Sobre a beleza

70% de ordem, 30% de complexidade

Quando decompomos algo belo, ele é surpreendentemente regular.

A fuga de Bach segue rigorosamente as regras do contraponto. A arquitetura de Le Corbusier se ergue sobre uma grade modular. A proporção áurea da tipografia, a harmonia da música, a perspectiva da pintura — a maior parte da beleza é matemática.

A pesquisa sobre fractais quantificou isso. A dimensão fractal em que o ser humano sente mais beleza é D ≈ 1.3 (Spehar et al. 2003, Taylor et al. 2011). Se D=1.0 é ordem completa e D=2.0 é caos completo, então 1.3 representa cerca de 70% de ordem e 30% de complexidade. O mesmo resultado foi confirmado repetidamente em paisagens naturais, fractais matemáticos, pinturas de Pollock, tanto em crianças quanto em adultos. Ao observar um padrão D=1.3, o estresse se recupera 60% mais rapidamente.

A música também aponta para a mesma proporção. Voss & Clarke (1978) descobriram que, entre o ruído branco (totalmente aleatório) e o ruído marrom (correlação excessiva), o ser humano prefere de forma consistente o ruído rosa (1/f) — o ponto matemático exato entre previsibilidade e surpresa.

Então, basta a ordem para ser belo? Não.

Bach é grandioso não por ter respeitado o contraponto, mas por ter colocado uma nota num lugar inesperado sobre o contraponto. Le Corbusier é grandioso por ter torcido uma única coluna sobre a grade. O jazz é belo porque há improvisação sobre a forma estabelecida da progressão de acordes.

70% de ordem criam o alicerce, e 30% de complexidade criam a beleza. Complexidade sem ordem é ruído, e ordem sem complexidade é tédio.

O design é verificável

Dizer que “o design é subjetivo” está apenas metade certo.

Tudo à esquerda pode ser julgado por uma máquina. As regras existem de forma declarativa, e verifica-se se a implementação as segue. Tem a mesma estrutura de quando go test verifica o código.

O lado direito é decidido pela pessoa. Mas, uma vez decidido, é explicitado.

@allow-break: "assimetria intencional na seção hero"

O que essa anotação faz: declarar à máquina que “isto não é um bug, é uma intenção”. Agora a máquina não mexe nessa exceção e verifica apenas os 70% restantes de ordem.

57 : 23 : 20

A Deque Systems analisou cerca de 300.000 problemas de acessibilidade em mais de 13.000 páginas (Deque, 2021):

57% é a área da ordem, onde as regras são claras. Contraste de cor abaixo de 4.5:1, texto alternativo ausente, inacessibilidade por teclado — a máquina julga sem perguntar.

20% é a área da complexidade, julgável apenas por pessoas. “Esse fluxo é intuitivo?”, “Esse texto alternativo de fato transmite o significado?” — só é possível responder compreendendo o contexto.

23% é a fronteira. A área que não é totalmente capturada por regras, mas que pode ser capturada quando a IA reconhece o padrão. É onde a IA julga pelo contexto se “isto é assimetria intencional ou um erro?”.

O framework de Evals da Anthropic (“Demystifying Evals for AI Agents”, 2026) reflete exatamente essas três camadas. Divide os avaliadores em três tipos: baseado em código, baseado em IA e baseado em humano. E a recomendação oficial é:

“Use, na medida do possível, um grader determinístico (baseado em código); use o LLM grader apenas de forma auxiliar quando necessário, e o human grader apenas para calibração.”

A própria Anthropic reconhece a superioridade da verificação determinística. A recomendação de “tanto quanto possível, baseado em código” aponta para a área dos 57%. Na área de fronteira dos 23%, assumida pelo LLM grader, a IA medeia entre ordem e complexidade. Os 20% restantes são decididos pelo humano.

Não há necessidade de perguntar a um LLM sobre uma violação de grade. É a área dos 57%. Tampouco há necessidade de perguntar a um LLM sobre uma assimetria intencional. São os 20% que a pessoa já decidiu. O que a IA precisa cobrir são os 23% entre os dois — a área de fronteira onde há regras, mas o contexto é necessário.

Trave o formal, permita o informal

No código, essa estrutura já está funcionando.

filefunc  — trava a estrutura do código com 22 regras. A exceção é //filefunc:allow
yongol    — trava a consistência das camadas com 10 SSOT. A exceção é um override explícito
Hurl      — trava o comportamento da API em plain text. Sem exceção (o comportamento não pode mudar)

Aplicando a mesma estrutura ao design:

SSOT do design system → declara grade, escala tipográfica, cores, espaçamento
CLI de verificação    → julga mecanicamente se a implementação segue o SSOT
@allow-break          → permite explicitamente o desvio intencional
catraca               → impossível regredir abaixo da verificação aprovada

Documentos, música, vídeo — o mesmo princípio se aplica a toda área criativa em que existam regras formais.

Os 70% de toda área

Reins Engineering não é uma ferramenta de codificação por IA. É o princípio de travar a ordem de forma determinística e deixar apenas a complexidade para o humano.

Começou na codificação. A codificação foi apenas a primeira demonstração.

“A arte é livre” é o preconceito de quem não recebeu educação artística. O romance segue a estrutura em três atos, prenúncio e desfecho, consistência de ponto de vista, consistência de tempo verbal. A pintura segue composição, teoria das cores, estrutura de valores de claro-escuro, perspectiva. A música segue harmonia, contraponto, forma. Ao analisar os 28.000 rótulos harmônicos dos quartetos de cordas de Beethoven, eles seguem uma lei de potência — um pequeno número de regras domina a maior parte (Moss et al. 2019). Picasso dominava perfeitamente o desenho clássico antes de fazer cubismo. Coltrane tocou os standards milhares de vezes antes de fazer free jazz. Criar é internalizar perfeitamente as regras e então quebrá-las intencionalmente; começar sem regras é ruído.

O limite do alcance de aplicação de Reins Engineering é justamente a proporção de ordem. A pesquisa sobre fractais mostra que essa proporção é superior a 70% em qualquer lugar.

O que a pessoa deve fazer não é respeitar os 70%. É decidir os 30%. O resto a máquina respeita.

Pergunta

Naquilo que você cria, quantos por cento são ordem?

Uma máquina está verificando essa ordem?

Ou uma pessoa a confere a olho a cada vez?

Você acredita que “a arte é livre”?

Pergunte a Picasso.

Artigos relacionados

Internos

• Reins Engineering — IA com rédeas — abordagem de engenharia que trava 70% de ordem de forma determinística
• filefunc — um conceito por arquivo — anotação //filefunc:allow = declaração explícita de exceção intencional
• O viés de bajulação da IA é uma feature de negócio — por que o LLM não pode ser um juiz estético
• Topologia de feedback acima do QI do modelo — mesmo modelo, ambiente diferente, resultado diferente
• O que significa construir sistemas operáveis por agentes — não é só código. O design também

Externos

• Dieter Rams, Good Design — “Nothing must be arbitrary or left to chance.”
• Tim Brown, More Meaningful Typography — escala modular: toda a tipografia nasce de uma única proporção
• Josef Muller-Brockmann, Grid Systems in Graphic Design — o pai do sistema de grade. “Tornar a estrutura explícita dá força ao design.”
• Le Corbusier, Le Modulor — integra toda a arquitetura num único sistema matemático com proporção humana + proporção áurea + Fibonacci
• Daniel DeStefanis, Design Lint — plugin de linting que detecta automaticamente, no Figma, camadas sem tokens de design aplicados
• Toptal, Design Constraints Are Not Restraints — a restrição não é opressão, mas catalisador da criatividade
• Sciforce, Computational Aesthetics — a história da quantificação matemática da beleza, de Birkhoff (1933) aos algoritmos modernos

Fontes

Fractais e preferência estética

• Spehar, Clifford, Newell & Taylor, “Universal aesthetic of fractals”, Computers & Graphics 27 (2003) — preferência por D=1.3~1.5 na natureza, na matemática e na pintura
• Taylor, Spehar et al., “Perceptual and Physiological Responses to Jackson Pollock’s Fractals”, Frontiers in Human Neuroscience 5:60 (2011) — recuperação 60% mais rápida do estresse em D=1.3
• Aks & Sprott, “Quantifying Aesthetic Preference for Chaotic Patterns” (1996) — dimensão fractal média dos padrões preferidos F=1.26
• Robles et al., “A shared fractal aesthetic across development”, Humanities and Social Sciences Communications (2020) — preferência por complexidade intermediária tanto em crianças quanto em adultos

Música e teoria da informação

• Voss & Clarke, “1/f noise in music”, J. Acoustical Society of America 63 (1978) — o ruído rosa (1/f) é o ponto matemático intermediário entre previsibilidade e surpresa
• Cheung et al., “Uncertainty and Surprise Jointly Predict Musical Pleasure”, Current Biology 29 (2019) — análise de 80.000 acordes. Baixa incerteza + alta surpresa = prazer máximo
• Moss et al., “Statistical Characteristics of Tonal Harmony”, PLOS ONE (2019) — os 28.000 rótulos harmônicos de Beethoven seguem uma lei de potência
• Manaris et al., “Zipf’s Law, Music Classification, and Aesthetics”, Computer Music Journal 29(1) (2005) — a música esteticamente agradável segue a lei de Zipf-Mandelbrot

Teoria da medida estética

• Birkhoff, Aesthetic Measure, Harvard University Press (1933) — M = O/C. A primeira tentativa de quantificar a beleza com matemática
• Berlyne, Aesthetics and Psychobiology (1971) — curva em U invertido: complexidade intermediária gera prazer máximo
• Chmiel & Schubert, “Back to the inverted-U for music preference”, Psychology of Music 45(2) (2017) — 87,7% de 57 estudos apoiam o modelo do U invertido
• Schmidhuber, “Driven by Compression Progress”, arXiv:0812.4360 (2009) — o interessante = a primeira derivada do progresso de compressão

Neurociência

• Ishizu & Zeki, “Toward A Brain-Based Theory of Beauty”, PLOS ONE 6(7) (2011) — tanto a beleza musical quanto a visual ativam o córtex orbitofrontal medial (mOFC)
• Vessel, Starr & Rubin, “The brain on art”, Frontiers in Human Neuroscience 6:66 (2012) — ativação da rede de modo padrão (DMN) na arte mais comovente
• Reber, Schwarz & Winkielman, “Processing Fluency and Aesthetic Pleasure”, Personality and Social Psychology Review 8 (2004) — quanto maior a fluência de processamento, mais positiva a resposta estética
• Dibot et al., “Sparsity in an artificial neural network predicts beauty”, PLOS Computational Biology 19(12) (2023) — a esparsidade neuronal explica 28~47% da variância da beleza

Arquitetura e design

• Alexander, A Pattern Language (1977) / The Nature of Order (2002-2005) — “A beleza é objetiva, perceptível e reproduzível”
• Salingaros, “Life and Complexity in Architecture From a Thermodynamic Analogy” — L = T × H. É preciso ser complexo, mas harmonioso, para maximizar a sensação de vida
• Muller-Brockmann, Grid Systems in Graphic Design (1981) — “Tornar a estrutura explícita dá força ao design”
• WCAG 2.1, Contrast Minimum (2018) — AA 4.5:1, AAA 7:1. Totalmente verificável de forma mecânica

Avaliação de IA e LLM-as-Judge

• Anthropic, Demystifying Evals for AI Agents (2026) — “Use, tanto quanto possível, um grader baseado em código”
• Zheng et al., Judging LLM-as-a-Judge (2023) — viés de posição, viés de texto longo, viés de autorreforço
• Ye et al., Justice or Prejudice?, ICLR 2025 — 12 vieses latentes do juiz LLM
• Zhou et al., IFEval (2023) — pontua instruções verificáveis com um programa determinístico
• Deque Systems, Automated Testing Study (2021) — só com testes automatizados, detecta 57% dos problemas de acessibilidade; com IGT incluído, 80%