docs: mapa técnica×aplicação×razão — onde cada conceito de IA/ML é forte e por que foi escolhido ali (não existe hoje)

[FabioLeitao]

Contexto: docs/primers/AI_EVOLUTION_PRIMER.md tem taxonomia geral boa (§3, "Method families") e uma seção de alinhamento (§5) — mas §5 fica em nível de princípio ("classical ML / controlled DL column, not LLM column"), não cita aplicação concreta nenhuma. Taxonomia ≠ mapa de aplicação real (correção do operador, 2026-08-28).

O que falta de verdade: um mapa "técnica → onde roda de verdade no ecossistema → por que ali é o lugar forte pra ela", montado ad-hoc numa conversa hoje cruzando memória+código+vault, e que não existe consolidado em documento nenhum:

Técnica	Onde roda (real, não plano)	Por que ali é o encaixe forte
Classical ML (TF-IDF + classificador, _model/predict_proba)	core/detector.py (_predict_ml_confidence)	Reproduzível, determinístico o bastante, não precisa de GPU, encaixa no piso "determinístico primeiro"
Deep learning como encoder (MiniLM, não generativo)	core/dl_backend.py (DEFAULT_EMBEDDING_MODEL, classificação via embedding+LogisticRegression) e latent-lynx (retrieval/similaridade) — mesmo modelo, dois papéis	Representação semântica rica sem virar caixa-preta generativa; pequeno o bastante (~80MB) pra rodar local sem GPU
Regra determinística/simbólica (Clojure)	sage-remora (metadata-only) + faithful-ferret (real-data, opt-in)	Onde a lógica é regra-como-dado, auditável, testável (clj-kondo, deftest), sem ambiguidade estatística
LLM local, uso restrito	Herding Vicuna (nome travado 2026-08-18, ainda não construída) — roteamento/composição/ensemble de modelo, nunca decide autoridade	Só onde geração de hipótese/interpretação ambígua realmente precisa de linguagem natural — nunca substitui o gate determinístico
LLM, só prosa	Carrion Crow ("IA avalia, não calcula")	Redação de RCA/postmortem — nunca cálculo, nunca decisão, run1=run2 continua provado por hash fora da parte de prosa

Por que vale existir como documento: sem isso, cada sessão remonta o mapa do zero cruzando memória dispersa — exatamente o padrão que virou [[feedback_cite_origin_dont_rediscover]] hoje mais cedo, agora pro domínio de arquitetura de IA/ML em vez de pesquisa externa.

Acceptance criteria:

• Novo documento (ou seção nova, mais rica que o §5 atual) mapeando técnica → aplicação real → razão, citando arquivo/linha de código quando existir (não só nome de bestial)
• Distinguir explicitamente "já construído" (Boar ML/DL, Sage/Ferret) de "nome travado, não construído" (Vicuna) de "conceitual, sem nome" (se houver)
• Cross-link com docs(primer): AI_EVOLUTION_PRIMER §5 — faltam exemplos concretos vivos (MiniLM em core/dl_backend.py + Latent Lynx) #1814 (exemplo específico do MiniLM que pode virar a primeira linha desse mapa)
• Sem overclaim de acurácia — é mapa de arquitetura, não benchmark

Relacionado: #1814 (exemplo pontual do MiniLM), ADR-0059/0086/0087 (plugin SDK, onde Vicuna/Ferret/Sage conversariam via contrato compartilhado).

cc @FabioLeitao

[FabioLeitao]

Mesma correção de calibragem que deixei na #1814: a taxonomia geral (LM/LLM/ML/DL/TF-IDF/Random Forest/expert system/transformer) já está bem feita em docs/GLOSSARY.md §8/8b — não é isso que falta. O que continua faltando é o mapa técnica→aplicação-real→razão que citei na tabela desta issue (onde cada bestial/módulo usa qual técnica e por quê ali é o encaixe forte) — isso não existe em nenhum doc, nem no Glossary nem no Primer, que ficam no nível de princípio geral, não de aplicação nomeada.