IA

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

/ Marcos Pędłowski / Deixe um comentário

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

/ Marcos Pędłowski / Deixe um comentário

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

/ Marcos Pędłowski / Deixe um comentário

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

/ Marcos Pędłowski / Deixe um comentário

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

/ Marcos Pędłowski / Deixe um comentário

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

/ Marcos Pędłowski / Deixe um comentário

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?

/ Marcos Pędłowski / Deixe um comentário

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.

Inteligência Artificial: a nova corrida do ouro que pode nos deixar sem água

/ Marcos Pędłowski / Deixe um comentário

Enquanto grandes corporações acumulam fortunas com a expansão acelerada da IA, pouco se discute sobre seus custos ambientais, a substituição do trabalho humano e a crescente captura do próprio fazer científico

O uso disseminado da chamada Inteligência Artificial (IA) é a principal transformação que vem ocorrendo no mundo científico, afetando, por assim dizer, o conjunto da obra. Não se trata mais de usar a IA para realizar correções linguísticas pontuais, mas até mesmo para escrever textos inteiros, incluindo o desenvolvimento de hipóteses e questões de pesquisa.

Os defensores da IA veem esse processo de captura do fazer científico como uma espécie de chegada de uma nova pedra filosofal, pois haveria um ganho não apenas de tempo, mas também na complexidade dos desafios que se poderiam enfrentar na realização da empreitada científica. É como se, do nada, estivéssemos entrando em uma nova idade de ouro da ciência.

A questão que esses apologistas da IA não fazem, nem querem que se faça, é a seguinte: quem ganha — e aí eu digo economicamente — com toda essa aceleração? Claramente, as grandes corporações econômicas que hoje monopolizam a produção dos algoritmos que impulsionam as diferentes ferramentas que cabem sob a sombrinha da IA. São essas corporações que estão especulando com a IA e, por enquanto, amealhando grandes fortunas com a sensação de que temos ganhos produtivos decorrentes dessa corrida.

Por outro lado, quem perde e o que se perde? Os perdedores são, essencialmente, os trabalhadores que estão vendo suas oportunidades de trabalho serem diminuídas pelo uso da IA. Mas pouco se fala sobre os custos ambientais trazidos pelo boom da IA, a começar pelo consumo exagerado de água, em um momento em que as reservas planetárias já estão se escasseando, inclusive no Brasil.

Como em qualquer onda gerada pela máquina capitalista, existe uma certa euforia em torno da IA. E é justamente por isso que precisamos ter um olhar crítico, e não um de mero deslumbre, sobre as ferramentas de IA. Ainda que não se possam ignorar os ganhos pontuais que se obtêm com a IA, o que não se pode esquecer é que o desenvolvimento intelectual humano ainda possui grande potencial de crescimento, e não há sequer necessidade de uma substituição sistemática da capacidade crítica que os seres humanos possuem.

Por isso, como em muitas outras situações atravessadas pela hegemonia capitalista, esse boom da IA precisa ser compreendido pelo que é e pelos custos que carrega. Do contrário, daqui a pouco não teremos água nem para o cafezinho, enquanto os donos das corporações de IA se afogam em suas fortunas.

Por outro lado, a inteligência humana sempre avançou porque aprendeu a construir ferramentas. O problema nunca foram as ferramentas, mas quem as controla, quem se apropria de seus benefícios e quem é obrigado a suportar seus custos socioambientais. A IA pode ampliar a capacidade humana de produzir conhecimento ou acelerar sua captura pelo capital. A diferença entre um caminho e outro não será decidida pelos algoritmos, mas pela  luta política e pelas decisões que sejam tomadas em sociedade.

A sede da inteligência artificial: a revolução digital pode consumir água suficiente para abastecer 1,3 bilhão de pessoas

/ Marcos Pędłowski / Deixe um comentário

Relatório da Universidade das Nações Unidas alerta que a expansão acelerada da IA depende de enormes volumes de água para resfriar centros de dados e produzir eletricidade, expondo um custo ambiental praticamente ausente do debate público sobre o futuro da tecnologia

Antes de mais nada, é preciso desfazer uma das ilusões mais difundidas sobre a  inteligência artificial: a de que ela pertence a um universo puramente digital, etéreo e praticamente sem impactos materiais. A popularização de ferramentas capazes de produzir textos, imagens, vídeos e análises complexas em questão de segundos criou a percepção de que estamos diante de uma tecnologia “limpa”, cuja principal matéria-prima seria apenas informação. Entretanto, um relatório recentemente publicado pelo United Nations University Institute for Water, Environment and Health (UNU-INWEH), intitulado The Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints, demonstra que essa percepção está profundamente equivocada. Por trás da aparente simplicidade de uma pergunta feita a um chatbot existe uma infraestrutura gigantesca composta por centros de dados, redes elétricas, sistemas de refrigeração, cadeias globais de mineração e uma crescente demanda por terras e recursos naturais.

O relatório chega em um momento particularmente oportuno, quando governos e grandes empresas anunciam investimentos bilionários em inteligência artificial como se esta fosse a solução para praticamente todos os desafios contemporâneos. A narrativa dominante enfatiza ganhos de produtividade, inovação e crescimento econômico, mas dedica pouca atenção aos custos ambientais associados a essa expansão acelerada. Ao contrário do discurso corporativo, os pesquisadores da Universidade das Nações Unidas lembram que a inteligência artificial possui uma materialidade muito concreta: ela consome eletricidade, utiliza enormes volumes de água para resfriar servidores, depende da extração de minerais estratégicos e ocupa áreas cada vez maiores destinadas à construção de centros de processamento de dados.

Uma das principais contribuições do estudo é justamente ampliar o conceito de impacto ambiental. Em vez de limitar a discussão às emissões de carbono, o relatório demonstra que cada unidade de energia consumida pela inteligência artificial produz simultaneamente três tipos de pegadas ecológicas: a pegada de carbono, associada às emissões de gases de efeito estufa; a pegada hídrica, relacionada ao consumo direto e indireto de água; e a pegada territorial, que corresponde à ocupação de áreas necessárias para geração de energia, construção de infraestrutura e extração de matérias-primas. Essa abordagem integrada revela que uma fonte energética considerada “limpa” do ponto de vista climático pode continuar exercendo enorme pressão sobre recursos hídricos ou sobre a disponibilidade de terras, mostrando que a simples substituição dos combustíveis fósseis por fontes renováveis está longe de resolver todos os problemas.

Os números apresentados pelo relatório impressionam. Mantido o ritmo atual de expansão, os centros de dados dedicados à inteligência artificial poderão consumir cerca de 945 terawatts-hora de eletricidade por ano até 2030, valor equivalente ao consumo anual de diversos países industrializados. Trata-se de uma demanda energética colossal, impulsionada não apenas pelo treinamento de grandes modelos de linguagem, mas principalmente pela utilização cotidiana dessas ferramentas por centenas de milhões de pessoas. Cada consulta aparentemente trivial realizada em um sistema de IA representa um pequeno consumo de energia que, multiplicado bilhões de vezes diariamente, transforma-se em um dos mais importantes vetores de crescimento da demanda mundial por eletricidade.

Ainda mais preocupante é a questão da água, frequentemente ignorada nas discussões sobre tecnologia digital. Os supercomputadores responsáveis pelo funcionamento dos modelos de inteligência artificial produzem enormes quantidades de calor e necessitam de sofisticados sistemas de refrigeração, muitos deles baseados em água. Além disso, a própria geração da eletricidade utilizada por esses centros de dados também depende, em grande medida, de recursos hídricos. O relatório estima que, até o final da década, a infraestrutura global de inteligência artificial poderá consumir um volume de água suficiente para atender aproximadamente 1,3 bilhão de pessoas por um ano inteiro. Em um contexto marcado pela intensificação das mudanças climáticas, pela ocorrência de secas prolongadas e pelo aumento dos conflitos em torno da disponibilidade hídrica, esse dado assume proporções alarmantes.

Outro aspecto importante destacado pelos autores é a crescente demanda por minerais estratégicos necessários à fabricação de processadores de alto desempenho. A expansão da inteligência artificial significa também uma expansão da mineração de lítio, cobalto, níquel e terras raras, atividades frequentemente associadas a elevados impactos ambientais e sociais. Mais uma vez, observa-se uma divisão internacional dos custos e benefícios: enquanto os ganhos econômicos da revolução digital tendem a se concentrar nos grandes centros tecnológicos e financeiros, a degradação ambiental, a contaminação de ecossistemas e os conflitos sociais decorrentes da mineração recaem, em grande medida, sobre países periféricos da África, América Latina e Ásia.

Essa constatação conduz talvez à reflexão mais importante do relatório: a inteligência artificial também deve ser analisada sob a perspectiva da justiça ambiental. Os benefícios produzidos pela nova economia digital são distribuídos globalmente entre grandes empresas, investidores e consumidores de alta renda, mas seus impactos recaem de maneira desigual sobre comunidades locais que enfrentam aumento da demanda por água, pressão sobre sistemas elétricos, expansão da mineração, geração crescente de resíduos eletrônicos e ocupação intensiva do território. Em outras palavras, a inteligência artificial reproduz um padrão já conhecido de outras cadeias produtivas globais, no qual a riqueza é apropriada por poucos enquanto os passivos ambientais são socializados.

No caso brasileiro, as implicações desse cenário merecem atenção especial. O país reúne algumas das condições consideradas ideais para a instalação de grandes centros de dados, como relativa disponibilidade de energia renovável, abundância hídrica em determinadas regiões e potencial para expansão da infraestrutura elétrica. Ao mesmo tempo, é um dos principais fornecedores mundiais de minerais estratégicos e abriga biomas extremamente sensíveis, como a Amazônia e o Cerrado, que já sofrem forte pressão decorrente da mineração, do desmatamento e da expansão do agronegócio. Sem mecanismos robustos de regulação ambiental e planejamento territorial, a corrida global pela inteligência artificial pode aprofundar processos históricos de exploração de recursos naturais, concentrando benefícios econômicos e distribuindo impactos ambientais sobre populações vulneráveis.

O mérito do relatório do United Nations University Institute for Water, Environment and Health está justamente em retirar a inteligência artificial do campo da abstração tecnológica e recolocá-la no mundo material. Por trás de cada resposta produzida por um algoritmo existem cabos, concreto, aço, cobre, água, eletricidade, mineração, transporte e ocupação do território. Em um momento em que a inovação tecnológica é frequentemente apresentada como sinônimo automático de sustentabilidade, esse documento lembra que nenhuma revolução digital é capaz de escapar das leis da física nem das limitações ecológicas do planeta. A verdadeira discussão sobre inteligência artificial, portanto, não deve restringir-se à velocidade dos algoritmos ou aos ganhos de produtividade, mas precisa incorporar uma pergunta muito mais fundamental: quem suporta os custos ambientais dessa transformação e quem efetivamente se beneficia dela? Essa é uma questão que não pode continuar ausente do debate público, especialmente em países como o Brasil, onde a exploração intensiva dos recursos naturais já produz profundas desigualdades sociais e territoriais.

Citações zumbis devastam o mundo da Ciência

/ Marcos Pędłowski / Deixe um comentário

Uma entrevista com um acadêmica que testemunhou de perto o impacto da inflação de citações por IA

Como alguém de fora do meio acadêmico em sua totalidade, devo admitir que não tenho muita experiência com a publicação acadêmica/literatura revisada por pares.

Mas mesmo assim, eu sei quando algo está errado, e claramente o que ficou conhecido como “Frankencitações” — referências em artigos acadêmicos a literatura inexistente, inventadas por meio do uso do LLM — está errado. Elas ridicularizam todo o empreendimento e me parecem uma espécie de crise.

Ben Williamson, da Universidade de Edimburgo, tem acompanhado o fenômeno devido a uma experiência muito pessoal com as Frankencitations. Fiz-lhe algumas perguntas sobre o que está acontecendo e o que ele acha que devemos fazer a respeito.

JW: Vamos começar com uma apresentação para que as pessoas entendam suas credenciais.

BW: Sou professora sênior no Centro de Pesquisa em Educação Digital da Universidade de Edimburgo e editora do periódico Learning, Media and Technology . Minha pesquisa se concentra em tecnologia digital e dados no setor educacional, com trabalhos recentes e em andamento voltados para investidores em tecnologia educacional, a ascensão das ciências biológicas da aprendizagem com uso intensivo de dados e políticas educacionais relacionadas à IA.

P: O que é uma “Frankencitação” e por que devemos nos preocupar com elas?

R: Nos últimos dois ou três anos, muitos de nós que trabalhamos em universidades começamos a notar essas estranhas referências a artigos de periódicos acadêmicos ou livros que não existem. As referências são fabricadas por inteligência artificial generativa quando um autor, por exemplo, instrui um modelo de linguagem complexo a ajudá-lo a escrever um artigo ou adiciona referências para fundamentar uma revisão bibliográfica. Acho que todos já sabemos que os modelos de linguagem complexos rotineiramente inventam material. É isso que está acontecendo aqui. Os modelos de linguagem complexos estão criando referências acadêmicas porque pesquisadores acadêmicos os utilizam para produzir trabalhos de pesquisa, como artigos, capítulos ou livros.

Já ouvi vários nomes diferentes para isso: referências fantasmas, citações zumbis, referências espectrais ou Frankencitações. O que todos esses termos querem dizer é que as referências falsas geradas por IA não são reais, como um corpo humano vivo, mas têm uma espécie de meia-vida. “Frankencitações” funciona bem como nome porque elas são como o monstro — costuradas a partir de dados em um modelo de linguagem e, em seguida, animadas quando alguém usa um chatbot como o ChatGPT para fazer o trabalho por elas. E então, essas citações fabricadas podem causar todo tipo de problema quando se espalham pelo mundo ao serem incluídas em artigos acadêmicos.

P: Isso me parece muito ruim. Uma verdadeira onda de conteúdo falso infectando pesquisas acadêmicas e citações.

R: O grande problema que enfrentamos agora é que essas citações Frankenstein estão acabando em manuscritos enviados para revisão por pares. Isso está sobrecarregando editores e revisores, pois agora precisamos fiscalizar os manuscritos em busca de informações falsas nas listas de referências. Algumas dessas citações Frankenstein estão até mesmo sendo publicadas em periódicos acadêmicos. Elas simplesmente não estão sendo detectadas em nenhuma etapa do processo de publicação acadêmica — nem por editores, nem por revisores, nem mesmo durante a revisão, a correção de provas e a produção da publicação final.

Usar IA para produzir publicações acadêmicas com essas inserções falsas é uma forma de poluição do conhecimento, como deixar toxinas se infiltrarem em um rio e alterarem todo o ecossistema que ele alimenta. Também interfere na integridade acadêmica e quebra as cadeias de citação que sinalizam a relação de um autor com sua área de estudo. Isso representa o perigo real de que indivíduos sejam creditados por ideias que nunca tiveram ou que lhes sejam atribuídas afirmações que nunca fizeram. É por isso que a ideia de que essas referências falsas têm uma espécie de meia-vida me parece correta: elas estão circulando, deixando sua marca no mundo acadêmico e causando enormes problemas para editores, revisores e leitores de periódicos, apesar de não terem a substância de uma publicação real.

P: Você tem uma história interessante sobre como se deparou com o fenômeno pela primeira vez. Gostaria que você nos contasse essa história, mas também gostaria de saber o que você estava pensando/sentindo enquanto tudo acontecia. Qual foi a jornada intelectual/emocional de descobrir que você havia sido tão extensivamente Frankenificado?

R: Sou editora de periódico e isso envolve verificar novos manuscritos submetidos para decidir se são adequados para revisão por pares. Recentemente, meus coeditores e eu começamos a encontrar referências em novos manuscritos a artigos nos quais um ou mais de nós éramos creditados como autores, mas soubemos imediatamente que esses artigos não deviam ser reais, pois não os escrevemos!

Nossa hipótese é que alguns autores que submetem artigos à nossa revista estejam solicitando aos editores que incluam referências a artigos dos próprios editores, na esperança de que isso aumente as chances de seus manuscritos serem aprovados na revisão inicial. O problema é que eles estão inserindo erros crassos que detectamos imediatamente. Assim, nesses casos, os editores se tornam não apenas os primeiros leitores, mas também os últimos, já que somos obrigados a rejeitá-los de imediato. Isso configura uma conduta acadêmica inadequada, segundo os padrões de publicação científica, visto que os autores são absolutamente responsáveis ​​pela precisão das referências em seus próprios manuscritos.

Recentemente, porém, decidi fazer uma busca na internet por uma dessas falsas referências a mim, puramente por curiosidade para ver se ela aparecia em algum outro lugar. Tinha o título “Governança e datificação da educação”. É um título bem genérico, mas já publiquei sobre os temas “educação”, “governança” e “datificação”, então essas são palavras-chave plausíveis para associar ao meu nome. Mas quando pesquisei “Governança e datificação da educação”, percebi rapidamente que essa citação Frankenstein em particular teve uma vida útil bastante agitada. Pelo que pude apurar, esse texto, “Governança e datificação da educação”, foi citado cerca de 70 vezes. Você mesmo pode conferir — basta acessar o Google Acadêmico, pesquisar “Governança e datificação da educação” e encontrará páginas e páginas de publicações que me citam por algo que eu nunca escrevi.

O que me intriga ainda mais é que, entre todos esses artigos, o subtítulo “Governança educacional e datificação” muda constantemente. Ele é citado em diversos periódicos diferentes. Às vezes, é um livro inteiro. Na maioria das vezes, tem um coautor nomeado — alguém com quem já colaborei —, mas às vezes não. E esse não-artigo continua a circular, ainda recebendo novas citações.

P: Sua reputação acadêmica explodiu!

R: Uma publicação inexistente tornou-se rapidamente uma das minhas mais citadas. É um pouco frustrante, porque de fato dediquei anos de trabalho relevante, mas dezenas de autores preferem citar algo em que eu nunca trabalhei.

O que realmente me preocupa é não saber pelo que estou sendo creditado. A maioria desses artigos é da minha área. Alguns foram publicados por editoras predatórias de qualidade muito baixa e podem ser ignorados sem problemas. Mas nem todos. Há casos em que acadêmicos renomados, que publicam em periódicos de alto impacto, estão citando meu trabalho. O que eles estão dizendo que eu escrevi ou reivindiquei? Também fiquei sabendo por um colega de outra instituição que minha citação falsa apareceu em um trabalho de um aluno. Portanto, a produção e reprodução dessas referências falsas também coloca os alunos em risco.

É uma situação realmente ridícula. Sou mais reconhecido por algo que não escrevi do que pelos artigos que de fato escrevi sobre o tema de educação, dados e governança!

P: Mesmo achando que entendo o fenômeno em um nível básico, não tenho certeza de como e por que essas coisas se proliferam tão rapidamente. Você fez um estudo para verificar quantas vezes havia sido alvo de Frankencitações e, algum tempo depois, outra pessoa fez um acompanhamento e o número de Frankencitações havia aumentado significativamente. Qual é o mecanismo? Qual a dimensão do fenômeno?

R: Sim, depois que publiquei algo online sobre minha descoberta, um cientista da computação chamado Dirk HR Spennemann investigou o assunto de forma completamente independente. Ele usou isso como exemplo para examinar como os LLMs produzem referências fabricadas — ele acabou de publicar um preprint no arXiv que detalha os aspectos técnicos. Então, ele fez uma busca muito mais minuciosa no Google Acadêmico do que eu consegui. O que ele descobriu foi que o artigo inexistente havia sido citado quase 140 vezes. E ele queria entender, em um nível técnico, como os LLMs geram essas referências. A conclusão dele foi que existem padrões distintos na forma como o genAI as cria. Aqui está o que ele escreveu no artigo:

“As referências acadêmicas alucinadas criadas pelo ChatGPT não são erros aleatórios, mas sim artefatos previsíveis e orientados por padrões, que refletem a forma como os modelos de IA geram texto. Essas referências são reconstruções sistemáticas construídas a partir de autores, periódicos e palavras-chave relevantes reais. Como os modelos de IA se baseiam no reconhecimento de padrões em vez da verificação factual, eles produzem citações que são estruturalmente corretas e contextualmente plausíveis, porém inexistentes. Essas alucinações podem ser geradas repetidamente, levando à duplicação e consistência em diferentes textos, o que pode aumentar sua legitimidade percebida.”

Certo, então, “Governança educacional e datificação” é uma combinação de um autor real (eu), periódicos reais (alguns dos quais publiquei) e palavras-chave relevantes (como eu disse, trabalho na área da educação e estudo dados e governança). Como também existe no Google Acadêmico, considerado um índice de referência da produção acadêmica mundial, um modelo de linguagem que busca informações na web — em vez de apenas gerar texto a partir de seus dados de treinamento — acaba confirmando a existência e a legitimidade do artigo, apesar de ele não existir. Spennemann também realizou um pequeno experimento no qual instruiu o ChatGPT a gerar ensaios sobre o tema de governança educacional e dados. Ele citou o artigo inexistente, é claro.

Como explicou Aaron Tay, especialista em sistemas de bibliotecas , o que temos é um conjunto dinâmico de processos que envolvem tanto o Google Acadêmico quanto a IA generativa. O Google Acadêmico estabeleceu “Governança e datificação da educação” como uma citação referenciada por outras 140 publicações, e os LLMs (mestrados em direito) estão amplificando sua existência ao executar processos de geração aumentada por recuperação (RAG) que tratam o Google Acadêmico como uma fonte autorizada de verdade citacional. O Google Acadêmico o trata como real e os chatbots o reproduzem como tal assim que alguém escreve uma proposta para uma redação ou artigo sobre o mesmo tema.

Uma coisa que tem sido difícil de descobrir completamente é se “Governança educacional e datificação” surgiu inicialmente como uma referência totalmente gerada por IA, ou se originou de um erro humano, que a genAI apenas amplificou massivamente desde então.

P: Creio que seja óbvio para todos por que proliferar citações falsas sobre uma fonte inexistente é simplesmente errado e ruim, mas o que há além disso? O que podemos esperar se permitirmos que essas coisas continuem a se proliferar?

R: Obviamente, já tivemos problemas com citações incorretas e pesquisas falsificadas no passado. O uso atual de IA generativa está industrializando problemas antigos na academia e nos colocando sob muito mais pressão quando se trata de publicação acadêmica. Para mim, isso é uma questão de confiança. Como confiar no registro acadêmico se ele está poluído com material sintético que não se refere mais com precisão a pesquisas anteriores? Quero dizer, toda pesquisa deveria ser um processo de construção sobre o conhecimento prévio para gerar novas ideias e fazer contribuições originais para a compreensão. Não é o caso com as Frankencitações. De forma mais prosaica, por que eu deveria confiar em um autor que submeteu algo à nossa revista que viola a integridade acadêmica?

É também uma questão de trabalho acadêmico. Uma pessoa que tenta economizar tempo ou ser mais produtiva com IA tem efeitos subsequentes sobre aqueles que supervisionam os manuscritos acadêmicos durante a revisão e publicação. Isso está começando a causar um sofrimento intolerável para editores e revisores de periódicos. Já estamos tendo que trabalhar muito mais para acompanhar o aumento exponencial das taxas de submissão, e agora muitas pessoas estão dizendo que também deveríamos verificar cada referência em um artigo — uma tarefa praticamente impossível.

O problema realmente abrangente é o que alguns agora chamam de “desleixo acadêmico”. Enciclopédias Frankenstein podem ser um bom indicador de um artigo gerado por IA. Estamos falando de lixo de IA na academia. Não se trata apenas de referências falsificadas com IA, mas de artigos e livros inteiros. O problema é que grande parte disso é difícil de detectar. Alguns pesquisadores acreditam que deveríamos trabalhar mais com IA e sugerem que é natural que, com o tempo, cada vez mais registros acadêmicos sejam aumentados com a ajuda da IA ​​— seja pelo uso da IA ​​na produção e análise de dados ou como coautora e parceira na produção de conhecimento. Isso pode ser verdade para alguns, em projetos específicos, para fins específicos. Mas o que temos aqui é a produção massiva e mecânica de material acadêmico que pode ou não corresponder a algo real no mundo. Se um artigo não corresponde nem mesmo à literatura anterior em sua própria área, como podemos confiar que ele nos diga algo sobre seus próprios sujeitos e objetos de análise?

P: A curto prazo, existe algo que nós (leitores, pesquisadores, instituições, publicações, etc.) possamos fazer para impedir essa proliferação?

R: Um dos motivos pelos quais temos nos manifestado bastante sobre isso em nossa revista é justamente para tentar persuadir autores acadêmicos de que é uma má ideia se desvalorizarem como pesquisadores e nos insultarem como editores e revisores, submetendo manuscritos com material falso. Quer dizer, se você nos cita e nós não escrevemos o artigo, sabemos o que você fez, e isso diz muito sobre seus padrões acadêmicos. Mas, é claro, essas referências falsas nem sempre são fáceis de detectar, e lidar com isso exigirá esforços muito mais sistêmicos. As editoras já estão testando soluções tecnológicas que supostamente detectam referências geradas por IA. Mas isso aparentemente é muito mais complexo tecnicamente do que se imagina. Já sabemos que os detectores de escrita por IA geram muitos falsos positivos, e é por isso que não são confiáveis ​​para uso em revistas acadêmicas ou para a revisão de trabalhos de estudantes. Os detectores de citação por IA podem apenas amplificar os mesmos problemas, levando a ondas de falsas acusações, rejeições de artigos e animosidade acadêmica.

Acho que precisamos deixar claro que as editoras acadêmicas e as empresas de tecnologia precisam, sem dúvida, se unir e nos ajudar nessa questão. Afinal, as editoras têm parcerias multimilionárias com as grandes empresas de IA para alugar nossos artigos existentes como dados de treinamento para novos modelos. Elas fazem parte do problema do conteúdo acadêmico produzido por IA e precisam trabalhar com editores, autores, bibliotecas e instituições para resolvê-lo.

Aqui no Reino Unido, muitas bibliotecas acadêmicas já estão cancelando contratos com editoras devido ao aumento vertiginoso dos custos. E se nossas bibliotecas e as associações que as representam fossem até as editoras e as grandes empresas de tecnologia com as quais têm parceria e exigissem providências? Sem dúvida, há muito mais força em alianças desse tipo do que em alguns editores gritando em suas redes sociais (como tenho feito ultimamente).

P: E a longo prazo? Quais são as mudanças estruturais/sistêmicas necessárias para evitar que sejamos inundados por esse tipo de lixo de IA?

R:  Precisamos de algum tipo de conjunto de acordos consensuais em todo o setor quando se trata de publicação acadêmica. É claro que as violações da integridade acadêmica não começaram com a IA generativa. Editoras predatórias existem há muito tempo. As fábricas de papel também conseguem produzir manuscritos sob demanda há anos. Algumas pesquisas científicas são ruins e nunca deveriam ser publicadas.

A IA está agora amplificando todos esses problemas existentes. Não os está atenuando. E no atual contexto político de muitos países, a ciência já está sob ataque. Não é difícil imaginar publicações “científicas” geradas por IA que sirvam a fins políticos mais explícitos, especialmente porque certas revistas acadêmicas já foram tomadas e se voltaram contra acadêmicos liberais. A IA também tem o potencial de acelerar ainda mais a produção de artigos científicos, agravando o dilúvio de manuscritos que já inunda as revistas. Esta não é a utopia da IA ​​para a transformação da publicação acadêmica que nos foi prometida quando as editoras se aliaram à OpenAI, ao Google e à Microsoft.

Então, que tipos de regras e normas precisamos reforçar para nos proteger de tudo isso? Precisamos de acordos setoriais sobre como lidar com violações da integridade acadêmica? Na academia e no mercado editorial, temos diversos conjuntos de princípios, padrões e regras. Então, por que não para a IA também?

Não tenho respostas ou soluções completas para esses problemas. Assim como muitos outros editores, revisores, autores e bibliotecários universitários, tenho lutado para manter uma certa esperança acadêmica, visto que a IA foi simplesmente liberada em todos os nossos sistemas de conhecimento. É claro que o sistema já apresentava sérios problemas, mas me parece evidente que o experimento descontrolado com IA dos últimos anos tem sido um desastre para a produção e publicação do conhecimento acadêmico.

Os editores da revista Organization Science acabaram de realizar um estudo detalhado sobre isso , concluindo que o uso acadêmico da IA ​​levou a mais pesquisas, mas não a pesquisas de melhor qualidade, e causou uma crise na revisão por pares. Precisaremos de esforços conjuntos de instituições, editoras e até mesmo das próprias empresas de tecnologia para resolver essa situação. Caso contrário, corremos o risco de o público perder ainda mais a confiança no setor como fonte confiável de conhecimento importante. Ou, para sermos mais otimistas, talvez possamos aproveitar este momento para definir qual tipo de sistema de publicação acadêmica realmente funcionaria melhor no futuro.

Fonte:  Inside Higher Ed