Uma Cadeia de Inferência Alternada, ou AIC (Alternating Inference Chain), é uma sequência de inferências entre candidatos na qual Enlaces Fortes e Enlaces Fracos se alternam.
As AICs generalizam grande parte da lógica avançada de cadeias no Sudoku.
Em vez de limitar a cadeia a:
- um único dígito, como em uma X-Chain;
- ou uma sequência de células bivalue, como em uma XY-Chain;
uma AIC pode trocar de dígito, célula e unidade, desde que cada transição respeite a inferência necessária.
A leitura central é:
se este candidato for falso, o próximo precisa ser verdadeiro; se esse candidato for verdadeiro, o seguinte precisa ser falso; continue até que os extremos provem algo útil.
AICs não são adivinhação. São provas compactas construídas a partir de relações entre candidatos que já existem na grade.
Pré-requisitos: Enlaces Fortes e Fracos
AICs só fazem sentido quando Enlaces Fortes e Fracos são usados com precisão.
Enlace Forte
Para dois candidatos A e B:
A falso → B verdadeiroUm exemplo comum é um par conjugado: um dígito tem exatamente duas posições legais em uma unidade.
Se uma delas for falsa, a outra precisa ser verdadeira.
Enlace Fraco
Para dois candidatos A e B:
A verdadeiro → B falsoDois candidatos são fracamente ligados quando não podem ser verdadeiros ao mesmo tempo.
Exemplos:
- o mesmo dígito em duas células que se veem;
- dois candidatos diferentes dentro da mesma célula.
Uma regra sutil, mas importante
Um Enlace Forte também pode ser usado na direção fraca, porque, se A e B não podem ser verdadeiros ao mesmo tempo, A verdadeiro continua implicando B falso.
Um simples Enlace Fraco não pode ser promovido a Enlace Forte.
Essa assimetria é fundamental ao construir cadeias.
Por que os enlaces precisam alternar
Suponha que comecemos considerando o candidato A falso.
Um Enlace Forte permite inferir:
A falso → B verdadeiroA partir de B verdadeiro, um Enlace Fraco permite inferir:
B verdadeiro → C falsoA partir de C falso, outro Enlace Forte produz:
C falso → D verdadeiroO ritmo lógico fica:
falso → verdadeiro → falso → verdadeiro → ...Essa é a inferência alternada de uma AIC.
Se dois passos consecutivos não sustentarem a transição de verdade necessária, a cadeia é inválida, por mais atraente que a geometria dos candidatos pareça.
Notação de AIC
Muitos solvers usam:
=para Enlace Forte;-para Enlace Fraco.
Uma cadeia esquemática pode aparecer assim:
A = B - C = D - E = FLeia da esquerda para a direita como um caminho de implicações.
A pontuação não é decorativa. Cada símbolo precisa corresponder a uma relação real entre candidatos em uma célula ou unidade.
O que torna uma AIC útil?
Uma cadeia só é útil quando seus extremos provam algo fora dela ou quando a própria cadeia cria uma contradição que força uma conclusão.
Dois padrões de extremos são especialmente importantes.
Extremos com o mesmo dígito
Se uma AIC começa e termina com Enlaces Fortes sobre o mesmo dígito, pelo menos um dos extremos precisa ser verdadeiro.
Logo, qualquer candidato externo desse dígito que veja os dois extremos pode ser eliminado.
Essa é a eliminação clássica por extremos de uma AIC.
Extremos com dígitos diferentes em células que se veem
Se os extremos usam dígitos diferentes e as duas células se veem, a cadeia pode provar eliminações cruzadas:
- o dígito inicial não pode estar na célula final;
- o dígito final não pode estar na célula inicial.
A regra de extremos precisa ser derivada da cadeia, não adivinhada pela simetria visual.
AIC Tipo 1
Uma taxonomia comum chama de AIC Tipo 1 a cadeia que possui o mesmo dígito nos dois extremos.
A cadeia prova:
pelo menos um dos extremos contém o dígito X.
Qualquer outro candidato X que veja ambos os extremos é falso.
Isso lembra a regra de extremos de uma X-Chain, mas o interior de uma AIC pode trocar de dígito e usar uma variedade muito maior de enlaces.
Exemplo passo a passo de AIC Tipo 1
AIC Tipo 2
Uma AIC Tipo 2 começa e termina com Enlaces Fortes sobre dígitos diferentes, e as células dos extremos se veem.
A cadeia prova um par de eliminações cruzadas.
Se os extremos forem:
- candidato X na célula A;
- candidato Y na célula B;
- e A vê B;
então a cadeia pode estabelecer que:
- Y não pode estar em A;
- X não pode estar em B.
Isso acontece porque cada possibilidade de um extremo força o estado do outro necessário para eliminar o candidato conflitante.
Exemplo passo a passo de AIC Tipo 2
AICs e Nice Loops
A terminologia Nice Loop é anterior ou se sobrepõe à linguagem moderna de AIC usada por muitos solvers.
A lógica de inferência é intimamente relacionada.
Uma distinção prática útil é:
- AIC: enfatiza uma cadeia aberta e o que seus extremos provam;
- Nice Loop: enfatiza uma cadeia que fecha sobre si mesma e o que esse fechamento força.
Programas e comunidades podem classificar casos de fronteira de maneiras diferentes.
Para a correção da resolução, o nome importa menos que a pergunta:
cada transição Forte/Fraca continua válida, e a conclusão dos extremos ou do loop realmente decorre da lógica?
Nice Loops descontínuos
Um loop pode voltar ao candidato inicial de uma forma que cria uma contradição.
Por exemplo, pode provar efetivamente:
se A é verdadeiro → ... → A é falsoEntão A precisa ser falso.
Ou pode provar:
se A é falso → ... → A é verdadeiroEntão A precisa ser verdadeiro.
Esse é um loop descontínuo, porque o fechamento gera a contradição que produz a dedução.
O resultado pode ser:
- uma eliminação de candidato;
- ou uma colocação forçada.
AIC / Nice Loops contínuos
Um loop é contínuo quando seu fechamento respeita as regras normais de propagação em vez de criar uma contradição entre início e fim.
Esses loops podem ser poderosos porque relações fracas ao longo do ciclo ficam restringidas pelo loop completo.
Isso pode eliminar:
- cópias extras de um dígito de uma unidade representada por um Enlace Fraco;
- candidatos extras de uma célula representada por um Enlace Fraco entre dois dígitos.
Loops contínuos são conceitualmente mais difíceis que AICs comuns por extremos, então vale dominar as cadeias abertas primeiro.
AICs canibais
Às vezes uma AIC elimina um candidato que também aparece dentro da própria cadeia.
Isso pode parecer inválido à primeira vista, mas não é.
Uma cadeia é uma prova, não um conjunto permanente de candidatos que precisam ser verdadeiros ao mesmo tempo.
Se a lógica dos extremos provar que um candidato interno é falso, eliminá-lo é válido mesmo que ele tenha ajudado a expressar a inferência.
Essas cadeias costumam ser chamadas de AICs canibais.
AIC vs X-Chain
Uma X-Chain:
- usa o mesmo dígito candidato em toda a cadeia;
- alterna Enlaces Fortes e Fracos para esse dígito;
- normalmente elimina o dígito de células que veem os dois extremos fortes.
Uma AIC:
- pode trocar de dígito;
- pode percorrer enlaces de célula e de unidade;
- admite um conjunto mais amplo de conclusões nos extremos.
Assim, uma X-Chain pode ser entendida como um caso restrito, de um único dígito, dentro da família maior de inferência alternada.
AIC vs XY-Chain
Uma XY-Chain usa uma sequência de células bivalue.
Dentro de cada célula bivalue, os dois candidatos formam a relação interna de ou/ou; entre células, candidatos correspondentes criam os enlaces externos.
Uma AIC é mais geral.
Ela não exige que todas as células participantes sejam bivalue e pode transitar por pares conjugados, enlaces de célula e outras estruturas válidas de candidatos.
Se XY-Chains já são confortáveis para você, AICs são o passo seguinte natural: a notação fica mais geral, mas a mentalidade de implicação continua a mesma.
AIC vs Coloração Simples
A Coloração Simples normalmente acompanha um único dígito por uma rede conectada de pares conjugados e atribui duas polaridades.
Uma AIC:
- pode usar vários dígitos;
- não exige uma rede completa de duas cores;
- segue um caminho explícito de inferência.
Coloração costuma ser mais fácil de visualizar.
AICs são mais flexíveis.
O que é uma AIC Agrupada?
Uma AIC Agrupada permite que um nó da cadeia represente um grupo de candidatos, e não apenas um candidato individual.
Por exemplo, várias cópias do candidato X dentro de uma interseção bloco/linha podem agir coletivamente como um lado de um Enlace Forte.
A lógica continua sendo inferência alternada, mas os nós ficam mais abstratos.
AIC Agrupada merece seu próprio Guia porque introduz um salto significativo de notação e reconhecimento.
Esta página estabelece primeiro a base não agrupada.
Como encontrar AICs sem seguir cadeias aleatórias
Seguir cegamente toda relação possível entre candidatos é ineficiente.
Use um fluxo orientado a alvos.
1. Encontre estruturas densas de enlaces
Procure:
- pares conjugados;
- células bivalue;
- dígitos candidatos com poucas posições;
- interseções onde relações fortes se conectam.
2. Comece por um extremo plausível
Bons extremos frequentemente compartilham um alvo potencial ou interagem de forma útil com outro candidato em uma célula próxima.
3. Alterne de forma deliberada
A cada passo, pergunte:
- que estado de verdade eu conheço agora?
- preciso de uma inferência Forte ou Fraca em seguida?
- essa relação realmente sustenta a inferência?
4. Pare quando os extremos provarem algo
Uma cadeia longa que não produz eliminação não é útil.
Não continue apenas porque ainda existem enlaces disponíveis.
5. Prefira a prova mais curta e clara
A mesma eliminação pode ter várias descrições:
- X-Chain;
- XY-Chain;
- Empty Rectangle;
- Turbot Fish;
- AIC.
Use a representação mais curta que continue rigorosa.
Erros comuns com AIC
Erro 1: alternar símbolos sem alternar inferências
Escrever = - = - não cria uma cadeia válida.
Cada enlace precisa sustentar a transição de verdade exigida.
Erro 2: tratar um Enlace Fraco como Forte
De A verdadeiro → B falso você não pode concluir automaticamente A falso → B verdadeiro.
Somente um Enlace Forte real permite essa direção.
Erro 3: imaginar que todos os candidatos da cadeia são verdadeiros juntos
Uma AIC descreve inferências condicionais, não uma atribuição simultânea de candidatos.
Erro 4: eliminar de um candidato que vê apenas um extremo
Em uma eliminação Tipo 1 com o mesmo dígito, o alvo precisa ver os dois extremos.
Ver apenas um não basta.
Erro 5: construir cadeias longas sem necessidade
Cadeias longas são mais difíceis de verificar e mais fáceis de interpretar errado.
Se um padrão nomeado mais curto prova o mesmo resultado, use-o.
Erro 6: confundir prova por contradição com adivinhação
Uma AIC não escolhe um ramo arbitrário e torce para funcionar.
Cada inferência é forçada por Enlaces Fortes/Fracos, e a conclusão é demonstrada logicamente para as possibilidades relevantes dos extremos.
Quando aprender AICs?
AICs fazem mais sentido depois que você está confortável com:
- candidatos;
- Enlaces Fortes e Fracos;
- X-Chains;
- XY-Chains;
- Coloração Simples ou raciocínio semelhante em redes de enlaces.
Se esses conceitos ainda forem difíceis, a notação de AIC pode parecer muito mais complicada que a lógica subjacente realmente é.
FAQ
O que significa AIC no Sudoku?
AIC significa Alternating Inference Chain, ou Cadeia de Inferência Alternada. A cadeia alterna relações Fortes e Fracas entre candidatos para propagar implicações verdadeiro/falso.
AIC é a mesma coisa que Nice Loop?
São frameworks de inferência muito próximos, e a terminologia varia entre solvers. AIC costuma enfatizar cadeias abertas e seus extremos; Nice Loop costuma enfatizar loops fechados e regras de propagação.
Uma AIC precisa usar mais de um dígito?
Não. Uma cadeia alternada de um único dígito pode ser expressa em linguagem de AIC, embora um nome específico como X-Chain possa ser mais claro.
Uma XY-Chain é uma AIC?
Conceitualmente, XY-Chains cabem dentro do framework mais amplo de inferência alternada, mas possuem uma estrutura específica baseada em células bivalue. Manter o nome especializado ajuda porque ele indica como procurar o padrão.
AICs são tentativa e erro?
Não. Uma AIC é uma prova dedutiva por implicação. Cada transição é justificada por um Enlace Forte ou Fraco existente, e a conclusão dos extremos decorre logicamente.
O que aprender depois de AIC?
As extensões naturais são AICs Agrupadas, cadeias baseadas em ALS, loops contínuos e estruturas de forcing mais complexas.
O que aprender a seguir
Depois que AICs comuns estiverem confortáveis, o próximo grande passo é a inferência agrupada: permitir que vários candidatos atuem como um único nó. Isso abre a porta para AIC Agrupada, ALS Chains e muitas deduções de nível expert.