memória e o custo quadrático da atenção.

O MythraMind IA aborda esse problema dividindo a geração de linguagem em duas camadas principais:

1. Estrutura sintática
   O modelo gera primeiro o esqueleto gramatical da resposta em um espaço latente reduzido, com menos de 100 categorias gramaticais (POS tags).

2. Preenchimento léxico (Lexicon Infiller)
   Um motor de inferência rápido completa a estrutura com palavras reais, usando o contexto disponível no momento.

💡 Resultado: menor uso de memória de contexto e geração mais eficiente em dispositivos móveis, com suporte a geração multi-token em paralelo.

🏗️ Arquitetura híbrida: Gram-GRU-Attn

A topologia neural substitui blocos densos de Transformers por uma arquitetura recorrente de alta eficiência:

┌──────────────────────┐
│   Query do usuário   │
└──────────┬───────────┘
           ▼
┌──────────────────────┐
│ Embeddings de categoria │
└──────────┬───────────┘
           ├──────────────────────┐
           ▼                      ▼
┌──────────────────────┐  ┌──────────────────────┐
│      Gram-GRU        │  │   Atenção linear     │
│   (sintaxe curta)    │  │   (contexto longo)   │
└──────────┬───────────┘  └──────────┬───────────┘
           └──────────┬─────────────┘
                      ▼
         ┌──────────────────────────┐
         │ Projeção multi-cabeça     │
         │       (MTP Select)        │
         └──────────────────────────┘

Características amigáveis ao hardware

• Atenção linear constante O(1): reduz o peso do cache KV e ajuda o histórico de conversa a permanecer estável mesmo em celulares.
• Gram-GRU local: recorrência otimizada para auxiliar concordância, tempos verbais, singular/plural e consistência textual.

🚀 Principais inovações da V1.5

1. Multi-Token Prediction (MTP) configurável

Escolha a velocidade ideal para o dispositivo na hora de gerar a estrutura:

• Mono-token (1x): decodificação focada em máxima precisão sintática.
• Multi-token (2x ou 3x): projeta múltiplos tokens na mesma passada matemática, aumentando a taxa de geração.

2. Treino local via cadeia de pensamento (Q:T:A)

Ajuste fino local na CPU/GPU do dispositivo, sem enviar dados para a nuvem:

• Question (Q) → Thinking (T) → Answer (A)
• O modelo reflete sobre a semântica abstrata (T) antes de realizar a tradução léxica estruturada (A).

3. Escudo de estabilidade integrado

Salvaguardas matemáticas para reduzir colapso catastrófico durante aprendizado local:

• Regularização por entropia de temperatura: L_reg = -β · H(P) para previsões mais estáveis.
• Clipping de gradiente adaptativo (AGC): ajuda a estabilizar gradientes em conjuntos de dados menores e privados.

📊 Especificações técnicas e formato do modelo

O pacote compactado de distribuição usa o formato lógico .mind.

Divisão dos componentes do formato .mind

Módulo	Tipo	Função principal	Estruturas principais
M — Motor	Estático	Léxico estável, estatísticas BM25+ e índices trigramáticos	brain, clauses, triIdx, idfCache
G — Gramática	Treinável	Pesos neurais das transições sintáticas e atenção linear	Gram-GRU, linear_proj, MTP_heads
S — Sessão	Dinâmico	Estado temporário da conversa e buffers de treino	ctxVec, usedHashes, mutSlots

🛠️ Como funciona o fluxo de execução

Quando o usuário envia uma mensagem sobre um tema específico, a engine executa este pipeline:

1. Recuperação de contexto (Synapse+): busca entidades relacionadas via BM25+ dinâmico e busca tolerante a erros (Char Trigram Fuzzy).

2. Atenção relacional: a rede conecta o histórico ao contexto atual.

3. Decisão do esqueleto (Gram-GRU):

   Sintaxe gerada: [ART:M:S] → [SUB:M:S] → [VERB:PRES:3P] → [ADJ:M:S]
   

4. Composição (Lexicon Infiller):

   Texto final: "O" → "computador" → "pensa" → "rápido."
   

📅 Roadmap de desenvolvimento

• V1.0 — Base de conhecimento: lançamento da engine clássica e do parser do fluxo de busca híbrida.
• V1.5 — Motor neuro-gramatical (atual): integração da Gram-GRU, suporte a MTP dinâmico e treino contínuo no browser.
• V2.0 — Aceleração nativa (próxima fase): shaders WebGPU dedicados a otimizar a atenção linear em processadores móveis.

📄 Licença

Distribuído sob a licença MIT. Consulte o arquivo LICENSE para mais detalhes.