Revistas predatórias abrem as porteiras para artigos feitos por ChatGPT

Um artigo recém-publicado por Daniel Stockemer e Farah Fakri, da University of Ottawa, na revista científica PS: Political Science & Politics, publicada pela Cambridge University Press em nome da American Political Science Association, oferece evidências bastante incômodas sobre algo que há muito tempo se suspeita no mundo acadêmico: em muitas revistas predatórias, o que determina a publicação de um artigo parece ter muito menos relação com sua qualidade científica do que com a disposição do autor em participar do negócio editorial.

O mérito do trabalho de Stockemer e Fakri está justamente em ter colocado essa suspeita à prova. Os autores selecionaram 144 revistas identificadas como potencialmente predatórias a partir de mensagens de spam, da Lista de Beall e de uma base especializada. Em seguida, submeteram dois tipos de material que dificilmente deveriam atravessar uma avaliação científica minimamente rigorosa: trabalhos produzidos por estudantes de graduação e pequenos artigos de engenharia integralmente gerados pelo ChatGPT.

Os resultados são impressionantes. Entre as 76 revistas às quais foram enviados trabalhos de graduação, 51 chegaram a uma decisão editorial. Dessas, 39 aceitaram os manuscritos, uma chegou a publicá-lo imediatamente e apenas 11 os rejeitaram. Isso significa uma taxa de aceitação de 78,4% entre aquelas que efetivamente responderam. E não estamos falando de artigos científicos produzidos por jovens pesquisadores, mas de trabalhos acadêmicos escritos originalmente para disciplinas de graduação, principalmente dos primeiros anos, sem contribuição original para a literatura.

Com os textos produzidos por inteligência artificial, o resultado foi ainda mais revelador. Foram submetidos 10 pequenos estudos de caso de engenharia, totalmente gerados pelo ChatGPT, a 68 revistas. Quarenta e seis aceitaram os manuscritos, apenas quatro os rejeitaram e 18 simplesmente não responderam. Os textos tinham cerca de 800 palavras e continham problemas que uma revisão minimamente cuidadosa poderia identificar, incluindo inconsistências técnicas e referências bibliográficas inexistentes.

Há episódios quase caricatos. Um trabalho de graduação sobre a crise da dívida no Sul Global foi aceito e publicado por uma revista dedicada a imagens clínicas e médicas, apesar de o artigo tratar de economia política e não possuir qualquer relação com a área médica. Em outro caso, uma revista aceitou um artigo de engenharia totalmente produzido pelo ChatGPT depois de os autores declararem deliberadamente que não haviam utilizado inteligência artificial. A resposta editorial informou simplesmente que o trabalho havia passado pelo teste de plágio. As referências falsas produzidas pela própria IA aparentemente não despertaram qualquer preocupação.

Mas há aqui uma questão que considero particularmente importante. O artigo de Stockemer e Fakri não demonstra que a inteligência artificial seja incompatível com a produção científica. Demonstra algo diferente e talvez mais grave: a existência de um sistema editorial capaz de transformar textos sem qualquer pesquisa original — inclusive aqueles produzidos automaticamente e contendo informações falsas — em aparentes artigos científicos. A diferença é fundamental. Ferramentas de IA podem auxiliar pesquisadores na organização de informações, revisão de textos, programação, exploração preliminar de dados e inúmeras outras tarefas. Nada disso elimina a responsabilidade intelectual do pesquisador nem substitui método, dados, análise, verificabilidade ou revisão crítica. O problema começa quando um texto sintético passa a ocupar o lugar da pesquisa e encontra, do outro lado, uma revista cuja preocupação principal aparentemente não é verificar se existe ciência no manuscrito.

É aí que as revistas predatórias representam um problema que ultrapassa os autores que pagam para publicar nelas. Ao imitarem a aparência de periódicos científicos legítimos — com DOI, volume, número, conselho editorial e páginas cuidadosamente diagramadas — elas podem introduzir conteúdos sem validade científica no próprio ecossistema de circulação do conhecimento. Uma vez publicado, um artigo ruim pode ser encontrado por mecanismos de busca, incorporado a revisões bibliográficas e eventualmente citado por outros pesquisadores. Stockemer e Fakri alertam justamente para o risco de conteúdos fabricados ingressarem dessa maneira no registro científico e contaminarem trabalhos posteriores.

Por isso, talvez a conclusão mais importante desse experimento seja que o problema das revistas predatórias não está apenas na cobrança de taxas de publicação. Existem excelentes revistas de acesso aberto que cobram APCs e realizam revisão por pares rigorosa. A característica essencial da predação está na transformação da publicação científica em uma relação essencialmente comercial, na qual os mecanismos que deveriam separar conhecimento cientificamente defensável de simples aparência de ciência deixam de funcionar.

E a chegada da inteligência artificial generativa torna esse problema ainda mais perigoso. Se antes produzir dezenas ou centenas de artigos fraudulentos exigia algum esforço humano, hoje é tecnicamente possível produzir textos com aparência acadêmica em escala industrial. Se existirem revistas igualmente dispostas a publicá-los sem revisão efetiva, estarão dadas as condições para uma verdadeira linha de montagem de pseudociência.

O trabalho de Daniel Stockemer e Farah Fakri, portanto, deveria servir também de alerta para universidades e agências de fomento. Em um sistema acadêmico que continua premiando quantidade de publicações, número de artigos e determinados indicadores bibliométricos, combater revistas predatórias exige mais do que elaborar listas de periódicos suspeitos. Exige modificar os próprios incentivos que alimentam esse mercado e recolocar no centro da avaliação aquilo que deveria importar: a qualidade da pesquisa e a contribuição efetiva que ela oferece ao conhecimento científico.

A miragem da IA: terceirizar o esforço intelectual não é o mesmo que aprender

Estudo com cerca de 25 mil estudantes chineses mostra que o uso inadequado da IA pode melhorar tarefas imediatas, mas reduzir aprendizagem, desempenho em provas e autonomia intelectual

A reportagem de Rafael Cariello, publicada pela Folha de S.Paulo  nesta segunda-feira (10/8), apresenta resultados de uma pesquisa envolvendo cerca de 25 mil estudantes chineses que merece atenção de professores, estudantes e instituições de ensino. Segundo o estudo, alunos que passaram a utilizar inteligência artificial generativa para realizar determinadas atividades escolares chegaram a obter resultados aproximadamente 20% melhores nas tarefas feitas com auxílio da ferramenta. O problema apareceu depois: quando tiveram de realizar provas sem a IA, seu desempenho caiu em comparação com estudantes que não haviam utilizado a ferramenta da mesma maneira.

Esse resultado contém uma aparente contradição que, na realidade, ajuda a compreender um dos principais dilemas educacionais produzidos pela rápida disseminação da inteligência artificial. A IA pode aumentar a eficiência na execução de uma tarefa sem necessariamente produzir aprendizagem equivalente. Em outras palavras, fazer melhor uma atividade com auxílio tecnológico não significa necessariamente aprender mais.

Os gráficos apresentados pela Folha tornam essa contradição particularmente clara. Enquanto a adoção da IA cresce rapidamente entre os estudantes, aqueles que passaram a utilizá-la tiveram desempenho superior nas tarefas realizadas em casa, chegando a 118,59 pontos, contra 100,26 do grupo de controle. Ao mesmo tempo, o tempo necessário para completar as atividades caiu de aproximadamente 64 para 45 minutos. Até aqui, poderíamos concluir que estamos diante de uma extraordinária ferramenta de aumento da produtividade escolar.

Entretanto, o quadro muda quando se observa aquilo que talvez seja pedagogicamente mais importante: o que permaneceu com o estudante depois que a ferramenta deixou de estar disponível. Nas provas mensais, realizadas sem auxílio da IA, o grupo que havia utilizado inteligência artificial caiu para 81,65 pontos, enquanto o grupo de controle permaneceu próximo de 101 pontos. Temos, portanto, um fenômeno inquietante: a ferramenta permite fazer mais rapidamente e aparentemente melhor, mas pode deixar menos conhecimento incorporado pelo estudante.

Isso ocorre porque aprender não é simplesmente produzir uma resposta correta. O aprendizado envolve formular perguntas, cometer erros, testar hipóteses, enfrentar dificuldades, reorganizar argumentos e estabelecer relações entre informações diferentes. É justamente nesse processo — frequentemente lento e até frustrante — que parte importante da aprendizagem acontece. Se uma ferramenta elimina sistematicamente essa etapa e entrega respostas suficientemente boas antes que o estudante tenha realizado o esforço cognitivo necessário, ela pode transformar-se numa espécie de terceirização do pensamento.

Há, contudo, um aspecto essencial da própria reportagem que impede conclusões simplistas. Os pesquisadores destacam que os efeitos negativos dependem da maneira como a inteligência artificial é utilizada. O texto informa que ferramentas configuradas para atuar pedagogicamente — oferecendo pistas, orientando etapas e estimulando o estudante a chegar às respostas — apresentam resultados diferentes daquelas que simplesmente entregam soluções prontas. Essa distinção deveria ocupar o centro da discussão sobre IA nas universidades e escolas.

Por isso, proibir genericamente ferramentas como ChatGPT, Gemini, Claude ou outras plataformas de inteligência artificial provavelmente seria tão pouco inteligente quanto permitir seu uso indiscriminado. O desafio pedagógico consiste em estabelecer uma fronteira entre IA como instrumento de aprendizagem e IA como substituta do esforço intelectual. No primeiro caso, ela pode ajudar a organizar argumentos, identificar lacunas, comparar interpretações, revisar textos, explicar conceitos difíceis e até estimular novas perguntas. No segundo, transforma o estudante em mero operador de comandos, capaz de apresentar um produto sofisticado sem necessariamente dominar o conhecimento que supostamente permitiu produzi-lo.

Essa questão torna-se ainda mais importante no ensino superior. Uma universidade não deveria formar apenas indivíduos capazes de entregar produtos rapidamente. Sua função envolve desenvolver autonomia intelectual, capacidade crítica, domínio conceitual e competência para formular problemas. Se um estudante consegue produzir um excelente ensaio utilizando IA, mas é incapaz de explicar oralmente os argumentos presentes naquele mesmo texto, há evidentemente alguma coisa errada no processo formativo.

O estudo apresentado pela Folha de São Paulo também oferece um alerta aos professores. A disseminação da inteligência artificial provavelmente exigirá mudanças nas próprias formas de avaliação. Trabalhos feitos integralmente fora da sala de aula poderão dizer cada vez menos sobre aquilo que um estudante efetivamente sabe. Isso poderá aumentar a importância de avaliações presenciais, discussões orais, exercícios de interpretação, defesa de argumentos e atividades nas quais seja possível acompanhar o processo de construção do conhecimento, e não apenas receber seu produto final.

Há ainda uma dimensão que merece atenção especial. A inteligência artificial está introduzindo na educação a mesma promessa de produtividade que já domina boa parte do mundo do trabalho: fazer mais coisas em menos tempo. Mas educação não é uma linha de montagem. Nem toda lentidão é ineficiência. Ler um texto difícil duas vezes, escrever um parágrafo ruim e depois reescrevê-lo, procurar uma informação, descobrir que uma hipótese estava errada e reconstruir um argumento são atividades aparentemente pouco eficientes. Entretanto, são justamente essas operações que ajudam a formar capacidade analítica.

Nesse sentido, talvez a principal contribuição do estudo não seja demonstrar que a inteligência artificial “prejudica o aprendizado”, como inevitavelmente sugere uma leitura rápida da manchete. O resultado é mais sofisticado e, por isso mesmo, mais importante: quando utilizada para eliminar o esforço cognitivo necessário à aprendizagem, a IA pode produzir estudantes mais eficientes na realização imediata das tarefas e, paradoxalmente, menos preparados para realizá-las sozinhos posteriormente.

A questão que escolas e universidades precisam enfrentar, portanto, não é simplesmente decidir entre permitir ou proibir a inteligência artificial. Precisamos decidir que tipo de relação queremos estabelecer entre inteligência humana e inteligência artificial dentro do processo educacional. Se a IA servir para ampliar curiosidade, capacidade crítica e autonomia, poderá tornar-se uma ferramenta extraordinária. Se servir principalmente para evitar leitura, reflexão, escrita e resolução autônoma de problemas, estaremos apenas utilizando uma tecnologia sofisticadíssima para produzir uma velha deficiência educacional: pessoas capazes de apresentar respostas sem compreender suficientemente as perguntas.

E talvez seja justamente aí que esteja o maior alerta trazido pelo estudo: uma tecnologia educacional começa a representar um problema quando deixa de ajudar o estudante a pensar e supostamente passa a pensar em seu lugar.

A corrida global por minerais críticos alimenta a militarização, a inteligência artificial e um novo ciclo de extrativismo

Novo relatório do Oakland Institute revela que inteligência artificial, indústria militar e grandes corporações impulsionam a nova onda extrativista mundial

Um novo relatório do Oakland Institute desmonta uma das narrativas mais repetidas nos últimos anos: a de que a expansão acelerada da mineração de minerais críticos ocorre principalmente para viabilizar a transição energética. O estudo “RUSH: Global Scramble for Minerals Wages War on People and Planet” argumenta que essa explicação se tornou insuficiente e, em muitos casos, serve para ocultar os verdadeiros motores da atual corrida global por cobre, lítio, níquel, cobalto e terras raras. Segundo os autores, a expansão da inteligência artificial, dos data centers, da indústria militar e das disputas geopolíticas entre Estados Unidos e China passou a exercer um papel decisivo na demanda por esses recursos.

O tema foi analisado em um artigo publicado por Chris Lang na newsletter REDD-Monitor (Substack), que apresenta uma excelente síntese das principais conclusões do relatório e as insere no contexto mais amplo da economia política contemporânea da mineração. Lang chama atenção para um dado particularmente revelador: mais de 70% da demanda atual por minerais críticos não está vinculada diretamente à transição energética, mas sim a setores como indústria automotiva convencional, comunicações, aeroespacial, tecnologia digital, inteligência artificial e complexo militar-industrial.

Essa constatação possui enorme relevância política. Durante anos, governos, organismos multilaterais e empresas mineradoras justificaram a abertura de centenas de novas minas com o argumento de que o combate às mudanças climáticas exigiria uma expansão sem precedentes da oferta de minerais. O relatório do Oakland Institute mostra que essa narrativa omite deliberadamente a explosão da demanda proveniente da militarização crescente das relações internacionais e da corrida tecnológica associada à inteligência artificial.

O documento identifica um processo de convergência entre gigantes da tecnologia, empresas de defesa, fundos de investimento e governos nacionais interessados em assegurar cadeias de suprimento consideradas estratégicas. Empresas como KoBold Metals, financiada por Bill Gates e outros investidores do setor tecnológico, aparecem como exemplos dessa nova geração de companhias que utilizam inteligência artificial para localizar jazidas minerais ao mesmo tempo em que buscam atender às necessidades futuras dos próprios data centers, da computação em larga escala e da indústria bélica.

Esse aspecto merece atenção especial no Brasil. Nos últimos meses, tenho chamado atenção para a rápida expansão dos projetos de data centers no país e para a ausência de um debate público consistente sobre seus impactos territoriais. A instalação dessas infraestruturas costuma ser apresentada como símbolo da economia digital, da inovação tecnológica e da modernização produtiva. No entanto, raramente se discute que toda essa infraestrutura depende de uma cadeia global extremamente intensiva em mineração, consumo de energia, uso de água e produção de resíduos eletrônicos.

A relação entre data centers e mineração crítica torna-se ainda mais evidente quando observamos o crescimento explosivo da inteligência artificial generativa. Cada nova geração de chips, servidores e equipamentos exige volumes crescentes de cobre, lítio, cobalto, níquel e terras raras. Dessa forma, a expansão da infraestrutura digital produz uma pressão indireta, mas extremamente poderosa, sobre territórios minerários localizados principalmente na América Latina, na África e em partes da Ásia.

Outro mérito importante do relatório consiste em recolocar a questão geopolítica no centro da discussão. A disputa entre Estados Unidos e China pelo controle das cadeias globais de minerais críticos passou a influenciar acordos internacionais, políticas de financiamento, estratégias militares e iniciativas diplomáticas. Em vez de representar apenas uma questão ambiental ou econômica, os minerais críticos tornaram-se elementos centrais da segurança nacional das grandes potências.

Enquanto isso, os custos sociais continuam recaindo sobre populações indígenas, comunidades tradicionais, agricultores familiares e trabalhadores da mineração. O relatório alerta que a abertura acelerada de centenas de novas minas tende a ampliar conflitos fundiários, deslocamentos compulsórios, contaminação por rejeitos tóxicos, perda de biodiversidade e destruição de modos de vida em uma escala ainda maior do que aquela observada nas últimas décadas.

Esse diagnóstico dialoga diretamente com inúmeros conflitos que já conhecemos no Brasil. A expansão da mineração na Amazônia, o avanço sobre terras indígenas, a crescente pressão sobre aquíferos e a multiplicação de grandes projetos de infraestrutura revelam que o país ocupa posição estratégica nessa nova divisão internacional dos recursos naturais. Caso o governo brasileiro continue tratando a mineração apenas como uma oportunidade econômica, sem fortalecer os mecanismos de controle ambiental, consulta às populações afetadas e planejamento territorial, o país poderá aprofundar um modelo primário-exportador baseado na intensificação do extrativismo e na exportação de impactos ambientais.

A principal contribuição do Oakland Institute talvez seja justamente desfazer a falsa oposição entre desenvolvimento econômico e proteção ambiental. O problema não reside simplesmente na extração de minerais necessários à descarbonização, mas no fato de que a atual corrida mineral atende, em grande medida, aos interesses da militarização global, da financeirização da economia e da expansão acelerada da inteligência artificial corporativa. Sob esse prisma, a chamada “transição verde” deixa de ser o principal motor do processo e passa a funcionar como uma narrativa legitimadora de um novo ciclo de acumulação baseado na intensificação do extrativismo.

Para países como o Brasil, a mensagem é clara. Não basta discutir quantas minas serão abertas ou quanto investimento estrangeiro será atraído. É indispensável perguntar quem controlará esses recursos, quem capturará seus benefícios econômicos e, sobretudo, quem suportará os custos sociais e ambientais dessa nova corrida global pelos minerais críticos.

Para baixar o relatório  “RUSH: Global Scramble for Minerals Wages War on People and Planet”, basta clicar [Aqui! ].

Data centers e o novo extrativismo digital: quando a inteligência artificial redefine a geografia da espoliação

Durante anos, a economia digital foi apresentada como uma alternativa limpa às atividades extrativas tradicionais. A imagem de uma “nuvem” imaterial ajudou a consolidar a percepção de que serviços digitais, inteligência artificial e computação em larga escala dependeriam muito mais de algoritmos do que de recursos naturais. Essa narrativa, contudo, começa a ruir à medida que a corrida global pela inteligência artificial exige uma expansão sem precedentes da infraestrutura física necessária para sustentar o processamento de dados.

O artigo de Lucas Zinet que foi publicado no Blog da Boitempo oferece uma contribuição importante para compreender esse fenômeno ao propor que os data centers constituem uma nova fronteira do extrativismo latino-americano. A analogia é particularmente pertinente porque revela que a economia digital não elimina a dependência de recursos naturais. Ao contrário, ela cria novas formas de apropriação intensiva de energia, água, terras e infraestrutura pública, frequentemente concentradas em países periféricos que assumem os custos ambientais enquanto capturam apenas uma parcela limitada dos benefícios econômicos.

Essa interpretação merece especial atenção no caso brasileiro. O país reúne exatamente os atributos mais cobiçados pelas grandes empresas globais de tecnologia: disponibilidade crescente de energia renovável, abundância relativa de água doce, extensas áreas para implantação de infraestrutura e uma posição geográfica estratégica para conexões internacionais por cabos submarinos. Não surpreende, portanto, que estados como Ceará, Bahia e Rio Grande do Sul disputem investimentos bilionários para atrair grandes centros de processamento de dados.

O problema reside na natureza dessa disputa. Os governos oferecem incentivos fiscais, infraestrutura energética subsidiada e facilidades regulatórias sob a promessa de geração de empregos e desenvolvimento regional. Entretanto, uma vez concluída a fase de construção, os data centers operam com um contingente relativamente pequeno de trabalhadores altamente especializados. Em outras palavras, trata-se de empreendimentos intensivos em capital, consumo energético e uso de recursos naturais, mas pouco intensivos em emprego.

Essa dinâmica guarda impressionantes semelhanças com outros enclaves de exportação que marcaram a história econômica latino-americana. Minas, monoculturas de exportação, grandes complexos portuários e agora data centers compartilham uma característica fundamental: organizam o território segundo as necessidades das cadeias globais de acumulação, deslocando para as populações locais os custos ambientais e sociais da atividade econômica.

No Brasil, essa lógica já pode ser observada na associação entre grandes projetos portuários, expansão da geração elétrica e instalação de infraestrutura digital. Não se trata apenas da construção de edifícios repletos de servidores, mas da reorganização de sistemas elétricos, redes de transmissão, disponibilidade hídrica e políticas públicas voltadas prioritariamente para atender às demandas das grandes plataformas digitais.

Outro aspecto particularmente relevante consiste no consumo crescente de água e eletricidade. Embora as empresas enfatizem avanços tecnológicos em eficiência energética e sistemas modernos de resfriamento, a expansão simultânea da inteligência artificial faz com que o consumo absoluto continue aumentando. Em regiões já sujeitas à insegurança hídrica ou à pressão sobre os sistemas elétricos, essa demanda adicional pode intensificar conflitos pelo acesso aos recursos naturais.

Há ainda uma dimensão geopolítica frequentemente negligenciada. Os dados tornaram-se um ativo estratégico comparável ao petróleo no século XX. Entretanto, enquanto muitos países latino-americanos fornecem energia, água e território para a instalação dessa infraestrutura, o controle das plataformas, dos algoritmos, da propriedade intelectual e da renda permanece concentrado nas grandes corporações sediadas nos Estados Unidos e na China. Assim, a promessa de inserção na economia digital pode reproduzir uma velha condição periférica: exportam-se recursos naturais e importam-se tecnologias e dependência.

Essa constatação não implica rejeitar a expansão da infraestrutura digital nem ignorar sua importância econômica. O desafio consiste em impedir que a transição para a economia da inteligência artificial repita os mesmos padrões históricos de espoliação que caracterizaram sucessivos ciclos extrativos na América Latina. Isso exige políticas públicas capazes de estabelecer contrapartidas efetivas, assegurar transparência sobre os custos ambientais, proteger os recursos hídricos, garantir tarifas energéticas socialmente justas e ampliar a apropriação local do conhecimento produzido.

O artigo publicado no Blog da Boitempo cumpre um papel importante justamente por deslocar o debate para além do fascínio tecnológico. Os data centers não representam apenas infraestrutura digital. Eles materializam uma nova etapa da disputa global por energia, água, território e soberania tecnológica. Em um momento em que governos disputam investimentos das gigantes da inteligência artificial, torna-se indispensável perguntar quem controlará essa infraestrutura, quem ficará com seus lucros e quem suportará seus custos ambientais e sociais.

Responder a essas perguntas talvez seja uma das tarefas mais urgentes para aqueles que pretendem construir uma economia digital que não reproduza, sob novas formas, as antigas veias abertas do extrativismo latino-americano.

Quando a inteligência artificial encontra resistência: a revolta popular contra os data centers chega ao coração dos EUA

Durante muito tempo, as grandes empresas de tecnologia conseguiram vender a expansão da inteligência artificial como um processo inevitável, sinônimo de progresso, inovação e desenvolvimento econômico. Entretanto, uma reportagem de Pamela Ferdinand, publicada pelo The New Lede, mostra que essa narrativa começa a encontrar um obstáculo inesperado: a resistência organizada das populações locais que serão obrigadas a conviver com a infraestrutura física necessária para sustentar a chamada revolução da IA.

O caso descrito na reportagem ocorre no estado do Kansas, onde moradores passaram a questionar a instalação de enormes centros de processamento de dados (data centers) destinados principalmente ao treinamento e funcionamento de sistemas de inteligência artificial. Embora frequentemente apresentados como empreendimentos de alta tecnologia e baixo impacto ambiental, esses complexos exigem enormes quantidades de eletricidade e água, além de provocar ruído permanente, ocupar extensas áreas de terra e demandar novas linhas de transmissão elétrica. O que parecia uma infraestrutura invisível revela, na prática, uma pesada pegada territorial.

O aspecto mais interessante da reportagem talvez seja mostrar que a oposição não decorre de um movimento ideológico tradicional. Agricultores, moradores rurais, conservadores, ambientalistas e representantes de diferentes espectros políticos começam a compartilhar preocupações semelhantes. A questão deixa de ser simplesmente tecnológica para assumir uma dimensão profundamente territorial: quem suporta os custos ambientais e sociais da economia digital?

Esse fenômeno merece atenção especial no Brasil. Existe uma tendência recorrente de imaginar que a economia digital ocupa apenas o “mundo virtual”. Na realidade, a inteligência artificial depende de uma infraestrutura extremamente material: minas para extração de minerais estratégicos, fábricas de semicondutores, grandes sistemas de geração elétrica, redes de transmissão, cabos submarinos e gigantescos centros de dados funcionando ininterruptamente. Em outras palavras, o aparente caráter imaterial da IA repousa sobre uma base física que consome recursos naturais em escala crescente.

É justamente essa materialidade que começa a alimentar conflitos socioambientais. Nos Estados Unidos, comunidades locais passaram a perguntar por que deveriam aceitar aumentos na demanda por energia, maior consumo de água e alterações na paisagem para atender empresas globais cujos lucros dificilmente permanecerão no território. A promessa de geração de empregos também perde força quando se observa que, após a fase de construção, os data centers operam com um número relativamente reduzido de trabalhadores altamente especializados.

Essa situação lembra, em muitos aspectos, os conflitos provocados por grandes projetos extrativos e de infraestrutura observados há décadas em diferentes partes do mundo. Muda a mercadoria, muda a tecnologia, mas permanece a mesma lógica de concentração dos benefícios econômicos e distribuição desigual dos custos ambientais. Em vez de minas de carvão ou grandes barragens, surgem agora verdadeiras “fábricas digitais” cujo funcionamento depende de um fluxo contínuo de energia, água e capital.

Não por acaso, a resistência também cresce rapidamente em outros estados norte-americanos. Protestos simultâneos ocorreram recentemente em dezenas de estados, enquanto diversos projetos foram suspensos, adiados ou rejeitados por governos locais em razão da pressão popular. A expansão da infraestrutura da inteligência artificial começa, assim, a enfrentar um problema que seus promotores não anteciparam: a perda de sua licença social para operar.

No Brasil, esse debate ainda engatinha. Entretanto, seria um erro imaginar que permaneceremos à margem dessa corrida global. A crescente demanda por eletricidade, água e minerais estratégicos tende a ampliar a pressão sobre nossos sistemas ambientais, especialmente em regiões já marcadas pela expansão do agronegócio, da mineração e dos grandes projetos energéticos. Se nada mudar, a inteligência artificial poderá acrescentar uma nova camada à já extensa lista de conflitos territoriais produzidos pelo capitalismo contemporâneo.

Talvez a principal contribuição da reportagem de Pamela Ferdinand seja justamente desfazer uma ilusão bastante difundida: a de que a inteligência artificial habita apenas a nuvem. Na realidade, essa “nuvem” possui endereço, ocupa território, consome recursos naturais e produz impactos ambientais concretos. E, como demonstra o caso do Kansas, as comunidades diretamente afetadas começam a dizer que não pretendem pagar essa conta em silêncio.

Ética em pesquisa e IA generativa: por uma abordagem crítica e soberana

Por Deisy Ventura, professora títular da Faculdade de Saúde Pública da USP,  para o “Jornal da USP”

Impulsionada em escala global por grandes corporações estrangeiras, a vertiginosa generalização do emprego de ferramentas de Inteligência Artificial Generativa (IAGen) no cotidiano acadêmico traz importantes desafios éticos, em particular para a ética em pesquisa. Antes de abordar alguns deles, lembro que atualmente “80% das universidades brasileiras dependem de Google ou Microsoft”, como indica o Caderno Vozes da Ciência, recentemente publicado pela Sociedade Brasileira pelo Progresso da Ciência (SBPC). Resultante de um ciclo de debates do qual tive a honra de participar, este valioso documento formula 117 propostas para “o Brasil que queremos”, entre elas as que buscam assegurar a soberania digital e tecnológica brasileira.

O primeiro desafio que enfrentamos é resgatar a história da ciência. A atribuição às máquinas de tarefas outrora exclusivamente humanas inscreve-se em um longo debate sobre as relações entre ética, técnica e produção científica. Numerosos autores demonstraram como as tecnologias, impulsionadas por imperativos econômicos, avançaram de forma alheia, senão antagônica, à reflexão e ao pensamento crítico, deixando a ética isolada em algum rincão das ciências ditas sociais e humanas. Podemos escolher os anos 1970 para resgatar Hans Jonas, filósofo alemão que em diversas obras apontou a responsabilidade dos cientistas pelos efeitos devastadores do “progresso”, e o quanto a “novidade” (“o epíteto laudatório novo”) pode funcionar como salvo-conduto para agir sem precaução nem dever de prestar contas. Porém, muito antes de Jonas e outros tantos pensadores ocidentais, os povos originários já nos alertavam para a possível confusão entre avanço tecnológico e progresso humano; a repartição brutalmente assimétrica dos benefícios e danos oriundos da técnica; e o modo pelo qual, nas palavras de Ailton Krenak, estamos vendendo o amanhã – aliás, a um preço módico.

O segundo desafio é reconhecer que a IA não avança em ambiente “neutro”. A extração de grandes volumes de dados sem prévio consentimento esclarecido e sem contrapartida à altura; a presença de vieses em ferramentas aparentemente anódinas; e a subtração a modalidades de controle legal e social, do ponto de vista das big techs, constituem funcionalidades dessas tecnologias, e não disfunções. Todos sabemos que tais atributos servem não apenas aos vultosos lucros que envolvem a chamada “economia de dados”, mas também aos ecossistemas de desinformação dotados de financiamento bilionário e objetivos político-ideológicos ostensivos, que vêm desempenhando papel importante na crescente ascensão global das extremas direitas. Exceto pela escala e pela velocidade, tampouco estamos diante de uma novidade. O mesmo homem pode aceitar boquiaberto os mais fantasiosos relatos e rejeitar com desprezo as verdades mais solidamente estabelecidas, escreveu Marc Bloch em suas Reflexões de um historiador sobre as notícias falsas da guerra (1921). Soldado durante a Primeira Guerra e fuzilado pela Gestapo durante a Segunda, Bloch foi recentemente homenageado com a entrada simbólica no Panteão francês. Fascinado pela credulidade humana, concluiu que o sucesso de uma notícia falsa nasce de representações coletivas pré-existentes, como medos, ódios e preconceitos. Assim, o processo pelo qual mentiras deslavadas tornam-se grandes lendas não se explica pela ignorância, e sim pela existência de um ambiente favorável a elas. Lamento constatar que hoje, em matéria de plágio, fabricação ou falsificação de dados, considerados as más práticas científicas mais graves, enfrentamos um verdadeiro boom de empreendedorismo.

Isto nos leva a um terceiro desafio: discernir o modus operandi das big techs e de seus aliados, que compreende tanto a coerção como a propaganda. Começando pela imposição, muitos motores de busca, softwares e aplicativos que utilizamos cotidianamente não oferecem a opção de recusa à IA. Sendo condição de acesso aos conteúdos que de fato buscamos, ignorá-la exige um gesto contraintuitivo. Mesmo quando a desativação é possível, nem sempre temos o letramento necessário para fazê-la. Por outro lado, ao lidar com outros serviços públicos ou privados que impõem diferentes modalidades de IA, não raro sofremos um atendimento ansiogênico, redutor das demandas do cidadão ou consumidor a alternativas enviesadas, por vezes tornando impossível uma efetiva interação. Ademais, a persistente exclusão digital de diversos grupos é demonstrada em inúmeras pesquisas.

Sobre a propaganda, limito-me a abordar quatro de suas muitas dimensões. A primeira é o determinismo que apregoa a inexorabilidade da disseminação da IAGen: estaríamos diante de uma ruptura antropológica maior, de caráter irreversível. Todavia, colegas como Anne Alombert, filósofa e professora da Universidade de Paris 8, questionam a natureza desta ruptura, eis que a IA dá continuidade à externalização de funções humanas. Enquanto por meio dos algoritmos de recomendação externalizamos nossa capacidade de decidir o que ver, o que consumir, quem seguir etc., por meio da IAGen transferimos a sistemas probabilísticos a nossa capacidade de expressão. Modelos se expressam em nosso lugar por meio de categorias que não provêm de nossas trajetórias, sempre únicas, mas sim de cálculos sobre volumes de dados, orientados por critérios opacos e de rastreabilidade limitada ou inexistente. No artigo Curar a estupidez artificial, Alombert aponta os efeitos nefastos da generalização do uso subalterno da IAGen, entre eles a dependência cognitiva dos indivíduos: quanto menos exercemos a capacidade de triar e organizar as informações, a memória, a criatividade ou a busca de sentido, menos estamos treinados para pensar de forma autônoma. Além disso, o espaço simbólico é uniformizado pela “média”, paulatinamente eliminando singularidades, inclusive idiomáticas. Ao “fotocopiar indefinidamente a fotocópia”, favorece a esterilização cultural.

Na mesma direção, a cientista política de origem tunisiana Asma Mhalla, professora da Politécnica de Paris, autora do livro Cyberpunk: o novo sistema totalitário, se diz impressionada não com a suposta ruptura, e sim com o rolo compressor imposto pelas infraestruturas digitais, concentradas em um punhado de atores poderosos. A propalada irreversibilidade está sendo imposta na prática, por meio de imponentes pressões econômicas e políticas. Logo, a questão não é a máquina, e sim quem a governa ou desgoverna. A tecnologia deveria ser usada como um instrumento do bem comum, e não como ferramenta de dominação e exploração. Especialmente no meio universitário, creio que o argumento da suposta inexorabilidade serve para nos desalojar de nossa condição de sujeitos responsáveis, elemento central da ética, e obnubilar nossa capacidade de agir. Ambas precisam ser recuperadas não para que recusemos a tecnologia, e sim para que decidamos conscientemente quando, como e com que finalidade a utilizaremos, sempre avaliando com transparência e rigor os efeitos de seu uso.

Uma segunda dimensão da propaganda é a desqualificação sistemática de quem questiona o uso da IA, apontado como anacrônico, vetusto, reacionário ou tecnofóbico, responsáveis pelo “atraso” de nosso mergulho no admirável mundo novo da IA. A desqualificação contrasta, porém, com a seriedade e a competência de colegas como os do MIT (Massachusetts Institute of Technology) que demonstram a queda de desempenho nos níveis neural, linguístico e comportamental de pessoas que utilizam o ChatGPT em certas condições. Também é o caso dos profissionais que vêm comprovando nosso grau de dependência das infraestruturas tecnológicas externas, como pesquisadores da USP e da Universidade de Brasília (UnB) que criaram um índice de soberania digital. Enquanto China, França, Rússia e Estados Unidos ocupam os primeiros lugares do ranking, grande parte de África, América Latina e Sudeste Asiático depende de um restrito clube de corporações estrangeiras, reproduzindo, sob o manto do “novo”, a velha clivagem Norte/Sul, levando a literatura acadêmica a falar de colonialismo de dados ou digital.

Uma terceira dimensão que atinge particularmente nossas agendas e métodos de pesquisa é a intensa propaganda sobre os benefícios da IAGen, que contribuiria para aumentar e acelerar a produtividade, em especial para lidar com grandes volumes de dados. Essas ferramentas se tornariam imprescindíveis para uma produção científica atualizada e de qualidade, e deveriam ser utilizadas também na avaliação da produção acadêmica. Aqui reconhecemos a disputa permanente pela definição do que é ciência e o legado colonial de importação de padrões de excelência.

Entre os incontáveis riscos da “excelência artificial”, sublinho que, no atual contexto de superficialidade e desatenção coletivas, decorrentes justamente do estágio de automação que alcançamos, é evidente a tolerância a sínteses incorretas ou enviesadas, a mediocridade e o reducionismo de textos, os erros crassos ou sutis de tradução, os mal-entendidos e as imprecisões técnicas. Quando apontados, rapidamente se opera a transferência de responsabilidades do sistema ao indivíduo: perguntas ou prompts é que teriam sido mal formulados; seria preciso “ensinar” ou “treinar” corretamente a IA; a falha seria da revisão etc. Diga-se de passagem, essas ferramentas, na verdade, não aprendem nem conversam, tampouco são inteligentes, razão pela qual Alombert prefere chamá-las de autômatos computacionais interativos, recusando metáforas antropomórficas que servem a naturalizá-las.

Neste ponto, urge recordar que o papel da universidade brasileira não é formar revisores de textos gerados por algoritmos, tampouco reproduzir de forma acrítica interesses de corporações estrangeiras ao facultar-lhes o acesso a lucrativos ou estratégicos acervos de dados arduamente construídos, inclusive com recursos públicos.

A quarta dimensão da propaganda alardeia que a regulação do uso da IAGen seria suficiente para evitar riscos e derivas. Ela enseja também um grande desafio, entre os tantos que o espaço de um artigo não permite abordar. Note-se que diversos defensores da suficiência regulatória são contratados por empresas de tecnologia ou conduzem pesquisas financiadas por elas, mas nem sempre declaram conflitos de interesse. Também é importante registrar que, apesar desta propaganda, na prática, as big techs investem agressivamente contra qualquer regulação, e igualmente contra juízes, tribunais e governos capazes de aplicá-la. Em qualquer caso, trata-se de uma ética a posteriori, ou seja, de princípios propostos após a comercialização massiva de ferramentas, muitos deles sendo violados de forma corriqueira até mesmo por quem os propõe.

Neste cenário, será decisivo o papel das Comissões de Ética em Pesquisa (CEPs), que precisam ter voz ativa nos processos regulatórios, não apenas pela função que desempenham, mas sobretudo pelas décadas de experiência que acumulam. No mês passado, tive a oportunidade de participar de um evento que abordou tais desafios regulatórios, organizado pela Pró-Reitoria de Pesquisa e Inovação, que reuniu as CEPs da USP, na atenta presença da Pró-Reitora, professora Maria Helena Palucci Marziale, com curadoria da professora Ana Paula Magalhães, da Faculdade de Filosofia, Letras e Ciências Humanas da USP.

No referido evento, compartilhei uma mesa com a pesquisadora Márcia Azevedo Coelho, da Cátedra Alfredo Bosi de Educação Básica (Instituto de Estudos Avançados da USP), cujos estudos sobre o uso da IAGen nas escolas eu já admirava. Ela destacou os limites de iniciativas como a Portaria CNPq n. 2.664, de 6 de março de 2026, que apesar de representarem um avanço, não dão conta de problemas éticos importantes como o risco de dependência na formulação de problemas de pesquisa; o condicionamento epistêmico pelas limitações da ferramenta em uso; a análise de dados feita por meio de sistemas opacos, não rastreáveis e de reprodutibilidade incontrolada, podendo comprometer a validade dos achados, entre muitos outros. O depoimento de pesquisadores que usam a IAGen com a devida precaução é também importante, e por certo trará à luz novas dificuldades.

Desculpando-me de antemão pela analogia, o encorajamento acrítico do uso da IAGen no meio universitário faz lembrar a propaganda das Bets, ao pedir que pesquisadores “joguem com responsabilidade” na ausência de regras e controle adequados. As derrotas em cascata que se anunciam vão da dependência cognitiva individual à dependência tecnológica nacional. Mas há também o pêndulo percebido por Marc Bloch, a oscilar entre a credulidade inocente e a desconfiança generalizada. Mesmo letrados, podemos hesitar em nossa percepção do que é real ou artificial. Cresce o risco de perda da confiança na ciência, que induz a cidadania a renunciar ao usufruto de seus resultados. Por tudo isto, nossos desafios devem ser enfrentados com urgência, não apenas por especialistas em IA, mas por todos os pesquisadores, pelo Estado e pela sociedade brasileira.

________________
(As opiniões expressas nos artigos publicados noJornal da USP são de inteira responsabilidade de seus autores e não refletem opiniões do veículo nem posições institucionais da Universidade de São Paulo. Acesse aqui nossos parâmetros editoriais para artigos de opinião.)


Fonte: Jornal da USP

A inteligência artificial ameaça soterrar a ciência

Os problemas revelados no arXiv mostram que a crise atual não decorre apenas da velocidade com que produzimos artigos científicos, mas da crescente dificuldade de separar conhecimento original de conteúdo gerado em escala por algoritmo

O arXiv representa uma das maiores conquistas da ciência aberta. Desde sua criação, em 1991, democratizou o acesso ao conhecimento, acelerou a circulação de resultados científicos e reduziu a dependência dos periódicos tradicionais como único meio de divulgação da pesquisa. Para inúmeras áreas, especialmente Física, Matemática e Ciência da Computação, tornou-se uma infraestrutura essencial da ciência contemporânea.

Entretanto, duas publicações recentes chamam atenção para problemas que podem comprometer esse patrimônio coletivo.  A primeira, publicada na Nature, revela que milhões de preprints depositados no arXiv contêm informações que jamais deveriam ter sido disponibilizadas publicamente. Senhas, coordenadas geográficas de locais sensíveis, conversas privadas, nomes de arquivos internos e outros metadados permanecem embutidos nos documentos submetidos, expondo pesquisadores e instituições a riscos desnecessários. O problema não está apenas no texto principal dos artigos, mas nos arquivos-fonte e nos metadados que acompanham as submissões. A segunda reflexão, publicada pelo portal The Geyser, levanta uma questão ainda mais inquietante: estaria o arXiv deixando de ser um repositório de preprints produzidos por pesquisadores para se transformar em uma espécie de “AIXiv”, inundado por manuscritos produzidos ou fortemente assistidos por inteligência artificial (IA)?

Embora o título do The Geyser seja provocativo, ele aponta para uma transformação real. Nunca foi tão fácil produzir artigos científicos. Modelos de linguagem conseguem elaborar revisões bibliográficas, estruturar argumentos, gerar códigos, criar gráficos e até redigir manuscritos inteiros em poucas horas. Se antes o principal gargalo da ciência era produzir conhecimento, hoje um dos gargalos passa a ser distinguir produção científica relevante de uma avalanche de textos tecnicamente bem escritos, mas intelectualmente pouco originais.

Esse fenômeno produz uma contradição importante. A IA pode ampliar enormemente a produtividade científica, permitindo que pesquisadores dediquem mais tempo às perguntas relevantes e menos às tarefas mecânicas. Contudo, ela também reduz drasticamente o custo de produzir artigos medianos. Quando o custo de escrever cai quase a zero, o incentivo passa a ser publicar cada vez mais, independentemente da contribuição efetiva.

A consequência pode ser uma inflação científica. Não necessariamente de conhecimento, mas de documentos.  Nesse contexto, o arXiv ocupa uma posição particularmente delicada. Sua missão nunca foi funcionar como um filtro editorial, mas como um mecanismo rápido de disseminação do conhecimento. Essa filosofia foi extremamente bem-sucedida durante mais de três décadas. Entretanto, a escala atual da produção científica — potencializada pela IA generativa — pode exigir novos mecanismos de verificação e controle de qualidade que preservem o espírito da ciência aberta sem permitir que ela seja soterrada por uma avalanche de conteúdo automatizado. O próprio debate em torno da independência institucional recentemente adquirida pelo arXiv já reconhece o desafio de enfrentar o chamado AI slop, isto é, o excesso de conteúdo gerado por IA de baixa qualidade.

Existe ainda uma questão menos discutida, mas igualmente importante. A ciência não é apenas um produto final; ela é um processo social de construção do conhecimento. Hipóteses são refinadas, erros são identificados, argumentos amadurecem por meio da crítica entre pares. Se a produção de artigos passar a ocorrer em ritmo muito superior à capacidade humana de leitura, avaliação e reprodução dos resultados, cria-se um desequilíbrio perigoso entre a velocidade da produção e a velocidade da validação científica. Alguns estudos já alertam que as ferramentas de IA estão acelerando a escrita muito mais rapidamente do que a capacidade do sistema de revisão por pares de acompanhar esse crescimento.  O risco, portanto, não reside na inteligência artificial em si. O problema está na combinação entre incentivos acadêmicos baseados em quantidade de publicações, facilidade extrema de geração de manuscritos e limitações humanas para avaliar esse volume crescente de informação.

Paradoxalmente, a IA pode tanto fortalecer quanto enfraquecer a ciência aberta. Ela amplia o acesso ao conhecimento, mas também pode obscurecê-lo sob uma montanha de textos redundantes, superficiais ou insuficientemente verificados.

Talvez a pergunta mais importante já não seja se a IA escreverá artigos científicos — isso já está acontecendo e aparentemente em quantidades massivas. A verdadeira questão é se conseguiremos preservar os princípios fundamentais da atividade científica: originalidade, transparência, verificabilidade e honestidade intelectual.  É que no fim das contas, a ciência nunca se mediu pelo número de PDFs produzidos, mas pela capacidade de gerar conhecimento confiável capaz de transformar nossa compreensão do mundo e produzir transformações tangíveis no entendemos ser conhecimento científico.

Formigas inspiram IA e intrigam cientistas com inteligência coletiva

Obra reúne 144 cientistas para apresentar o estado da arte da mirmecologia do Brasil, e revelar por que o país concentra a maior diversidade de formigas do planeta

Brasil é o país com a maior diversidade de formigas do mundo. Foto: Matheus Bertelli/Pexels

Por Lívia Inácio para Ciência UFPR 

Elas inspiram algoritmos, podem cultivar fungos e se orientar pela mata com precisão. As donas desse currículo impressionante são as formigas. O Brasil abriga a maior diversidade delas: são 1.737 espécies e subespécies registradas até 2025. Globalmente, estima-se que existam cerca de 20 quatrilhões de indivíduos, o equivalente a 2,5 milhões de formigas para cada ser humano do planeta.

O livro Brazilian Myrmecology: Exploring the World’s Richest Ant Fauna (Mirmecologia brasileira: explorando a fauna de formigas mais rica do mundo, em tradução livre), publicado no fim do ano passado, investiga esse universo, documentando a evolução da mirmecologia (área que estuda formigas) desde os primeiros naturalistas até pesquisas contemporâneas em taxonomia, ecologia e comportamento.

Organizada pelos pesquisadores Rodrigo Machado Feitosa, do Departamento de Zoologia da Universidade Federal do Paraná (UFPR); Carla Rodrigues Ribas, da Universidade Federal de Pernambuco (UFPE); e Fernando Augusto Schmidt, do Centro de Ciências Biológicas e da Natureza da Universidade Federal do Acre (UFAC), a obra conta com a participação de 144 cientistas de 48 instituições e diferentes gerações.

Se organizar direitinho, todo mundo se orienta

Um dos aspectos mais surpreendentes que o livro descreve são os modelos de organização das formigas. “Na chamada inteligência coletiva, decisões complexas emergem da cooperação entre muitos indivíduos, e não do controle exercido por um só organismo”, diz Feitosa em entrevista à Ciência UFPR.

Em biomas como o Pantanal, que sofrem inundações sazonais, formigas desenvolveram táticas como a migração vertical, mudando colônias inteiras temporariamente para o topo das árvores até que as águas baixem. Em situações de ataque, algumas espécies formam campos de sobrevivência, evacuando o ninho em massa com suas crias até o perigo passar.

A inteligência coletiva também se manifesta em parcerias entre espécies. É o que ocorre com a Camponotus femoratus e a Crematogaster levior, que compartilham trilhas e ninhos, se beneficiando mutuamente da defesa e da busca por recursos.
A cooperação ainda fornece base matemática para algoritmos que vasculham e organizam grandes volumes de informação.

Um exemplo vem das operárias da espécie Acromyrmex crassispinus. Elas ajustam o uso do espaço nas trilhas entre o ninho e as fontes de alimento, e compartilham as rotas por meio de contato tátil e feromônios (substâncias químicas que funcionam como sinais de orientação). Isso reduz erros de navegação em bifurcações e evita congestionamentos.As formigas do gênero Pachycondyla, por sua vez, utilizam a chamada corrida em tandem, na qual uma formiga experiente guia outra até a fonte de alimento, transmitindo o caminho de forma precisa às demais.

Em sistemas de logística, algoritmos simulam milhares de formigas explorando diferentes rotas de entrega. À medida que caminhos mais eficientes são encontrados, essas rotas recebem um reforço digital semelhante às trilhas químicas deixadas pelos animais, fazendo com que o sistema convirja para as melhores opções e reduza o tempo de deslocamento e o consumo de combustível. Essa lógica também é usada em modelos algorítmicos que precisam encontrar informações em grandes bancos de dados, evitando rotas redundantes da informação.

Cabe lembrar, porém, que os feromônios e o contato tátil não são os únicos recursos de orientação. Dependendo da espécie e do ambiente em que vivem, as formigas combinam diferentes ferramentas de navegação. Algumas utilizam o padrão formado pelo dossel das árvores ou a luz polarizada do sol para encontrar o caminho de volta ao ninho com precisão. Outras, como a Mayaponera constricta, possuem partículas magnéticas no corpo que permitem perceber o campo magnético da Terra, funcionando como uma espécie de bússola natural. A combinação dessas estratégias garante deslocamentos eficientes mesmo em ambientes complexos e segue inspirando pesquisas em robótica e sistemas autônomos.

Aliadas da ciência

Outro campo de contribuição das formigas é a área forense. “Determinadas espécies visitam cadáveres em diferentes estágios de decomposição e o conhecimento sobre esse comportamento pode auxiliar peritos a interpretar evidências e reconstruir circunstâncias relacionadas a investigações criminais”, diz o professor.

A relação estreita com o ambiente também faz das formigas importantes aliadas da ciência. Por responderem rapidamente a alterações ambientais, elas são consideradas bons bioindicadores da qualidade dos ecossistemas.

“Como praticamente todas as espécies dependem da temperatura e da umidade para realizar suas atividades, mudanças climáticas podem modificar profundamente sua distribuição e abundância”, diz Feitosa.

Além de sinalizar transformações ambientais, ainda desempenham funções essenciais para os ecossistemas: dispersam sementes, reciclam nutrientes, controlam populações de outros insetos, modificam a estrutura do solo e servem de alimento para diversos animais.

Donas da terra

A ciência sabe também que, há dezenas de milhões de anos, algumas formigas já cultivavam fungos para alimentação. As dos gêneros Atta e Acromyrmex coletam e processam grandes quantidades de material vegetal, mantendo jardins de fungos altamente organizados e protegidos contra patógenos.

A parceria com a natureza ainda se reflete em espécies que incorporam sementes de plantas às paredes de seus ninhos. À medida que as plantas crescem, fornecem sustentação física e recursos para as formigas. Em contrapartida, recebem nutrientes e proteção contra herbívoros, formando uma relação de benefício mútuo.

Por todo esse potencial, o professor reforça a importância da preservação. Segundo ele, regiões mais quentes e secas tendem a favorecer poucas espécies generalistas, enquanto espécies mais especializadas ou restritas a determinados ambientes podem desaparecer localmente, reduzindo a diversidade das comunidades e comprometendo o equilíbrio ecológico.

“Compreender como as formigas respondem às mudanças climáticas pode ajudar a identificar áreas prioritárias para conservação e antecipar os efeitos sobre outros grupos de organismos”, finaliza.

➕ Acesse o livro Brazilian Myrmecology: Exploring the World’s Richest Ant Fauna (em inglês; aberto) 


Fonte: Ciência UFPR

Editor de revista de neurociência renuncia devido a preocupações com uso de IA na seleção de revisores

O editor demitiu-se depois que o sistema de inteligência artificial da editora anulou sua seleção de revisores para um manuscrito. Sua atitude motivou uma revisão interna do sistemaCódigo de computador.

Configurações automáticas: Os recursos automatizados utilizados na Frontiers, editora com sede na Suíça, ajudam os editores a identificar e convidar revisores por pares. Fotograzia / Getty Images
Por Dalmeet Singh Chawla, Escritor colaborador, para “The Transmitter” 

Um editor associado da Frontiers in Systems Neuroscience renunciou ao cargo em protesto contra o sistema de inteligência artificial (IA) da editora, argumentando que seu uso indevido está comprometendo a integridade acadêmica da revista. 

Michael Okun , professor associado de neurociência da Universidade de Nottingham, anunciou sua renúncia nas redes sociais em 10 de junho, depois que funcionários da revista científica lhe disseram que não podiam desativar as ferramentas de inteligência artificial que encontram automaticamente potenciais revisores por pares.

Os recursos fazem parte do sistema Artificial Intelligence Research Assistant (AIRA) da editora, que a Frontiers lançou há alguns anos com o objetivo de auxiliar os editores na realização da revisão por pares, entre outros motivos .

Em entrevista ao The Transmitter , Okun explicou que, no início de maio, recebeu um pedido da revista para revisar um manuscrito sobre a dinâmica de redes neuronais. Ele o enviou para cerca de meia dúzia de potenciais revisores, mas antes que qualquer um deles aceitasse seu pedido, a AIRA começou a enviar seus próprios pedidos de revisão para outros pesquisadores , conta Okun. Dois revisores contatados pela AIRA — que não tinham experiência relevante, segundo Okun — aceitaram os pedidos. 

Isso levou Okun a alertar a Frontiers sobre o problema. Okun afirma que lhe disseram para ignorar os pedidos enviados pela AIRA e continuar buscando revisores por conta própria. Mas quando ele fez isso e um dos especialistas convidados aceitou o convite, a AIRA revogou todos os outros convites. “É simplesmente inconcebível que um convite feito manualmente a alguém que é de fato um especialista na área seja revogado poucas horas depois de enviado”, diz Okun. 

Isso foi um fator decisivo para Okun. “A revista quer publicar o máximo de artigos possível e não se importa muito com a qualidade”, diz ele. “Esses não são bugs, mas sim recursos intencionais, projetados para eliminar ao máximo a intervenção dos editores humanos.”

Em um comunicado enviado ao The Transmitter , Frederick Fenter , editor-chefe executivo da Frontiers em Lausanne, Suíça, afirma que cada recurso desenvolvido pela Frontiers visa economizar tempo para os cientistas, permitindo que eles se concentrem em suas pesquisas. “Lamentamos que o Dr. Okun tenha tido uma experiência negativa, e meu convite para discutir suas preocupações diretamente permanece em aberto.”

Fenter observa que os editores têm a capacidade de suspender os convites para revisores a qualquer momento, algo que não ficou claro no caso de Okun. Portanto, a Frontiers está conduzindo uma revisão interna, diz Fenter, para apurar onde ocorreu a falha de comunicação e garantir que incidentes semelhantes não se repitam no futuro.

O jornal The Transmission entrou em contato com dezenas de editores listados no site  da Frontiers in Systems Neuroscience .

Um deles, Shuzo Sakata , professor de neurociência de sistemas na Universidade de Strathclyde, diz ter tido uma experiência semelhante com o sistema automatizado da revista. ” Mesmo depois de eu ter decidido rejeitar um manuscrito, o sistema convidou outro revisor sem a minha permissão”, lembra Sakata.

Sakata afirma que não aceita mais os pedidos da revista para supervisionar a edição. ” A automação é importante e muitas vezes útil, mas o sistema deles ultrapassou os limites.” 

Vários outros editores consultados pelo The Transmitter disseram não ter enfrentado os mesmos problemas com a AIRA que Okun destacou, alguns observando que não editaram muitos artigos para a revista. 

Outros pesquisadores observaram que a AIRA os contata com solicitações incomuns. “A Frontiers está constantemente me enviando pedidos de revisão ou edição que não têm nada a ver com minha área de especialização”, diz Earl K. Miller , professor de neurociência da Cátedra Picower no Instituto de Tecnologia de Massachusetts. 

“Recebo pedidos frequentes para atuar como editor, mas em 97% dos casos o manuscrito em questão não se relaciona com minha área de especialização”, acrescenta Mathew Diamond , que lidera o Laboratório de Explorações das Bases Neuronais da Experiência Sensorial na Escola Internacional de Estudos Avançados. 

De acordo com Fenter, a Frontiers utiliza IA desde 2018 para ajudar seus editores a identificar e convidar revisores. 

Mas o julgamento humano é fundamental para o processo, afirma ele. “Os editores mantêm total discricionariedade sobre o uso de sugestões automatizadas; eles podem revisar todas as recomendações antes do envio de qualquer convite, decidir quem será convidado e em que ordem, e podem adicionar, remover ou reatribuir revisores a qualquer momento”, acrescenta Fenter. “As decisões de aceitar ou rejeitar sempre cabem a um editor humano, sem exceção.” 

Quanto ao uso de IA para auxiliar os editores, Fenter afirma que isso traz benefícios claros: o tempo médio para encontrar revisores dispostos a realizar o trabalho caiu 30% na Frontiers no último ano. Os dados da Frontiers sugerem que 80% dos editores responsáveis ​​pela gestão dos artigos consideram a automação útil e que ela agiliza a atribuição de revisores, diz Fenter, e 94% dos autores classificam sua experiência de revisão por pares como boa ou excelente. 

“Os editores também contam com o apoio de uma Equipe de Integridade em Pesquisa dedicada, que supervisiona as verificações automatizadas de qualidade em todas as etapas do nosso processo editorial”, escreve Fenter. “Continuamos comprometidos em manter a expertise humana no centro da revisão por pares e em contribuir abertamente para o debate mais amplo sobre o uso responsável da IA ​​na publicação acadêmica.”

Okun afirma que a ideia de usar grandes modelos de linguagem para encontrar especialistas externos é boa. “Sou totalmente a favor, desde que o editor humano seja consultado”, diz ele. 

Por outro lado, Okun afirma que também não vê problema em um sistema totalmente automatizado, desde que as editoras divulguem que toda a edição foi feita por IA. “Desde que seja honesto e não se coloque simplesmente o nome de alguém, isso também é perfeitamente aceitável”, diz ele.


Fonte: The Transmitter

Quando a inteligência artificial revisa a ciência, quem revisa a inteligência artificial?

Muito além do debate sobre transparência no uso da inteligência artificial, está em jogo a capacidade da ciência de produzir interpretações originais, desafiar paradigmas e resistir à padronização imposta pelas grandes plataformas digitais 

O editorial publicado na revista Evidence-Based Dentistry parte de um dado que merece atenção: mais da metade dos pareceristas científicos já utiliza ferramentas de inteligência artificial durante o processo de revisão por pares, embora grande parte das editoras ainda mantenha políticas ambíguas, restritivas e de difícil fiscalização. O texto defende que a IA já é uma realidade incontornável e propõe que o debate deixe de ser centrado na proibição para passar a ser orientado por mecanismos de transparência, governança e uso responsável.

Entretanto, há uma dimensão importante que o editorial apenas tangencia e que merece ser aprofundada: as implicações desse processo para a própria produção da ciência crítica.

Em primeiro lugar, é preciso reconhecer que a revisão por pares não é um exercício meramente linguístico. Um parecer de qualidade resulta da trajetória intelectual do pesquisador, de seu acúmulo teórico, de sua experiência metodológica e, sobretudo, de sua capacidade de formular perguntas incômodas. O bom parecerista não apenas identifica erros estatísticos ou problemas formais, mas é capaz de perceber silêncios, pressupostos ideológicos, conflitos de interesse e limitações epistemológicas que frequentemente escapam a uma leitura superficial.

É justamente nesse ponto que reside o principal problema da crescente delegação dessa atividade aos grandes modelos de linguagem. Essas ferramentas são treinadas para reconhecer padrões estatísticos presentes em grandes massas documentais. Em consequência, tendem a reproduzir aquilo que já é dominante, consensual e amplamente aceito na literatura científica. A originalidade, a ruptura teórica e a crítica às estruturas estabelecidas deixam de aparecer como virtudes e passam a ser interpretadas como desvios em relação ao padrão.

Em outras palavras, existe o risco concreto de que a IA funcione como um poderoso mecanismo de normalização da produção científica.

Esse risco é particularmente preocupante nas ciências sociais, humanas e ambientais, áreas em que grande parte das contribuições mais relevantes nasceu justamente do questionamento dos paradigmas vigentes. Pensadores que hoje são referências internacionais provavelmente teriam seus trabalhos classificados como excessivamente especulativos, pouco alinhados ao consenso ou insuficientemente convencionais caso fossem avaliados por sistemas treinados predominantemente sobre a literatura dominante.

Há ainda um aspecto estrutural que o editorial menciona apenas de forma indireta: a utilização crescente da IA não decorre apenas da busca por eficiência, mas da intensificação das condições de trabalho na academia. Pesquisadores são pressionados a publicar mais artigos, orientar mais estudantes, captar mais recursos, participar de mais bancas, assumir mais funções administrativas e, simultaneamente, produzir pareceres gratuitos para um sistema editorial altamente lucrativo. Nesse contexto, a IA surge como uma prótese cognitiva destinada a compensar a sobrecarga de trabalho.

O problema é que essa solução individual pode produzir um efeito coletivo perverso. Quanto mais a atividade intelectual é parcialmente terceirizada para sistemas algorítmicos, menor tende a ser o exercício cotidiano das competências analíticas que caracterizam o pensamento científico. A revisão por pares deixa de ser um espaço privilegiado de aprendizado, reflexão e confronto de ideias para transformar-se em uma atividade de edição e validação de textos previamente organizados pela inteligência artificial.

Existe também uma dimensão política pouco explorada no editorial. Os grandes modelos de linguagem são produtos de poucas corporações multinacionais que controlam infraestrutura computacional, bases de dados e recursos financeiros inacessíveis à maior parte da comunidade científica. A incorporação crescente dessas ferramentas ao processo editorial amplia a dependência da ciência em relação a plataformas privadas cujos critérios de treinamento, seleção de dados e funcionamento permanecem em grande medida opacos.

Nesse sentido, o problema não é apenas metodológico ou ético, mas também epistemológico. Se a produção, a avaliação e a circulação do conhecimento passam a ser mediadas por tecnologias desenvolvidas por um número reduzido de empresas, cria-se uma nova forma de concentração do poder científico, na qual determinados estilos de escrita, formas de argumentação e referências bibliográficas tendem a ser privilegiados em detrimento de perspectivas periféricas, dissidentes ou contra-hegemônicas.

Paradoxalmente, o próprio uso massivo da IA pode enfraquecer aquilo que mais se espera da revisão por pares: a diversidade de interpretações. Se milhares de pareceristas recorrem aos mesmos sistemas, treinados sobre os mesmos conjuntos de dados e programados para produzir respostas semelhantes, corre-se o risco de uma progressiva homogeneização do julgamento científico. O pluralismo metodológico e teórico, condição indispensável para o avanço da ciência, pode dar lugar a uma padronização algorítmica da crítica.

Por isso, embora o editorial tenha razão ao defender que a simples proibição da IA é ineficaz e provavelmente contraproducente, a discussão não deveria limitar-se à transparência do seu uso. É igualmente necessário preservar espaços em que o exercício da leitura crítica, da dúvida metodológica e da imaginação teórica continue sendo uma atividade genuinamente humana.

A ciência avança precisamente porque alguém é capaz de enxergar o que ainda não está consolidado, de formular perguntas que os consensos existentes não conseguem responder e de desafiar as interpretações dominantes. Uma inteligência artificial, treinada para reproduzir padrões, pode auxiliar tarefas técnicas e operacionais, mas dificilmente substituirá a capacidade de produzir estranhamento diante do aparentemente óbvio.

Em uma época marcada pela crescente automatização da produção acadêmica, talvez o maior desafio não seja impedir o uso da IA, mas evitar que ela transforme a ciência em um exercício de reprodução do consenso, justamente quando o mundo necessita, mais do que nunca, de pensamento crítico, criatividade intelectual e disposição para questionar as estruturas de poder que moldam tanto a sociedade quanto o próprio conhecimento científico.