Causal AI Lab
O valor de um assistente causal não está em acertar o número. Está na trilha de decisões que permite discordar dele depois — e em falhar alto quando a alegação não se sustenta.
Pergunte por quê
Um canal conversacional de ciência de dados causal. Cada resposta percorre os cinco movimentos dentro das premissas assinadas do estudo, com procedência em cada número. O chat é só o cliente mais simples da porta das máquinas.
O score diz quem atrasa; não diz o que acontece se você conceder o aumento de limite. E o efeito é heterogêneo: no universo-gabarito, 17,9% da base tem efeito negativo — a campanha ótima não é a do maior score. Uplift ≠ propensão.
A mesma troca de pergunta: de “quantas internações amanhã?” para “quanto o MP₂.₅ causa?”. Dois estimadores no DAG V2 — ATE binarizado +11,4 e ACE via GCM +37,9 internações — dois estimadores, duas definições de efeito.
peça: Fases 0–4 da monografia (estatística → Granger → DoWhy → GCM)Quem sabe, senta
Consulta Delphi por setor sobre cada aresta do grafo: epidemiologia, gestão em saúde e pesquisa — e um setor máquina. Moradores participam do respira; a Mesa científica é de quem trabalha na área. Setores nunca se somam, o placar fica escondido até fechar, e a regra de decisão é pré-registrada antes do primeiro voto.
Confundidor: cliente de risco recebe mais campanha — campanha parece causar atraso. Collider: condicionar em resgatou_oferta cria correlação espúria entre renda e risco. Controlar “tudo” não é neutro: há bons e maus controles.
O inverno acumula poluente e faz circular vírus que ninguém mede — o candidato cand-virus está na Mesa. E o dia de alerta oficial do ar é um collider: depende do poluente e da previsão de frio. O DAG V1 foi rejeitado na falsificação; o V2 elicitado chegou perto. Grafo se discute com quem sabe — é para isso que a Mesa existe.
Voto: confiança 1–5 + justificativa + direção contrária opcional. Placar abre só no fechamento; pseudônimos por setor; quem propôs não vota.
Qualquer agente se conecta
Três servidores MCP pequenos, por token e convite. Pela porta, um agente — Claude, Codex, Cursor, Gemini CLI — lê dados, contratos e gabaritos, e propõe mudanças. Nunca as aprova.
O push_lembrete sorteado é uma variável instrumental de graça: mexe no comportamento sem porta dos fundos para o atraso. Metade do quase-experimento já mora no seu backlog de features.
O backdoor do V2 dá o conjunto de ajuste via conjuntos_de_ajuste. E a direção do vento, que desloca a pluma de poluição (Deryugina et al., AER 2019), é a candidata a instrumento sugerida pela banca — já presente no DAG V4 sinótico; a restrição de exclusão é discutível, e isso vira lição.
Séries com procedência
O MCP SUS: SIH e SIM por município e dia via PySUS, com piso de supressão; ar (QUALAR) e clima (INMET) do ETL ambiental. Observabilidade: RCAEval e a telemetria da cyberesfera. Licença e citação em cada resposta.
descrever_fontebuscar_seriecitarO grafo como contrato
Algoritmos de grafo determinísticos, em JavaScript no Worker. Toda aresta proposta entra como pendente, com origem: agente.
validar_dagdiff_dagconjuntos_de_ajustepropor_arestaconferir_rodadaA consulta por setor
Estado da consulta, resultado por setor após o fechamento, exportação de conhecimento prévio — e o voto do setor máquina, lacrado.
estadoresultado_por_setorexportar_conhecimento_previovotar_como_maquina{
"mcpServers": {
"lab-fontes": { "url": "https://counterfactual.cybermachines.space/mcp/fontes" },
"lab-contrato": { "url": "https://counterfactual.cybermachines.space/mcp/contrato" },
"lab-mesa": { "url": "https://counterfactual.cybermachines.space/mcp/mesa" }
}
}
Mundos com verdade conhecida
Nenhuma skill nova entra no método sem passar por universos sintéticos com efeitos plantados — posteriores ao corte de treino dos modelos. O gabarito devolve o erro; a verdade nunca sai do servidor.
Sem o datamart de interação, o sinal do efeito inverte. E no caso individual — “este cliente teria atrasado com o limite antigo?” — só o contrafactual (GCM) responde, nunca o score.
Sem vigilância de vírus (SIVEP-Gripe), o efeito do MP₂.₅ infla. E a lição da Fase 0b: dois procedimentos de Granger defensáveis, duas conclusões sobre o MP — em nível sem correção ele antecede as internações; diferenciado com BH, silencia (e o NO₂ junto). Quem decide não é o gosto: é a regra pré-registrada e a falha alta.
peça: falsificação do V2 + refuters DoWhy + Fase 0b (fase0b_granger_mp.py)O mestrado é só um exemplo
Tudo o que o fio principal usou está construído e é reutilizável para outra pergunta, outro município, outro domínio. O lab é o lugar onde essas peças viram método para qualquer pesquisador.
O lab aprende, com freio
Memória de caso
Cada sessão deixa rastro: o que o agente propôs, o que a pessoa aceitou, onde o harness quebrou. Automático; nada a travar.
Caderno de lições
Um agente refletor propõe lições curtas a partir dos rastros; uma fila de aprovação humana decide o que entra.
Skills
Uma skill só muda se não piorar a suíte de gabaritos e passar por revisão humana. Skill que não melhora resultado medido é aposentada.
O que nunca evolui sozinho: as arestas do DAG (toda lição que afirma uma aresta vai para a Mesa), a regra pré-registrada, as tolerâncias do harness e os próprios gabaritos — parte deles fica guardada e nunca promove skill, para o lab não decorar a prova.
Traga a sua pergunta causal
Você viu um exemplo de saúde pública construído com peças abertas — e as mesmas armadilhas que moram no seu problema de crédito, churn ou latência. O lab abre por convite: um token para a porta das máquinas, uma cadeira na Mesa para quem sabe do domínio.