Projeto editorial do Logosgrafia

laboratório

Metodologias de autoria em interação com inteligência artificial. Um espaço para documentar experiências em que a ferramenta não apenas acelera a escrita, mas provoca descobertas sobre como escrever sem terceirizar a própria voz.

Nem todo texto produzido com auxílio da inteligência artificial pertence ao laboratório.

Corrigir a pontuação, eliminar repetições, organizar parágrafos, converter um conteúdo em HTML ou acelerar uma revisão são usos legítimos da ferramenta. Podem economizar tempo e oferecer bom acabamento ao que já estava escrito.

Mas não constituem, por si mesmos, uma experiência de Laboratório.

Nessas tarefas, a inteligência artificial funciona principalmente como instrumento de assistência operacional: uma espécie de digitação veloz acompanhada de recursos de organização e polimento. O resultado pode ficar mais limpo, mas a interação não necessariamente produz uma descoberta sobre o ato de escrever.

O laboratório começa quando surge um problema real de criação e o processo exige uma forma de trabalho que ainda não estava prevista.

Ele reúne experiências nas quais a interação com a inteligência artificial provoca uma mudança consciente de método, torna visíveis escolhas autorais e produz um procedimento que possa ser descrito, analisado e, com as devidas adaptações, experimentado por outras pessoas.

Não basta que a inteligência artificial tenha participado. É preciso que alguma coisa tenha sido descoberta sobre como trabalhar com ela sem lhe entregar o comando da escrita.

Por que laboratório?

O nome não foi escolhido apenas para sugerir novidade, tecnologia ou experimentação.

Um laboratório é um espaço em que não se apresenta somente o resultado. Preservam-se os materiais, as condições da experiência, as intervenções realizadas, os desvios encontrados e os critérios empregados para interpretar o que aconteceu.

Uma experiência de laboratório não esconde necessariamente aquilo que deu errado. O erro pode tornar-se dado. Uma hipótese frustrada pode abrir outro caminho. Uma mudança de procedimento pode ser mais importante do que o resultado inicialmente procurado.

É essa lógica que o projeto incorpora ao Logosgrafia.

A obra final continuará em sua estante de origem. Uma crônica permanecerá entre as Crônicas Zargolinianas; um ensaio, entre as reflexões; uma narrativa, em sua série; um material pedagógico, no acervo correspondente.

Quando o processo de criação revelar uma metodologia relevante de interação com a inteligência artificial, a publicação receberá o emblema:

O selo não indicará que a máquina escreveu o texto.

Indicará que aquela obra nasceu de uma experiência autoral deliberadamente observada, registrada e posteriormente analisada.

Esta página pública apresenta os princípios do projeto, seus critérios e sua fundamentação. Os tubos de ensaio associados, reservados aos assinantes Semente, abrem cada experiência em particular: mostram o problema inicial, os diálogos, as tentativas, as recusas, a mudança de método, a versão final e uma proposta de replicação.

A que chamamos de inteligência artificial

A expressão inteligência artificial pode designar um campo muito amplo, que inclui sistemas de reconhecimento de imagens, classificação de dados, recomendação de conteúdos, previsão estatística, automação de decisões, robótica e muitas outras aplicações.

Não é de toda essa variedade que tratamos aqui.

No contexto do Laboratório, usamos a expressão principalmente para nos referir a modelos generativos de linguagem, conhecidos também como grandes modelos de linguagem ou LLMs, acessados por meio de interfaces conversacionais.

São sistemas computacionais treinados para reconhecer regularidades em grandes conjuntos de dados e gerar novas sequências de linguagem condicionadas pelo contexto recebido.

Lucia Santaella e Dora Kaufman observam que a inteligência artificial generativa despertou reações culturais intensas justamente porque consegue sintetizar textos, imagens, vozes, vídeos e códigos que imitam de maneira convincente capacidades até então associadas à produção humana. As autoras chamam esse abalo de uma possível “quarta ferida narcísica”: mais uma experiência histórica em que o ser humano vê contestada a exclusividade de uma capacidade que considerava propriamente sua. Consultar estudo.

Reconhecer a potência desses sistemas, contudo, não exige atribuir-lhes uma mente humana escondida dentro da máquina.

O Laboratório não parte da hipótese de que exista, do outro lado da tela, uma consciência artificial vivendo, recordando e escolhendo frases como um escritor.

Parte de algo ao mesmo tempo menos mágico e tecnicamente mais interessante: existe um modelo matemático capaz de produzir possibilidades linguísticas extremamente complexas.

Do token ao texto

Um modelo de linguagem não recebe uma frase exatamente como uma pessoa a recebe.

Antes de processá-la, um mecanismo de tokenização divide o conteúdo em unidades menores chamadas tokens. Um token pode corresponder a uma palavra inteira, a parte de uma palavra, a um sinal de pontuação ou a uma pequena sequência de caracteres.

Métodos de segmentação em subpalavras permitem que o sistema represente termos raros ou ainda não encontrados como unidades completas por meio da combinação de fragmentos menores. Consultar referência técnica.

Cada token é associado a uma identificação numérica e representado matematicamente por um vetor, isto é, por uma sequência de valores.

Durante o treinamento, o modelo ajusta uma grande quantidade de parâmetros numéricos para aprender relações estatísticas presentes nos dados: quais elementos costumam aparecer próximos, como determinadas construções se organizam e quais continuações se tornam mais prováveis em diferentes contextos.

A arquitetura que sustenta grande parte dos modelos de linguagem contemporâneos é o Transformer, apresentado por Ashish Vaswani e seus colaboradores em 2017. Seu mecanismo de atenção permite atribuir pesos diferentes às relações entre os tokens, considerando quais partes do contexto são mais relevantes para o processamento de cada posição. Consultar artigo.

De maneira simplificada, a geração pode ser representada assim:

A expressão indica a probabilidade de um próximo token, representado por x_t, considerando os tokens anteriores disponíveis no contexto.

O modelo calcula uma pontuação para as unidades de seu vocabulário. Essas pontuações são convertidas numa distribuição de probabilidades. Uma possibilidade é selecionada, acrescentada à sequência e devolvida ao próprio sistema como parte do contexto para o cálculo seguinte.

É dessa repetição, realizada em alta velocidade, que surgem respostas aparentemente contínuas: parágrafos, diálogos, poemas, explicações, códigos e narrativas.

Probabilidade não é simples aleatoriedade

Dizer que um modelo prevê o próximo token não significa que ele apenas escolha sempre a palavra mais frequente ou complete mecanicamente uma frase feita.

As probabilidades são condicionadas por todo o contexto disponível: as instruções do usuário, os exemplos fornecidos, as mensagens anteriores, o gênero textual solicitado, as palavras já produzidas e as demais orientações que compõem a interação.

Por isso, uma mesma solicitação pode gerar respostas diferentes.

Essa variabilidade não precisa ser compreendida como liberdade criativa no sentido humano. Ela corresponde a diferentes percursos possíveis dentro de uma distribuição matemática de continuidades linguísticas.

O modelo também não precisa procurar uma resposta inteira, pronta e armazenada em algum arquivo interno. Ele produz a sequência progressivamente, token após token, com base nos padrões incorporados aos seus parâmetros e nas informações presentes no contexto atual.

Isso não significa que o sistema esteja livre de repetir fórmulas, estereótipos, vieses ou estruturas recorrentes. Sua capacidade de gerar novas combinações depende justamente das regularidades aprendidas em dados anteriores.

Uma sequência pode ser nova sem ser singular. Pode ser inédita em sua combinação e, ainda assim, profundamente previsível em seu efeito.

Fluência não é verdade autoral

O modelo pode reconhecer relações linguísticas entre palavras como “apartamento”, “maritacas”, “barulho”, “nostalgia” e “mudança”. Pode organizar esses elementos em progressão narrativa, sugerir metáforas e produzir um encerramento com aparência de crônica.

Mas não morou naquele apartamento.

Não foi acordado pelas aves.

Não temeu pela fiação do ar-condicionado.

Não passou novamente por aquela esquina.

Não sentiu alívio ao perceber que estava apenas de passagem.

A experiência humana não passa a existir dentro do cálculo apenas porque o cálculo consegue descrevê-la de maneira convincente.

O sistema trabalha com possibilidades linguísticas condicionadas pelo contexto. O autor trabalha também com memória, intenção, repertório, julgamento, desconforto, responsabilidade e reconhecimento.

A máquina pode calcular que uma frase combina com as anteriores.

O autor precisa decidir se ela combina com aquilo que viveu e com o texto pelo qual deseja responder.

Essa distinção ajuda a compreender por que modelos generativos podem produzir textos muito bem estruturados e, ao mesmo tempo, recorrer a metáforas previsíveis, conclusões conciliadoras, paralelismos excessivos e frases que parecem apropriadas a inúmeros textos sem pertencer verdadeiramente a nenhum deles.

Uma pesquisa brasileira conduzida por Róger Sullivan Faleiro e Ana Emília Klein identificou, em produções acadêmicas assistidas por IA generativa, repetições de palavras, encadeamentos sintáticos recorrentes e combinações fixas que funcionavam como fórmulas esvaziadas de sentido. Os autores alertam que textos aparentemente inéditos podem permanecer distantes dos objetivos formativos de autoria e reflexão crítica. Consultar pesquisa.

Esse fenômeno interessa diretamente ao Laboratório.

Um texto pode estar correto, coeso e polido, mas ainda não ter encontrado sua voz.

Criatividade, geração e decisão

Ana Maria Di Grado Hessel e David de Oliveira Lemes destacam que os processos de criação humana e de geração algorítmica não são equivalentes. A IA pode produzir resultados aceitáveis, interessantes e semelhantes a trabalhos humanos, mas isso não elimina as diferenças entre as lógicas envolvidas na criação. Consultar estudo.

No Laboratório, a autoria não será medida por uma contagem simplista de palavras humanas e palavras geradas pela máquina.

Ela será observada principalmente nas decisões:

• Quem definiu o problema?
• Quem reconheceu que a primeira resposta estava errada?
• Quem estabeleceu os critérios de qualidade?
• Quem percebeu o clichê?
• Quem recusou uma solução aparentemente boa?
• Quem alterou o método?
• Quem assumiu a responsabilidade pelo resultado?
• Quem decidiu que o texto estava concluído?

A inteligência artificial pode gerar uma frase. Somente o autor pode responder por sua permanência.

Por isso, uma ferramenta que aprende a reproduzir determinados traços estilísticos não necessariamente fortalece a autoria. Em alguns casos, ela pode apenas imitar a superfície reconhecível de uma voz.

A autoria se manifesta também quando o escritor estranha essa imitação, identifica o artificialismo e recupera a direção do trabalho.

A interação como mudança de contexto

Cada intervenção do usuário altera o contexto a partir do qual o modelo calculará suas próximas respostas.

Quando uma pessoa informa que o texto ficou clichê, pede mais sarcasmo, rejeita uma conclusão ou seleciona determinadas frases, ela não modifica diretamente os parâmetros internos do modelo.

Ela oferece novos sinais para a geração seguinte.

O diálogo funciona, portanto, como uma sucessão de condicionamentos.

Anderson Röhe e Lucia Santaella investigaram experimentalmente a importância dos comandos na geração de textos e imagens, destacando que os sistemas conversacionais permitem corrigir, complementar e refinar as instruções durante a própria interação. Consultar estudo.

O Laboratório, contudo, não pretende reduzir a interação humano-IA à procura pelo “prompt perfeito”.

Seu interesse não está apenas em formular uma instrução cada vez mais detalhada para obter uma resposta obediente.

Está em criar procedimentos nos quais a geração possa ser observada, interrompida, comparada, selecionada e submetida ao julgamento do escritor.

Em determinadas experiências, a melhor intervenção talvez não seja oferecer mais ordens ao modelo. Pode ser retirar-lhe temporariamente o direito de concluir o texto.

A fricção como método

As interfaces conversacionais favorecem a continuidade rápida: o sistema sugere, o usuário aceita, a produção avança.

O Laboratório investiga também o valor das fricções produtivas: pausas e mudanças deliberadas no procedimento que devolvem ao autor uma etapa de julgamento.

Essas fricções podem assumir diferentes formas:

• narrar toda a experiência antes de permitir que a IA a interprete;
• pedir perguntas antes de solicitar respostas;
• produzir várias possibilidades sem autorizar imediatamente a escrita de um texto completo;
• selecionar frases antes de permitir sua remontagem;
• comparar alternativas e justificar recusas;
• interromper a geração para que o autor escreva a passagem decisiva;
• estabelecer um ponto a partir do qual a máquina já não poderá alterar a obra.

Esses procedimentos não serão apresentados como receitas universais.

Serão hipóteses práticas, testadas em situações concretas, acompanhadas de seus resultados e de suas limitações.

A experiência inaugural do Laboratório, por exemplo, levou à criação da técnica da enumeração. Quando duas versões completas de uma crônica não encontraram a medida adequada, a IA deixou de receber a tarefa de escrever o texto inteiro. Passou a oferecer um banco numerado de frases possíveis.

O sistema continuou fazendo aquilo que realiza com eficiência: gerar possibilidades linguísticas.

O autor alterou a arquitetura da tarefa: assumiu a seleção do material e definiu, por reconhecimento e recusa, quais possibilidades poderiam pertencer à obra.

A intervenção não ensinou a máquina a ser o autor. Impediu que ela continuasse tentando ocupar esse lugar.

O processo, não apenas o produto

Grande parte da discussão sobre inteligência artificial e escrita se concentra no resultado final: quem produziu determinada frase, quanto do texto foi gerado pela máquina ou se a obra “parece humana”.

O Laboratório se interessa principalmente pelo caminho.

O projeto internacional CoAuthor, desenvolvido por Mina Lee, Percy Liang e Qian Yang, registrou 1.445 sessões de escrita entre 63 participantes e diferentes versões do GPT-3. Foram preservadas as interações, as sugestões e os movimentos realizados durante a composição, permitindo que a escrita fosse examinada como uma sequência de decisões, e não apenas como um documento concluído. Consultar estudo.

Essa perspectiva inspira a documentação adotada pelo Logosgrafia.

Não serão mostrados somente o comando inicial e o resultado final. Quando forem relevantes para a compreensão do método, os tubos de ensaio apresentarão:

• a situação que originou o trabalho;
• as primeiras instruções;
• as versões insatisfatórias;
• as recusas;
• os comentários do autor;
• a mudança de estratégia;
• o método descoberto;
• a intervenção humana final.

O objetivo não é expor uma conversa por curiosidade.

É transformar o percurso em documentação de autoria.

O erro como dado da experiência

Uma resposta inadequada não é necessariamente inútil.

Uma versão clichê pode obrigar o escritor a reconhecer o sentimento verdadeiro que estava sendo encoberto.

Uma piada excessivamente elaborada pode revelar que o humor deveria nascer da própria situação.

Uma estrutura muito organizada pode demonstrar que o material foi ordenado antes que a experiência estivesse suficientemente compreendida.

O erro da IA não será romantizado nem tratado automaticamente como descoberta.

Mas, quando provocar análise, mudança de estratégia e decisão autoral, poderá transformar-se em dado relevante da experiência.

O Laboratório não procura demonstrar que a máquina escreve bem ou mal. Procura compreender o que o autor faz diante daquilo que ela produz.

O que merece entrar no Laboratório

Um processo só receberá o emblema Feita em laboratório quando atender a quatro condições.

Quando essas condições não estiverem presentes, a inteligência artificial poderá ter participado legitimamente da produção, mas o trabalho não receberá o emblema do projeto.

O Laboratório não precisa crescer depressa. Precisa reunir experiências que justifiquem sua existência.

Uma prática ética, responsável e humana

Rafael Cardoso Sampaio propõe um método estruturado para uma escrita acadêmica ética, responsável e humana com inteligência artificial. Embora seu trabalho se volte à produção científica, três de seus princípios dialogam diretamente com este projeto: preservar a agência e a voz do autor, evitar o descarregamento indiscriminado do trabalho cognitivo e manter a responsabilidade humana pelo conteúdo final. Consultar artigo.

O Laboratório transpõe essas preocupações para a criação editorial e literária.

A transparência não será reduzida a uma declaração genérica de que “houve uso de IA”.

Cada tubo de ensaio procurará mostrar:

• em que momento a ferramenta foi acionada;
• para qual finalidade;
• quais respostas interferiram na obra;
• quais foram descartadas;
• como o procedimento evoluiu;
• onde se localizou a decisão autoral.

O emblema Feita em laboratório não será um aviso defensivo.

Será um convite para examinar o trabalho.

Os assinantes Semente como potenciais replicadores

Os assinantes Semente não terão acesso apenas a bastidores exclusivos.

Serão convidados a ocupar o lugar de leitores-investigadores e potenciais replicadores das experiências narradas.

Cada tubo de ensaio poderá apresentar uma ficha metodológica composta por:

A replicação proposta pelo Laboratório será editorial e formativa.

Os tubos de ensaio não serão apresentados como experimentos científicos controlados, nem experiências individuais serão transformadas em provas universais.

A fundamentação científica servirá para formular perguntas, interpretar resultados, reconhecer limites e situar cada prática num campo de investigação mais amplo.

Replicar, aqui, não significa obter o mesmo texto. Significa testar o mesmo princípio.

Não é uma oficina de prompts

O Laboratório não ensinará a pedir à inteligência artificial que escreva melhor.

Também não será um catálogo de comandos supostamente infalíveis.

Prompts são parte da interação, mas não substituem repertório, leitura, julgamento e responsabilidade.

Uma instrução muito completa pode gerar um texto tecnicamente adequado. Isso não garante que o resultado corresponda à experiência, à intenção ou à voz de quem o assina.

O projeto pretende compreender como uma pessoa pode trabalhar com um modelo generativo e, ainda assim, preservar o direito de hesitar, discordar, selecionar, reformular e encerrar.

Uma oficina de decisões

A inteligência artificial não precisa ser diminuída para que a autoria humana seja preservada.

Sua capacidade de produzir linguagem é real, complexa e historicamente relevante.

Justamente por isso, não basta tratá-la como uma consciência milagrosa nem como um simples corretor automático.

O Laboratório investigará a relação entre:

A IA calcula continuidades.

O autor decide quando continuar, quando desviar e quando parar.

A inteligência artificial pode participar da elaboração. A autoria permanece no lugar em que as decisões são tomadas.

O laboratório existe para tornar essas decisões visíveis, fundamentá-las e colocá-las novamente em circulação.

Não como receitas.

Como experiências capazes de gerar outras experiências.