O Grafo da Curiosidade: Um Mapa do Que os Humanos Acham Digno de Lembrar

Três Mapas da Atenção Humana

Por cerca de trinta anos, a internet vem produzindo silenciosamente mapas daquilo a que prestamos atenção. Não mapas de geografia, mas mapas do interesse humano. Eles funcionam o tempo todo, ao fundo de cada tecla pressionada, cada rolagem, cada toque. A maioria das pessoas nunca os enxerga como mapas. Chamamos isso de "o algoritmo" ou "o feed" e seguimos em frente.

Existem três deles que de fato importam, e são categoricamente diferentes.

O primeiro é o Google, um mapa da demanda. Cada consulta é uma pessoa, em algum lugar, levantando a mão e fazendo uma pergunta. Multiplicado por bilhões de sessões diárias, o mapa mostra o que a humanidade quer saber, ordenado por frequência, tempo e lugar. As tendências de busca são a curva de demanda agregada mais limpa que já tivemos da curiosidade humana em abstrato.

O segundo são as redes sociais, um mapa da viralidade. Curtidas, compartilhamentos, respostas, tempo de visualização, retuítes, permanência. O mapa mostra o que se espalha, o que prende, o que provoca. As plataformas então devolvem o topo desse mapa para os feeds de mais gente, o que o afia, o que o realimenta. O mapa é recursivo por design.

O terceiro é aquele de que quase ninguém fala como um mapa. É o corpus dos destaques: as passagens que humanos marcaram pessoalmente como significativas durante a leitura. No papel, isso costumava ser anotações nas margens, sublinhados, dobras de página. Online, virou o marcador. Em plataformas como o Glasp, tornou-se público, social e agregado. Esse é um mapa da intencionalidade, daquilo que as pessoas acharam que valia guardar.

Três mapas. Três sinais categoricamente diferentes. Em 2026, apenas um deles ainda funciona como foi projetado.

O Que Cada Mapa Realmente Registra

É fácil agrupar tudo isso como "dados que a internet coleta sobre nós", mas os atos por baixo são diferentes de maneiras que importam.

Uma busca é uma pergunta feita sob incerteza. O usuário ainda não conhece aquilo que está consultando. A busca registra o desejo de saber, que é um dos comportamentos mais verdadeiros que temos. O viés é enorme, mas humano: buscamos o que não temos. É por isso que o Google Trends se correlaciona com tudo, de surtos de gripe a comparecimento eleitoral. O mapa mede a distância entre o que temos e o que queremos saber a seguir.

Uma curtida ou compartilhamento é uma reação a um conteúdo já apresentado. O usuário recebeu algo de um sistema, e o clique é um voto sobre a escolha do sistema. Engajamento nunca é interesse humano cru. É reação humana a um conteúdo que a plataforma decidiu mostrar, ordenado pelo que a plataforma decidiu que provavelmente provocaria reação. O mapa mede a responsividade dentro de um ambiente engenheirado.

Um destaque é outra coisa. O leitor escolheu a fonte, abriu o texto e leu até a passagem destacada para tomar a decisão de marcá-la. Três ações: selecionar a fonte, atender ao texto, marcar um fragmento para o futuro. Cada ato é voluntário, deliberado e assimétrico em custo. Você pode rolar um feed por uma hora sem destacar uma frase. A maioria das pessoas, na verdade, nunca destaca.

Aqui está a comparação à qual o resto deste ensaio sempre retorna:

Esta tabela é a espinha. Cada seção seguinte é um argumento sobre uma linha.

Por Que Dois dos Mapas Estão Apodrecendo

Mapas apodrecem quando o território que descrevem deixa de corresponder ao que registram. É isso que está acontecendo com o Google e com o engajamento social, por razões diferentes mas relacionadas.

O território do Google é o texto na web aberta. Esse território está sendo inundado. Modelos generativos conseguem produzir parágrafos verossímeis a custo marginal próximo de zero. Sites otimizados para receita publicitária perceberam. Fazendas de SEO perceberam. Redes de afiliados perceberam. O resultado é uma categoria de conteúdo que observadores veteranos, como Charlie Warzel e Casey Newton, começaram a chamar de "AI slop": prosa gramatical, genérica e quase totalmente vazia de sinal original. Existe para ser indexada, não para ser lida.

Pior, esse conteúdo retorna aos dados de treinamento. O artigo de 2024 de Ilia Shumailov e colegas na Nature, "The Curse of Recursion: Training on Generated Data Makes Models Forget", mostrou formalmente o que muitos suspeitavam: quando modelos treinam com as saídas de modelos anteriores, as caudas da distribuição colapsam. Ideias raras, casos limítrofes e perspectivas minoritárias desaparecem primeiro. Veselovsky e colegas já haviam mostrado em 2023 que conjuntos de dados de crowd-workers, há muito tratados como entrada humana padrão-ouro, já vinham sendo silenciosamente completados com saídas do ChatGPT. Os mapas a partir dos quais os modelos são desenhados estão sendo preenchidos por outros mapas.

Isso não é apenas um problema de treinamento de IA. É um problema de busca. O índice do Google sempre foi um índice do que os humanos escreveram. Agora é, parcialmente, um índice do que os modelos escreveram sobre o que os humanos talvez quisessem. A relação sinal-ruído de cliques, tempo de permanência e cliques de retorno está caindo. O mapa continua sendo desenhado, mas o território por baixo está mudando.

O território das redes sociais é o engajamento, e engajamento nunca foi a mesma coisa que interesse. O ensaio "enshittification", de Cory Doctorow (2023), traz o enquadramento mais limpo. As plataformas começam servindo aos usuários, depois servem aos anunciantes, depois servem a si mesmas. A cada passo, as métricas se deslocam para favorecer o que extrai mais valor ao menor custo. Surgem fazendas de atenção. Formatos de "engagement-bait" dominam. Bots escalam porque bots são baratos. Respostas escritas por IA, vídeos de reação gerados por IA e criadores clonados por IA aceleram a tendência.

Quanto mais engenheirado o ambiente, pior o engajamento se comporta como proxy do interesse humano. Uma curtida em 2009 provavelmente era uma pessoa que leu o post. Uma curtida em 2025 pode ser um bot, um polegar entediado, um pod pago ou um agente de IA operando uma conta em nome de uma marca. O território foi simulado, e o mapa não percebeu.

Sobramos, então, com dois dos três grandes sinais públicos de atenção humana perdendo fidelidade silenciosamente, ao mesmo tempo. Isto não é um ataque a nenhuma plataforma. É a descrição de um processo entrópico pelo qual qualquer sistema de monetização da atenção acaba passando quando a produção de conteúdo se torna barata demais.

Por Que o Destaque Continua Honesto

O terceiro mapa resiste por causa de como é feito.

Um destaque exige três filtros em sequência. Primeiro, uma pessoa decide ler um trecho de texto por tempo suficiente para encontrar a passagem. Segundo, a passagem precisa cair: precisa parecer importante, verdadeira, útil, bonita, perigosa ou de alguma forma digna de lembrar. Terceiro, a pessoa precisa agir sobre o sentimento e marcá-la. Cada passo tem um custo.

Produzir fluentemente o artefato de um destaque é trivial: é só um trecho de texto e um carimbo de tempo. Produzir o sinal que o destaque deveria codificar é difícil, porque o sinal é "um humano prestou atenção e escolheu isto". Para falsificar isso em escala, não basta texto sintético. Você precisa de leitores sintéticos que tenham sinteticamente prestado atenção, em URLs reais de fontes, com gosto consistente, contra uma linha de base populacional que a detecção de anomalias não consiga isolar. Cada camada da falsificação faz colapsar um dos filtros e quebra o sinal.

Este é um argumento diferente de "a IA não sabe escrever". A IA sabe escrever. A questão é que destacar não é, primariamente, uma atividade de escrita. É uma atividade de leitura e seleção, e ler em ritmo humano é uma das poucas coisas que agentes sintéticos ainda têm dificuldade genuína de falsificar de forma econômica. Você pode subir mil contas de IA que postam; subir mil contas de IA que leem livros, ano após ano, com preferências estáveis que correspondem a uma vida intelectual real é um problema bem mais difícil, e no momento em que você tenta, já construiu algo tão próximo de uma pessoa que a distinção deixa de importar.

Há também um ponto mais profundo e antigo aqui. Mortimer Adler, em How to Read a Book (1940/1972), argumentou que a marginalia é o ato que transforma a leitura de consumo passivo em conversa com o autor. O destaque é o descendente moderno da marginalia. É o resíduo visível do leitor pensando. Não dá para ter esse resíduo sem o pensamento. O artefato é barato. A cognição por trás dele, não.

Das Marcas ao Mapa: O Grafo da Curiosidade

Um único destaque é um momento privado. Um milhão de destaques, públicos, datados e conectados a identidades e textos, é outra coisa. É um grafo.

Pense nele como uma estrutura bipartida: de um lado, as fontes (livros, ensaios, artigos, vídeos, transcrições). Do outro, os leitores. As arestas entre eles são os destaques, ponderados pelo número de leitores distintos que escolheram a mesma passagem, quando escolheram, o que mais destacaram ao redor dela e o que escreveram nas próprias anotações. Agregue isso ao longo dos anos e você terá o Grafo da Curiosidade: um mapa continuamente atualizado de quais fragmentos de quais textos foram considerados dignos de guardar, por quem e em quais vizinhanças intelectuais.

Três propriedades fazem desse grafo algo incomumente bem-comportado.

Ele é estável ao longo do tempo. Passagens muito destacadas em livros de 1990 continuam sendo destacadas hoje. As frases mais marcadas em Meditações, em A Origem das Espécies, em Rápido e Devagar, não giram da forma como giram as tendências das redes sociais. O grafo tem atividade de semanas sobreposta a uma forma de décadas. Essa estabilidade é uma vantagem: significa que o mapa mede algo mais durável do que o que é popular agora.

Ele é distribuído entre línguas e contextos. Um leitor em São Paulo destacando o mesmo parágrafo de um ensaio de 2014 que um leitor em Seul também destaca, com três anos de diferença, não está respondendo a um feed nem a um trending topic. Cada um, de modo independente, encontra o texto e o marca. Quando esse padrão se repete em escala, é evidência de que a passagem está fazendo algo real.

Ele é interpretável. Diferentemente de cliques ou tempo de visualização, os destaques vêm com o texto efetivo anexado. Você pode ler o mapa diretamente. Não é preciso modelar o que os usuários quiseram dizer; o trecho destacado é o significado. Isso é raro em dados de atenção e torna o grafo incomumente útil tanto como registro público quanto como substrato de pesquisa.

Para tornar a durabilidade concreta:

Note o que isto não é: uma lista de posts em alta, um ranking de threads virais, um "gráfico de engajamento". É um mapa de significado humano estável, desenhado lentamente, por leitores individuais, uma passagem por vez. Mais próximo, em espírito, da forma como descrevemos a inteligência coletiva do que de qualquer coisa que viva num feed.

O Grafo da Curiosidade na Era da IA

Dois fatos colidem em 2026.

Fato um: os dados de treinamento de grandes modelos estão contaminados. Modelos que aprendem da web aberta aprendem, cada vez mais, do resíduo de outros modelos. O resultado de Shumailov sobre recursão não é um cenário de pior caso; é uma assíntota.

Fato dois: o sinal mais valioso para qualquer sistema de IA que queira ser útil aos humanos é "o que os humanos de fato consideram significativo". Esse sinal não pode ser inferido de forma confiável a partir do texto da página, porque o texto da página é em parte sintético. Não pode ser inferido a partir de cliques, porque cliques são manipuláveis. Pode ser inferido muito bem a partir de destaques, porque destaques são o tipo raro de dado em que humanos disseram deliberadamente esta parte, e não o resto.

Um corpus de destaques públicos tem propriedades de que os produtos de IA precisam desesperadamente:

• Rótulos de saliência de alta qualidade. Cada destaque é uma etiqueta "isto importa", validada por humanos, em um trecho de texto específico.
• Procedência atrelada a uma fonte. Os destaques estão vinculados a URLs e livros, então o mapa está ancorado em texto real e atribuível.
• Continuidade da identidade do leitor. Com o tempo, o histórico de destaques de um leitor individual forma uma assinatura intelectual coerente, cara de falsificar.
• Vinculação entre fontes. Leitores que destacam a passagem A num livro e a passagem B em outro criam ligações semânticas implícitas que nenhum texto isolado conseguiria expressar.

Compare isso com uma raspagem da web aberta em 2026. A raspagem é maior. O corpus de destaques é honesto. Para treinamento, para recuperação, para alinhamento com verdade-fundamental, a honestidade vence o tamanho a partir de um certo limiar. Já fizemos esse argumento em outro lugar sobre por que o Glasp importa como inteligência coletiva na era da IA; o Grafo da Curiosidade é a forma estrutural desse argumento.

Há um efeito de segunda ordem. Conforme os produtos de IA correm para parecer pessoais, eles precisam de sinais específicos sobre o que cada usuário considera significativo. Os destaques são, basicamente, o sinal mais limpo desse tipo que um usuário pode produzir voluntariamente. Um leitor que destacou quinhentas passagens ao longo de dois anos entregou a um sistema de IA um índice preciso, denso e opinativo da própria vida intelectual. Chamamos isso de gestão de contexto pessoal: a prática de construir a camada de entrada que permite à IA trabalhar em seu nome. O Grafo da Curiosidade é seu gêmeo voltado para o público.

Glasp como Infraestrutura Pública para o Significado Humano

A maioria dos aplicativos de anotação trata os destaques como um artefato pessoal. Você destaca no Notion, no Obsidian, no Apple Notes, no Readwise. O destaque vai para o seu repositório privado. Pode aparecer na sua revisão diária. Pode nunca ser visto por outra pessoa.

Esse modelo é adequado para a gestão pessoal de conhecimento. É equivocado para o Grafo da Curiosidade.

O grafo só existe se os destaques forem públicos por padrão. Um destaque privado é um ponto fechado num mapa que ninguém consegue ler. Um destaque público é uma coordenada. A decisão arquitetural de tornar os destaques sociais por padrão, atrelados à identidade, navegáveis e agregados entre leitores é o que transforma a prática de letramento privado em infraestrutura pública. Defendemos essa evolução, do segundo cérebro ao cérebro compartilhado: a transição de otimizar a memória pessoal para contribuir com um registro coletivo.

É isso que faz o marcador web do Glasp ser diferente, em natureza, de uma ferramenta de destaque privada. O mesmo gesto, público, vira outra coisa. Você destaca uma frase em um ensaio de Paul Graham. O destaque entra no seu perfil de leitor. Ele também se junta ao cluster de todo outro leitor que já marcou aquela frase. Ele também reforça a saliência inferida daquele trecho ao longo do índice. Ele também se torna um nó numa rede que conecta cada leitor que já destacou naquela vizinhança intelectual. Nada disso acontece num caderno privado.

A mesma lógica se estende a outros formatos. O YouTube Summary permite que leitores marquem segmentos de vídeos. Os destaques do Kindle trazem anotações de livros para o mesmo grafo. A camada de comunidade é onde o grafo se torna legível: onde você consegue ver o que outros estão lendo, o que estão marcando e quais passagens se agrupam ao redor das perguntas que você está perseguindo.

Destacar publicamente é, nesse sentido, um ato de pequena generosidade cívica. Você está contribuindo com uma coordenada rotulada para um mapa que se torna mais valioso a cada coordenada. Esse é o argumento estrutural para por que estamos construindo o Glasp, e a razão estrutural pela qual ser público por padrão não é uma funcionalidade, e sim a fundação.

O Que Isso Significa para Ser Humano Hoje

Herbert Simon, escrevendo em 1971, nos deu a frase que ainda governa a internet: "O que a informação consome é bastante óbvio: ela consome a atenção dos seus destinatários. Logo, uma riqueza de informação cria uma pobreza de atenção". Pela maior parte dos últimos cinquenta anos, a atenção foi o recurso escasso e a informação foi o abundante.

Em 2026 estamos cruzando para um novo regime. A informação não é mais apenas abundante; está sendo produzida a custo marginal zero, frequentemente sem nenhum autor humano. A produção dos modelos generativos rapidamente está se tornando maior do que todo o corpus de autoria humana que a precedeu. Nesse regime, "informação" deixa de ser a unidade significativa. A unidade significativa passa a ser "aquilo com que um humano se importou, de propósito, e estava disposto a marcar".

Walter Benjamin, em 1935, temia que a reprodução mecânica apagasse a "aura" da obra de arte original. Ele estava metade certo, metade errado. A reprodução de fato achatou as artes visuais da forma como ele previu. Também criou um novo tipo de aura, ligada à procedência: gravuras assinadas, originais verificados, artefatos autenticados. A mesma dinâmica está se desenrolando com o texto. A reprodução generativa está achatando o campo. O que recebe a nova aura é o gesto humano verificado: a passagem marcada, a nota pessoal, o compromisso público de "esta é a parte com que me importei".

Um destaque, sob essa luz, é uma pequena reivindicação de presença. Eu li isto. Eu estive aqui. Esta frase valia a pena guardar. Multiplique isso por cem milhões de sessões de leitura e você terá algo como um registro público do significado humano, desenhado lentamente, sobrevivendo à era. Chamamos isso, em outro texto, de o maior legado para as gerações futuras: não os livros, mas a herança de tê-los lido, estruturada para que o próximo leitor possa encontrar o que importou.

Quando a IA consegue produzir texto fluentemente, "aquilo com que os humanos se importaram" se torna o sinal raro. O Grafo da Curiosidade é o que esse sinal parece quando você desenha o mapa.

Perguntas Frequentes

Isso não está exagerado? Destaques são apenas uma prática pessoal de anotação.

No nível de um leitor, sim. O argumento é sobre agregação. Um milhão de cadernos privados são um milhão de cadernos privados. Um milhão de destaques públicos, atrelados a identidades e fontes, são uma rede. A afirmação não é que qualquer destaque isolado seja profundo. É que a rede de destaques, agregada, tem propriedades (intencionalidade, durabilidade, procedência) que nenhum outro conjunto público de dados de atenção possui, e que essas propriedades se tornam mais valiosas conforme outros conjuntos se degradam.

O Goodreads, o Pocket ou o Readwise já não fazem isso?

Cada um captura uma fatia. O Goodreads registra o que você lê, não o que marcou dentro dos livros. O Pocket arquivava links para ler depois, em geral sem dados granulares no nível da passagem. O Readwise é excelente para gestão e importação privadas de destaques, mas o foco do design é a memória pessoal, não a agregação pública. O Grafo da Curiosidade exige destaques públicos por padrão, na granularidade da passagem, atrelados à identidade, entre fontes diversas. É essa combinação que está no centro do Glasp. A diferença não está nas funcionalidades; está em se os dados formam ou não um grafo.

A IA pode falsificar destaques?

Pode falsificar o artefato. Um bot pode marcar um trecho numa página e chamar isso de destaque. O que é muito mais difícil de falsificar é o comportamento subjacente: um histórico de leitura sustentado, com gosto consistente, em fontes reais, em ritmo humano, com identidade estável e padrões que correspondem a uma vida intelectual real. O sinal não é o destaque por si só. É o lugar do destaque dentro de um padrão longo de comportamento. Falsificar o artefato é barato; falsificar a cognição por trás de uma vida de leitura de vários anos é, por enquanto, proibitivamente caro. A assimetria é o ponto inteiro.

E quanto à privacidade?

Destaques públicos são voluntários. Os leitores podem destacar de forma privada, compartilhar de forma seletiva ou contribuir plenamente para o grafo público. O argumento do Grafo da Curiosidade é sobre o que acontece quando os leitores escolhem tornar seus destaques públicos. Não é uma afirmação de que destacar privadamente seja inútil; é uma afirmação de que destacar publicamente produz um artefato categoricamente diferente, e que esse artefato é o que se torna infraestrutura.

O meu destaque importa?

Da mesma forma que um voto importa. Individualmente, o sinal marginal é pequeno. Coletivamente, a única razão para o grafo existir é que milhões de pequenos sinais se somam. Se você destacar um parágrafo que ninguém mais marcou, criou uma nova aresta. Se destacar um parágrafo que outras dez mil pessoas marcaram, reforçou uma já existente. Ambas são úteis. O grafo não se importa com gestos grandiosos; importa-se com gestos reais.

Isso não é só uma forma sofisticada de dizer que "dados de usuário são valiosos"?

É o oposto. A maioria das plataformas trata o comportamento do usuário como exaustão privada a ser monetizada. O Grafo da Curiosidade trata gestos intelectuais públicos e voluntários como um recurso compartilhado, a ser agregado em benefício de todos que leem. O modelo não é extração. É um bem comum público cujo valor vem de ser legível a todos os participantes. É também por isso que enquadramos o Glasp como parte de um SO de aprendizagem mais amplo: uma camada aberta para o modo como os humanos leem, marcam e compartilham entendimento.

Conclusão

Três mapas da atenção humana. Um registra demanda. Um registra viralidade. Um registra intencionalidade. Os dois primeiros estão se degradando sob a pressão de conteúdo sintético barato e engajamento engenheirado. O terceiro resiste porque depende de algo que o conteúdo sintético não consegue reproduzir economicamente: ler de fato, encontrar significado e escolher preservar.

Agregadas, essas escolhas formam o Grafo da Curiosidade. É um mapa lento, durável e interpretável daquilo que humanos, ao longo de décadas de leitura, consideraram digno de lembrar. Conforme a fluência da IA inunda todos os canais, esse mapa se torna mais valioso, não menos, porque é a verdade-fundamental mais autêntica que ainda nos resta da vida intelectual humana.

Cada destaque público que você faz adiciona um ponto a esse mapa. Uma coordenada, atrelada a um leitor real, em uma fonte real, marcando um fragmento real de significado. Multiplique isso pela próxima década de leitura e o resultado é algo de que a era genuinamente precisa: um registro público da atenção humana que sobrevive à enxurrada sintética.

Se esse é um projeto do qual você quer fazer parte, o gesto é pequeno. Escolha algo que valha a pena ler. Marque a passagem que cair. Torne-a pública. Abra o marcador web do Glasp e contribua com uma coordenada. Navegue pela comunidade e siga os leitores cujos mapas se sobrepõem ao seu. O grafo cresce uma marca honesta por vez. É a única forma como ele jamais poderia crescer.