Thiago Tonus

Tag: ChatGPT

  • Como saber se um texto foi escrito por IA?

    Como saber se um texto foi escrito por IA?

    Resposta rápida: não existe hoje uma forma 100% confiável de saber se um texto foi escrito por IA. Os detectores automáticos erram com frequência — a própria OpenAI desativou seu detector em 2023 por baixa precisão — e tendem a acusar injustamente quem escreve em um idioma que não é o nativo. O mais seguro é combinar sinais: checar fatos e fontes, observar o estilo, comparar com textos anteriores do autor e, quando possível, conversar com ele sobre o conteúdo.

    Este artigo faz parte da série “IA em 3 níveis”, que responde às perguntas mais buscadas sobre inteligência artificial no Google por brasileiros (segundo dados do Google Trends divulgados pelo TecMundo). Cada resposta vem em três versões: para crianças, para adultos iniciantes e para especialistas.

    Neste artigo

    Como saber se um texto foi escrito por IA? Explicando para crianças

    Descobrir se um texto foi feito por uma IA é como tentar adivinhar se um desenho foi feito à mão ou copiado de um papel transparente: às vezes dá para perceber, mas muitas vezes é bem difícil!

    Algumas pistas: textos de IA costumam ser muito arrumadinhos, usam sempre o mesmo tipo de frase e falam de forma bem geral, sem contar coisas que aconteceram de verdade com quem escreveu. Mas atenção: essas pistas não são provas. Tem gente que escreve assim também!

    Por isso, o melhor jeito é perguntar e conversar. E, se você usar a IA para ajudar na lição, conte para o professor. Ser honesto é sempre a melhor escolha.

    Como saber se um texto foi escrito por IA? Explicando para adultos que estão começando

    Existem sites que prometem identificar textos gerados por IA, mas eles não devem ser usados como prova. Em 2023, a OpenAI, criadora do ChatGPT, tirou do ar seu próprio detector por causa da baixa taxa de acerto: ele identificava corretamente apenas 26% dos textos escritos por IA. Um estudo da Universidade Stanford também mostrou que detectores populares classificaram erroneamente como “feitos por IA” muitas redações de pessoas que não eram falantes nativas de inglês.

    Sinais que podem indicar uso de IA (mas não comprovam):

    • Fatos inventados, citações sem fonte ou referências bibliográficas que não existem — este é o sinal mais objetivo, pois pode ser verificado;
    • Estilo genérico: estrutura muito previsível, frases de efeito repetidas, ausência de exemplos pessoais ou detalhes concretos;
    • Mudança brusca de estilo em relação a outros textos da mesma pessoa;
    • Resquícios de conversa com o chatbot, como “Claro! Aqui está o texto…”.

    Na escola ou no trabalho, a melhor estratégia é combinar evidências: pedir rascunhos e histórico de edição, conversar com o autor sobre as escolhas do texto e estabelecer regras claras sobre quando o uso de IA é permitido. Para entender por que a IA escreve desse jeito, leia como funciona a inteligência artificial.

    A pesquisa acadêmica confirma essa cautela. Um estudo europeu publicado no International Journal for Educational Integrity (Weber-Wulff et al., 2023) testou 14 ferramentas de detecção e concluiu que nenhuma era precisa nem confiável: todas ficaram abaixo de 80% de acurácia, e o desempenho piorava ainda mais quando o texto gerado por IA era levemente editado ou parafraseado.

    Como saber se um texto foi escrito por IA? Explicando para especialistas em tecnologia

    A detecção de texto gerado por máquina se divide em três famílias de abordagem, todas com limitações relevantes:

    • Classificadores supervisionados treinados para distinguir texto humano de sintético: degradam fora da distribuição de treino (novos modelos, domínios, idiomas) e apresentam taxas de falso positivo inaceitáveis para decisões de alto impacto;
    • Métodos zero-shot baseados em estatísticas do modelo — perplexidade, burstiness e curvatura da log-probabilidade (como o DetectGPT): exigem acesso ou aproximação ao modelo gerador e são sensíveis à temperatura de amostragem; textos humanos formulaicos ou de escritores não nativos têm baixa perplexidade e geram falsos positivos (Liang et al., 2023);
    • Marca d’água (watermarking) na geração: enviesar a amostragem de tokens com uma chave secreta (“listas verdes”) permite detecção estatística com garantias formais (Kirchenbauer et al., 2023). O Google DeepMind aplica essa ideia em produção com o SynthID, disponibilizado em código aberto para texto. A limitação: só funciona se o fornecedor aplicar a marca, e paráfrase ou tradução reduzem o sinal.

    Há também resultados teóricos indicando que, à medida que a distribuição dos modelos se aproxima da humana, o desempenho de qualquer detector tende ao acaso, e que ataques de paráfrase recursiva quebram detectores e marcas d’água (Sadasivan et al., 2023). Por isso, a tendência regulatória e da indústria é migrar de “detectar” para comprovar procedência: credenciais de conteúdo assinadas criptograficamente, como o padrão C2PA, e obrigações de transparência para conteúdo sintético, previstas no AI Act europeu. Em contextos educacionais e de compliance, a recomendação é tratar escores de detectores como indício fraco, nunca como evidência conclusiva.

    Do lado técnico, o DetectGPT (Mitchell et al., ICML 2023) é a referência para detecção zero-shot baseada na curvatura da probabilidade, e o artigo de Dathathri et al. publicado na Nature (2024) descreve o SynthID-Text, primeira marca d’água para texto implantada em escala em um produto comercial (o Gemini), com avaliação em cerca de 20 milhões de respostas.

    Perguntas relacionadas

    Continue a série “IA em 3 níveis”:

    Fontes e leituras recomendadas

    Livros e artigos acadêmicos

    • WEBER-WULFF, Debora et al. Testing of detection tools for AI-generated text. International Journal for Educational Integrity, v. 19, 26, 2023. arXiv:2306.15666
    • LIANG, Weixin et al. GPT detectors are biased against non-native English writers. Patterns, v. 4, n. 7, 2023. arXiv:2304.02819
    • MITCHELL, Eric et al. DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature. ICML, 2023. arXiv:2301.11305
    • KIRCHENBAUER, John et al. A Watermark for Large Language Models. ICML, 2023. arXiv:2301.10226
    • DATHATHRI, Sumanth et al. Scalable watermarking for identifying large language model outputs. Nature, v. 634, p. 818–823, 2024. DOI: 10.1038/s41586-024-08025-4

    Imagem de destaque: Unsplash via Wikimedia Commons (CC0 – domínio público).

  • Como usar a inteligência artificial no dia a dia?

    Como usar a inteligência artificial no dia a dia?

    Resposta rápida: para usar a inteligência artificial, escolha uma ferramenta (como ChatGPT, Gemini, Claude ou Copilot), descreva com clareza o que você quer — contexto, objetivo e formato da resposta — e revise sempre o resultado. A IA é ótima para resumir, explicar, escrever rascunhos, traduzir, organizar ideias e criar imagens; não deve substituir a verificação de fatos nem receber dados pessoais sensíveis.

    Este artigo faz parte da série “IA em 3 níveis”, que responde às perguntas mais buscadas sobre inteligência artificial no Google por brasileiros (segundo dados do Google Trends divulgados pelo TecMundo). Cada resposta vem em três versões: para crianças, para adultos iniciantes e para especialistas.

    Neste artigo

    Como usar a inteligência artificial? Explicando para crianças

    Usar a IA é como conversar com um ajudante que sabe muitas coisas, mas que às vezes se confunde. Quanto melhor você explica o que quer, melhor ele ajuda!

    Em vez de escrever só “dinossauro”, experimente: “Me conta três curiosidades sobre o tiranossauro, com palavras fáceis, para eu apresentar na escola”. Viu a diferença? Você disse o assunto, quantas coisas quer e para quê.

    Três regrinhas de ouro: 1) use a IA sempre junto com um adulto; 2) nunca conte seu nome completo, endereço, escola ou senhas; 3) confira as respostas em um livro ou com o professor — a IA pode errar. E lembre: ela ajuda a aprender, mas a lição é sua!

    Como usar a inteligência artificial? Explicando para adultos que estão começando

    Você não precisa saber programar. Basta criar uma conta gratuita em um assistente de IA e começar a conversar em português. O segredo está em como você pede. Uma estrutura simples que funciona:

    1. Contexto: quem você é e qual a situação (“Sou dono de uma padaria pequena…”);
    2. Tarefa: o que exatamente você quer (“…escreva três posts para o Instagram anunciando o pão de queijo”);
    3. Formato: como quer a resposta (“tom descontraído, até 300 caracteres cada, com uma chamada para ação”);
    4. Refinamento: peça ajustes (“deixe mais curto”, “dê outra opção”, “explique de forma mais simples”).

    Usos práticos que economizam tempo:

    • Trabalho: resumir documentos longos, rascunhar e-mails, montar pautas de reunião, criar planilhas e fórmulas;
    • Estudos: pedir explicações passo a passo, criar exercícios e simulados, revisar redações;
    • Vida pessoal: planejar cardápios e viagens, comparar opções, traduzir mensagens;
    • Criatividade: gerar imagens e ilustrações a partir de descrições, ideias de presentes, roteiros de vídeos.

    Cuidados essenciais: confira informações importantes (saúde, finanças, questões jurídicas) em fontes oficiais; não insira dados pessoais ou sigilosos — a ANPD orienta sobre a proteção de dados pela LGPD; e seja transparente quando usar IA em trabalhos ou conteúdos públicos. Entender como a IA funciona ajuda a perceber por que ela às vezes erra.

    O que dizem as pesquisas? Um experimento publicado na revista Science (Noy e Zhang, 2023) com profissionais em tarefas de escrita mostrou que o uso do ChatGPT reduziu o tempo de execução em cerca de 40% e elevou a qualidade avaliada em cerca de 18%. Em um estudo com mais de 5 mil atendentes de suporte ao cliente, Brynjolfsson, Li e Raymond (2023) observaram aumento médio de 14% na produtividade — e de cerca de 34% entre os profissionais menos experientes. Na educação, a revisão de Kasneci et al. (2023) aponta oportunidades (tutoria personalizada, feedback) e riscos (dependência, vieses, integridade acadêmica). Para um guia prático, o livro Co-Intelligence, do professor Ethan Mollick (Wharton), defende tratar a IA como uma “cointeligência”: sempre convidá-la para a mesa, mas manter o humano no controle.

    Como usar a inteligência artificial? Explicando para especialistas em tecnologia

    Para profissionais, o uso efetivo de IA vai além do chat: trata-se de projetar sistemas em que modelos são um componente avaliável e governado. Algumas práticas consolidadas:

    • Engenharia de prompt e de contexto: instruções explícitas, exemplos (few-shot), delimitação por tags, papéis no prompt de sistema e saída estruturada (JSON com schema). Os guias oficiais dos fornecedores — como o guia de prompt engineering da Anthropic — são o melhor ponto de partida;
    • RAG antes de fine-tuning: para conhecimento proprietário ou atualizado, recuperar documentos relevantes e injetá-los no contexto (Lewis et al., 2020) costuma ser mais barato, auditável e fácil de manter que treinar o modelo;
    • Ferramentas e agentes: chamadas de função e protocolos de integração permitem que o modelo consulte APIs, bancos de dados e execute ações — exigindo controle de permissões, human-in-the-loop em ações irreversíveis e defesa contra prompt injection;
    • Avaliação contínua (evals): conjuntos de teste representativos do seu domínio, métricas automáticas e revisão humana amostral; trate prompts como código, com versionamento e regressão;
    • Custo e latência: roteamento entre modelos maiores e menores, cache de prompt e processamento em lote.

    No setor público e em organizações reguladas, recomenda-se ancorar a adoção em frameworks de risco como o NIST AI RMF e acompanhar o marco regulatório brasileiro (PL 2338/2023), além das diretrizes de proteção de dados da ANPD.

    A literatura técnica também embasa as boas práticas de prompt: o GPT-3 mostrou que exemplos no próprio prompt melhoram muito o desempenho (Brown et al., 2020), e pedir que o modelo explicite etapas intermediárias de raciocínio (chain-of-thought) eleva a acurácia em problemas de múltiplos passos (Wei et al., 2022).

    Perguntas relacionadas

    Continue a série “IA em 3 níveis”:

    Fontes e leituras recomendadas

    Livros e artigos acadêmicos

    • NOY, Shakked; ZHANG, Whitney. Experimental evidence on the productivity effects of generative artificial intelligence. Science, v. 381, n. 6654, p. 187–192, 2023. DOI: 10.1126/science.adh2586
    • BRYNJOLFSSON, Erik; LI, Danielle; RAYMOND, Lindsey. Generative AI at Work. NBER Working Paper n. 31161, 2023 (publicado no Quarterly Journal of Economics, 2025). NBER
    • KASNECI, Enkelejda et al. ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, v. 103, 102274, 2023. DOI: 10.1016/j.lindif.2023.102274
    • MOLLICK, Ethan. Co-Intelligence: Living and Working with AI. Nova York: Portfolio/Penguin, 2024.
    • BROWN, Tom B. et al. Language Models are Few-Shot Learners. NeurIPS, 2020. arXiv:2005.14165
    • WEI, Jason et al. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS, 2022. arXiv:2201.11903
    • RUSSELL, Stuart; NORVIG, Peter. Inteligência artificial: uma abordagem moderna. 4. ed. Rio de Janeiro: GEN LTC, 2022. (Original: Artificial Intelligence: A Modern Approach, Pearson, 2020.) Site do livro

    Imagem de destaque: Unsplash via Wikimedia Commons (CC0 – domínio público).