Fala, TabNews.

Nos últimos meses eu postei aqui sobre o Knowledge3D — a ideia maluca de transformar conhecimento em um universo 3D navegável, com IA soberana rodando em RPN e GPU sem dependência externa.

Hoje venho contar o que aconteceu depois.

O que é o PM-KR
Em fevereiro de 2026, o W3C (sim, o mesmo W3C do HTML, CSS e da Web) publicou o PM-KR Community Group — Procedural Memory Knowledge Representation.

Link oficial: https://www.w3.org/community/pm-kr/

A missão: desenvolver padrões abertos para armazenar conhecimento como procedimentos executáveis — não como texto morto, não como embeddings opacos, mas como programas que humanos e máquinas leem da mesma fonte.

Pensa assim: hoje, um caractere Unicode existe duplicado em dezenas de fontes, cada embedding de IA, cada engine de acessibilidade, cada renderizador. O mesmo conhecimento, fragmentado em centenas de cópias que ninguém mantém junto.

O PM-KR propõe: armazena uma vez, como procedimento. Referencia via composição (tipo symlink do Linux). O resultado?

70% de compressão (zero duplicação)
Dual-client: a mesma fonte procedural gera visual para humanos E executável para IA
Execução soberana: zero dependências externas no hot path
Acessibilidade multimodal: visual, semântico, tátil, auditivo — tudo da mesma fonte canônica

Quem já está dentro
Isso aqui não é ideia de garagem (bom, começou na garagem — mas cresceu).

O grupo conta com 23+ membros de instituições de peso:

Pessoas:

Marko Rodriguez — fundador do Apache TinkerPop, criador do Gremlin (a linguagem de travessia de grafos que roda no DataStax, Neo4j, Amazon Neptune)
Anisa Rula (Universidade de Brescia, Itália) — co-autora do livro Knowledge Graphs (Springer, 2021)
Hanna Abi Akl (INRIA, França) — IA neuro-simbólica, representando oficialmente o instituto nacional de pesquisa francês
Henrique Santos (RPI, Tetherless World Constellation) — diretor de aplicações semânticas, DARPA Machine Common Sense
Damir Cavar (Indiana University) — 20+ anos em linguística computacional, NLP, eficiência energética de IA
Majid Babaei (McGill University, Canadá) — explicabilidade de IA via knowledge graphs, publicações top-tier (ICSE, ICPE)
Nitin Pasumarthy (LinkedIn) — sistemas de produção em escala com LLM/GNN
Milton Ponson — matemático, crítica Godeliana do scaling de LLMs
Jonathan DeRouchie — arquitetura de memória persistente para IA
Oserebameh Beckley — especialista em WebGPU compute shaders
Charles Waweru — anotação contextual, infraestrutura cívica descentralizada

Co-chairs: Daniel Ramos (eu), Milton Ponson.
Christoph Dorn é um dos principais contribuidores para a implementação de referência.

Instituições:

INRIA (França), RPI (EUA), Indiana University, McGill (Canadá), Universidade de Brescia (Itália), LinkedIn, Digital Bazaar, OpenFn (40+ países, 10M+ transações/ano)

A revolução procedural
Por que isso importa para você, dev brasileiro?

Porque a forma como a indústria inteira representa conhecimento está quebrada. LLMs de trilhões de parâmetros são caixas-pretas que alucinam. Knowledge graphs tradicionais são estáticos. Embeddings são vetores sem semântica executável.

O PM-KR propõe uma terceira via: conhecimento como programa.

Representação tradicional (texto morto):

"A fração 3/4 é igual a 0.75"

Representação PM-KR (procedimento executável):

PUSH 3 PUSH 4 DIV → resultado: 0.75

Mesmo programa → renderiza LaTeX para humano, executa para IA

Isso não é teoria. O Knowledge3D (implementação de referência) já roda:

88 kernels PTX customizados na GPU (zero PyTorch, zero numpy no hot path)
38.000+ entradas no Galaxy Universe (VRAM)
TRM de 7M parâmetros rodando como game loop autônomo a ~95µs por tick
Benchmarks: ARC-AGI 10/10, Math 20/20, LHE 6/10 — tudo em GPU soberana

Como participar

1. Entre no grupo (gratuito, aberto)
   Crie uma conta W3C (grátis): https://www.w3.org/accounts/request
   Entre no PM-KR CG: https://www.w3.org/community/pm-kr/
   Pronto. Você é membro.
   Sem taxa. Sem convite. Sem burocracia. É um Community Group — qualquer pessoa pode entrar.

2. Contribua
   Revise as especificações e dê feedback (tá tudo no GitHub: https://github.com/w3c-cg/pm-kr)
   Proponha casos de uso do seu domínio (acessibilidade, XR, grafos de conhecimento, IA, robótica, dados espaciais, GPU, performance)
   Implemente — o PM-KR é agnóstico de linguagem. A referência é Python+PTX, mas qualquer implementação é bem-vinda
   Teste — valide claims de compressão, mapeamentos RDF/JSON-LD, integração WebGPU

3. Código de conduta
   Seguimos o W3C Code of Ethics and Professional Conduct. Respeito, inclusão, transparência. Discussões técnicas acontecem nas mailing lists públicas. Decisões são por consenso do grupo.

Licença: Todas as contribuições são Apache 2.0. Não patenteamos nada. Publicamos tudo. Construímos aberto.

6 trilhas de trabalho para o Ano 1
Trilha Tema Onde contribuir
1 Integração OpenFn (validação em produção) Workflow, BPMN
2 Compilação BPMN → PM-KR Verificação formal
3 Ontologia de estado/contexto Auditoria, proveniência
4 Formalização Lean4 Prova de teoremas
5 Ética e segurança para agentes IA/robôs Safety, policy
6 Adoção por devs e carga cognitiva DX, documentação

Por que agora
A convergência é real: knowledge graphs + IA + geração procedural + paralelismo GPU — tudo amadureceu nos últimos 2-3 anos. O PM-KR não seria possível 5 anos atrás.

O W3C nos deu a infraestrutura. Temos membros de 4 continentes. Temos uma implementação de referência rodando. O que falta é mais gente construindo.

Se você é dev, pesquisador, curioso, arquiteto de software, estudante — ou só alguém que acha que conhecimento merece ser mais do que texto em banco de dados — vem (em inglês, claro...).

W3C PM-KR: https://www.w3.org/community/pm-kr/
GitHub: https://github.com/w3c-cg/pm-kr
Implementação de referência: https://github.com/danielcamposramos/Knowledge3D
Vídeos (também em outros 12 idiomas): https://www.youtube.com/watch?v=f4YP4yoP5Vo&list=PL2DcKQ0WpyVOZVicce8gGI1dSEpHsX7Rw

Daniel Ramos — Engenheiro Eletricista, fundador do Knowledge3D, co-chair do W3C PM-KR CG.
"Não patenteamos nada. Publicamos tudo. Construímos aberto."