Pesquisa · Mapa mental

Inteligência artificial generativa

Inteligência artificial generativa é um ramo da inteligência artificial que usa modelos generativos para produzir texto, imagens, vídeo, áudio, código de programação e outros tipos de dados digitais. Esses modelos aprendem os padrões e as estruturas presentes nos seus dados de treinamento e os usam para criar conteúdo novo em resposta a uma entrada, que em geral é um pedido em linguagem natural, chamado prompt. Os sistemas costumam ser classificados pelo formato de entrada e de saída, como texto para texto, texto para imagem ou texto para vídeo.

Fonte: Wikipédia (pt)Atualizado em 08/11/2026
01

História

Imagem: Kuaishou · BY-SA · Openverse

Origens

A geração algorítmica de conteúdo remonta às cadeias de Markov, usadas para modelar a linguagem natural desde o início do século XX. O matemático russo Andrei Markov apresentou o conceito em 1906, com uma análise dos padrões de vogais e consoantes em Ievguêni Oniéguin, de Púchkin. Depois de treinada num corpus de texto, uma cadeia de Markov consegue gerar texto probabilístico. No início da década de 1970, artistas passaram a usar computadores para levar as técnicas generativas além dos modelos de Markov. Harold Cohen desenvolveu e expôs obras produzidas pelo AARON, programa pioneiro projetado para criar pinturas de forma autônoma. Nas décadas de 1980 e 1990, as expressões "planejamento generativo" e "planejamento de IA generativo" designavam sistemas de planejamento automatizado, sobretudo de planejamento de processos assistido por computador, que geravam sequências de ações para atingir um objetivo definido. Esses sistemas empregavam métodos da IA simbólica, como busca em espaço de estados e satisfação de restrições, e eram considerados uma tecnologia relativamente madura no início dos anos 1990. Foram usados para gerar planos de ação militar em situações de crise, planos de processos industriais e planos de decisão em protótipos de naves espaciais autônomas.

Redes neurais generativas

O aprendizado de máquina usa tanto modelos discriminativos, que classificam ou preveem a partir dos dados, quanto modelos generativos, que produzem dados novos. Do fim da década de 2000 ao início da de 2010, avanços na aprendizagem profunda trouxeram grandes melhorias na classificação de imagens, no reconhecimento de fala e no processamento de linguagem natural. Nesse período, as redes neurais eram treinadas sobretudo como modelos discriminativos, porque os generativos eram mais difíceis de treinar. Em 2014, o surgimento do autocodificador variacional (VAE) e da rede adversária generativa (GAN) permitiu modelar de forma eficaz dados complexos como imagens. Em 2017, o artigo Attention Is All You Need propôs que a arquitetura transformer permitiria novos avanços na modelagem generativa em relação às redes LSTM usadas até então. A partir dela surgiram os transformadores pré-treinados generativos (GPT), a começar pelo GPT-1, em 2018.[carece de fontes]?

Popularização

Em março de 2020, o lançamento do 15.ai, aplicação web gratuita criada por um pesquisador anônimo do Instituto de Tecnologia de Massachusetts (MIT), capaz de gerar vozes convincentes de personagens a partir de poucos dados de treinamento, foi um dos primeiros usos de IA generativa abertos ao público. A plataforma é apontada como o primeiro serviço popular de deepfakes de áudio. Em 2021, o DALL-E, modelo generativo de código fechado baseado em transformer e desenvolvido pela OpenAI, chamou a atenção do público para a geração de imagens a partir de texto. Projetos de código aberto, como o VQGAN+CLIP e o DALL·E Mini (depois renomeado Craiyon), tornaram sistemas semelhantes mais acessíveis. O aplicativo Dream, da Wombo, foi lançado no fim de 2021, seguido pelo Midjourney e pelo Stable Diffusion em 2022.

02

Modelos e técnicas

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

Um sistema de IA generativa é construído aplicando aprendizado de máquina não supervisionado ou autossupervisionado a um conjunto de dados, e suas capacidades variam conforme a modalidade, isto é, o tipo de dado e a tarefa para a qual foi treinado. Os modelos aprendem as estruturas subjacentes dos dados e as usam para gerar dados novos.

Redes adversárias generativas

As redes adversárias generativas são formadas por duas redes neurais, o gerador e o discriminador, treinadas ao mesmo tempo em competição. O gerador transforma ruído aleatório em amostras sintéticas parecidas com os dados de treinamento, e o discriminador aprende a distinguir os dados autênticos dos produzidos pelo gerador. As duas redes disputam um jogo de minimax: o gerador tenta criar dados cada vez mais realistas para "enganar" o discriminador, que por sua vez melhora a capacidade de separar o real do falso. Esse treinamento contínuo leva o gerador a produzir saídas de alta qualidade.

Autocodificadores variacionais

Os autocodificadores variacionais são modelos de aprendizagem profunda que codificam os dados de forma probabilística. São usados em tarefas como redução de ruído em imagens, compressão de dados, identificação de padrões incomuns e reconhecimento facial. Ao contrário dos autocodificadores comuns, que comprimem a entrada numa representação latente fixa, os VAE modelam o espaço latente como uma distribuição de probabilidade, o que permite amostragem suave e interpolação entre pontos. O codificador ("modelo de reconhecimento") mapeia a entrada para o espaço latente, produzindo médias e variâncias, e o decodificador ("modelo generativo") amostra dessa distribuição e tenta reconstruir a entrada original.

Transformers

O mecanismo de autoatenção dos transformers permite ao modelo avaliar a importância relativa de cada token de uma sequência ao prever o seguinte, o que melhora a compreensão do contexto. Diferentemente das redes neurais recorrentes, os transformers processam os tokens em paralelo, o que torna o treinamento mais eficiente e escalável.

03

Aplicações

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

Empresas e instituições de vários setores passaram a usar ou a testar a IA generativa, entre eles saúde, finanças, entretenimento, atendimento ao cliente, vendas e publicidade, moda e design de produtos. Na indústria de mídia, a tecnologia é usada em composição musical, desenvolvimento de roteiros e geração de imagens e vídeos. Modelos generativos podem ser treinados com sequências de aminoácidos ou representações moleculares, como a notação SMILES, e são usados no desenho de proteínas e na descoberta de medicamentos; sistemas como o AlphaFold atuam na previsão da estrutura de proteínas. Em 2023, o Google DeepMind apresentou o GNoME, método que propõe estruturas cristalinas inorgânicas candidatas para triagem computacional e síntese experimental em ciência dos materiais. Outros métodos da área incluem o MatterGen, o CDVAE e o CrystalFlow. Sistemas de IA generativa têm sido usados em matemática e ciência da computação para gerar programas, demonstrações, construções e algoritmos candidatos. Em 2023, o Google DeepMind apresentou o FunSearch, método de criação de programas que resolvem problemas matemáticos e algorítmicos, usado para descobrir construções novas no problema do cap set e no problema do empacotamento. No mesmo ano, a empresa apresentou o AlphaDev, que encontrou pequenos algoritmos de ordenação mais rápidos que as referências humanas conhecidas; eles foram incorporados à biblioteca padrão de ordenação em C++ do projeto LLVM. Em 2025, veio o AlphaEvolve, sistema de descoberta e otimização de algoritmos em que modelos de linguagem propõem alterações de código, avaliadores automáticos testam cada candidato e um processo evolutivo aprimora os algoritmos de forma iterativa.

Texto e código

Os modelos de linguagem de grande escala são treinados com texto segmentado em tokens, retirado de grandes corpora, e são capazes de processamento de linguagem natural, tradução automática e geração de linguagem natural. Também servem de modelos de fundação para uma série de tarefas derivadas, como redigir, resumir, traduzir e responder a perguntas. Exemplos incluem as séries GPT, da OpenAI, LaMDA, LLaMA e BLOOM. Além de texto em língua natural, esses modelos podem ser treinados com código em linguagens de programação, o que lhes permite gerar código-fonte a partir de instruções em linguagem natural, como faz o OpenAI Codex. Ferramentas como o GitHub Copilot funcionam como assistentes de programação, com sugestões de código conforme o contexto do que o desenvolvedor escreve.

Imagens

Sistemas de geração de imagens são treinados com pares de imagem e texto e são usados principalmente para criar imagens a partir de descrições e para transferência de estilo. Exemplos incluem o Imagen, o DALL-E, o Midjourney e o Stable Diffusion. A técnica também é aplicada à compressão de imagens com baixa taxa de bits, em que o modelo reconstrói imagens perceptivamente realistas a partir de dados muito comprimidos.

Vídeo

Modelos de texto para vídeo geram, a partir de um prompt, vídeos com coerência temporal e aparência fotorrealista. A empresa Runway apresentou o modelo Gen-2 em 2023, e a OpenAI apresentou o Sora em fevereiro de 2024. O Google DeepMind lançou o Veo 2 em dezembro de 2024, com vídeos de resolução de até 4K. Em outubro de 2025, a israelense Lightricks apresentou o LTX-2, modelo de vídeo de pesos abertos.

Áudio e música

Em 2016, o WaveNet, da DeepMind, mostrou que redes neurais profundas podiam gerar formas de onda de áudio diretamente, o que tornou a síntese de fala mais realista do que as abordagens anteriores. Sistemas posteriores, como o Tacotron 2, demonstraram a conversão de texto em fala feita inteiramente por redes neurais. Modelos treinados com áudio geram música, efeitos sonoros e vozes humanas realistas, e são explorados em composição musical, dublagem e produção de podcasts; empresas como a ElevenLabs oferecem ferramentas comerciais de clonagem de voz.

Jogos eletrônicos

No desenvolvimento de jogos, a IA generativa é aplicada na criação de personagens e diálogos, na geração de conteúdo e em narrativas interativas. A Ubisoft desenvolveu o Ghostwriter, ferramenta baseada em modelos de linguagem de grande escala que redige rascunhos de falas de personagens não jogáveis.

Saúde

Na medicina, a IA generativa tem sido aplicada ao cuidado dos pacientes, à educação médica, à comunicação entre médicos e pacientes e à pesquisa, incluindo ensaios clínicos e estudos observacionais. Autores da área apontam, porém, desafios éticos na sua integração à prática clínica, como responsabilidade pelas decisões e proteção de dados dos pacientes.

04

Software e hardware

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

Além de chatbots e assistentes de programação, recursos de IA generativa foram incorporados a serviços comerciais já existentes, como o Microsoft Office (por meio do Copilot), o Google Fotos e o pacote da Adobe (por meio do Firefly). Muitos modelos estão disponíveis como software livre ou de pesos abertos, entre eles o Stable Diffusion e o LLaMA. Modelos menores, com até alguns bilhões de parâmetros, rodam em smartphones, dispositivos embarcados e computadores pessoais. A versão do LLaMA com 7 bilhões de parâmetros funciona num Raspberry Pi 4, e uma versão do Stable Diffusion roda num iPhone 11. Modelos com dezenas de bilhões de parâmetros podem rodar em computadores de mesa ou portáteis, mas, para velocidade aceitável, costumam exigir aceleradores como as unidades de processamento gráfico (GPU) da Nvidia e da AMD ou o Neural Engine dos processadores da Apple; a versão de 65 bilhões de parâmetros do LLaMA, por exemplo, pode ser configurada num computador de mesa. Rodar os modelos localmente protege a privacidade e a propriedade intelectual e evita limites de uso e censura; comunidades de usuários dedicam-se a executá-los em placas de vídeo de consumo com técnicas de compressão. Já os modelos com centenas de bilhões de parâmetros, como o GPT-4, rodam em centros de dados equipados com conjuntos de GPU ou de chips aceleradores, como a Unidade de Processamento Tensorial do Google, e são acessados como serviços na nuvem.[carece de fontes]?

05

Regulação

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

Estados Unidos

Em julho de 2023, um grupo de empresas que incluía OpenAI, Alphabet e Meta firmou com o governo de Joe Biden um acordo voluntário para aplicar marcas d'água a conteúdos gerados por IA. Em outubro do mesmo ano, a Ordem Executiva 14110 recorreu à Lei de Produção de Defesa para obrigar as empresas americanas a informar o governo federal ao treinar certos modelos de alto impacto. A ordem foi revogada por Donald Trump em 20 de janeiro de 2025, e três dias depois a Ordem Executiva 14179 determinou a revisão das medidas tomadas com base nela e a elaboração de um plano de ação nacional para a IA.

União Europeia e Portugal

O Regulamento sobre Inteligência Artificial da União Europeia exige que os fornecedores de sistemas de IA generativa divulguem o material protegido por direitos autorais usado no treinamento e rotulem os conteúdos gerados por IA. Em Portugal, onde o regulamento se aplica diretamente, o governo anunciou em 19 de setembro de 2025 a escolha da Autoridade Nacional de Comunicações (ANACOM) como autoridade de fiscalização e ponto de contacto para a sua aplicação.

China

Na China, as Medidas Provisórias para a Gestão de Serviços de IA Generativa, editadas pela Administração do Ciberespaço da China, regulam todo serviço de IA generativa oferecido ao público. Incluem a obrigação de marcar imagens e vídeos gerados, regras sobre dados de treinamento e qualidade da rotulagem, limites à coleta de dados pessoais e a diretriz de que os serviços devem "aderir aos valores socialistas fundamentais". Em março de 2025, o país passou a exigir que os provedores de serviços on-line rotulem os conteúdos gerados por IA.

Brasil

No Brasil, o Projeto de Lei 2338/2023, que institui um marco legal para a inteligência artificial com abordagem baseada em riscos, foi aprovado pelo Senado Federal e remetido à Câmara dos Deputados em março de 2025. Em maio de 2026, o texto ainda era analisado por uma comissão especial da Câmara, relatada pelo deputado Aguinaldo Ribeiro. No debate sobre o projeto, a mineração de textos e dados para treinar modelos generativos e os direitos dos titulares das obras usadas estão entre os pontos centrais. No campo eleitoral, o Tribunal Superior Eleitoral (TSE) passou a exigir em 2024 a rotulagem de conteúdos de propaganda produzidos com IA e proibiu deepfakes nas campanhas, sob pena de cassação do candidato. Em março de 2026, a Resolução 23.755 atualizou essas normas para as eleições gerais: manteve o uso de IA permitido mediante rotulagem, proibiu chatbots e avatares que simulem conversas com candidatos ou outras pessoas reais, vedou que plataformas e sistemas de IA recomendem candidatos e estabeleceu um período sem novos conteúdos sintéticos nas 72 horas anteriores e nas 24 horas posteriores à votação. Partidos e plataformas passaram também a ter de apresentar planos de conformidade para o uso da tecnologia.

Iniciativas internacionais

Em 2021, a Organização das Nações Unidas para a Educação, a Ciência e a Cultura (UNESCO) adotou a Recomendação sobre a Ética da Inteligência Artificial, primeiro instrumento normativo global sobre o tema, com orientações aos Estados-membros sobre direitos humanos, equidade, transparência, governança de dados e sustentabilidade ambiental. Em 2023, o G7 lançou o Processo de Hiroshima sobre IA, que produziu princípios orientadores internacionais e um código de conduta voluntário para desenvolvedores de sistemas avançados. Em 2024, o Conselho da Europa adotou a Convenção-Quadro sobre Inteligência Artificial e Direitos Humanos, Democracia e Estado de Direito, primeiro tratado internacional juridicamente vinculativo sobre IA.

06

Direitos autorais

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

Treinamento com obras protegidas

Sistemas como o ChatGPT e o Midjourney são treinados com grandes conjuntos de dados públicos que incluem obras protegidas. Os desenvolvedores sustentam que esse uso é permitido pela doutrina americana do fair use, por ser transformativo e não disponibilizar cópias das obras ao público, enquanto os titulares afirmam que ele viola seus direitos. Críticos apontam que geradores de imagem como o Midjourney conseguem produzir cópias quase idênticas de algumas imagens protegidas e que os programas passam a competir com o conteúdo usado no seu treinamento. A origem dos dados de treinamento é muitas vezes complexa e pode incluir dados pessoais; em 2024, a Meta foi cobrada por autoridades a explicar como usava dados de usuários para treinar seus modelos.

Litígios

Autores, editoras de notícias, artistas visuais e gravadoras moveram ações alegando que desenvolvedores de IA usaram suas obras sem autorização; os réus contestam parte das alegações, inclusive sustentando que o treinamento se enquadra no fair use. A Getty Images processou a Stability AI pelo uso de suas imagens no treinamento do Stable Diffusion, e tanto a Authors Guild quanto o New York Times processaram a Microsoft e a OpenAI pelo uso de suas obras no treinamento do ChatGPT. Em outubro de 2026, o USA Today também processou a OpenAI, enquanto outra leva de ações acusava provedores de chatbots de contribuir para crises de saúde mental e outras condutas danosas, discutindo se esses sistemas devem ser tratados juridicamente como produtos ou como serviços.

Proteção de obras geradas por IA

Outra questão é se obras geradas por IA podem ser protegidas. Nos Estados Unidos, o Escritório de Direitos Autorais e a Justiça federal entenderam que obras criadas por IA sem participação humana não podem ser registradas, por falta de autoria humana. Juristas apontam o caso Naruto v. Slater (2018), em que um tribunal federal de apelações decidiu que animais não podem ser titulares de direitos sobre obras artísticas, como possível precedente. O escritório abriu consulta pública para avaliar se essas regras precisavam ser ajustadas. Em janeiro de 2025, publicou orientações segundo as quais ferramentas que permitem ao usuário controlar a seleção e a disposição de elementos criativos podem gerar obras protegíveis, conforme o grau de originalidade avaliado caso a caso. Pouco depois, registrou A Single Piece of American Cheese, primeira obra visual composta inteiramente de material gerado por IA a obter registro.

07

Impactos sociais

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

O desenvolvimento da IA generativa motivou reações de governos, empresas e pessoas, como protestos, ações judiciais, pedidos de pausa nos experimentos com os sistemas mais avançados e medidas de vários governos. Numa reunião do Conselho de Segurança das Nações Unidas em julho de 2023, o secretário-geral António Guterres afirmou que a tecnologia tem enorme potencial para o bem e para o mal em grande escala, que poderia acrescentar entre 10 e 15 trilhões de dólares à economia mundial até 2030 e que seu uso malicioso poderia causar morte, destruição e danos psicológicos numa escala inimaginável. Os modelos podem gerar afirmações, citações ou resumos incorretos apresentados com aparente segurança, fenômeno chamado alucinação. Em 2025, pesquisadores da OpenAI argumentaram que esses erros são matematicamente inevitáveis nos modelos atuais, e um estudo do mesmo ano verificou que mecanismos de busca com IA citavam fontes de notícias de forma incorreta em cerca de 60% dos casos.

Trabalho e economia

Desde os primórdios da IA, o criador do programa ELIZA, Joseph Weizenbaum, e outros autores questionaram se tarefas que computadores conseguem executar deveriam de fato ser entregues a eles, dada a diferença entre cálculos quantitativos e julgamentos qualitativos baseados em valores. Em abril de 2023, reportagens indicaram que a geração de imagens por IA havia eliminado cerca de 70% dos postos de ilustradores de jogos eletrônicos na China. Em maio de 2023, o sindicato dos roteiristas americanos (Writers Guild of America) entrou em greve por melhores salários e por regras para o uso de IA, com o objetivo de impedir que textos literários fossem produzidos por IA generativa e que roteiros fossem usados para treiná-la. O acordo que encerrou a greve, em setembro de 2023, determinou que os estúdios informem quando repassarem material produzido por IA, que a IA não receba créditos de autoria nem escreva ou reescreva material literário, e que os roteiristas possam usar a tecnologia com consentimento da produtora, sem ser obrigados a isso. Os atores também pararam em julho de 2023, em parte pelo uso de suas imagens e vozes sem proteção e consentimento, e durante a greve da SAG-AFTRA a presidente do sindicato, Fran Drescher, declarou que a IA representava uma ameaça existencial às profissões criativas. Em julho de 2024, dubladores e artistas de captura de movimento de jogos eletrônicos filiados ao mesmo sindicato anunciaram nova greve, tendo a IA como ponto central. A geração de voz é vista como um desafio para o setor de dublagem, e redatores e jornalistas manifestam preocupações semelhantes.

Educação

A IA generativa pode redigir e modificar textos acadêmicos, parafrasear fontes e traduzir. Seu uso em sala de aula desafiou definições tradicionais de plágio acadêmico e criou uma dinâmica de "gato e rato" entre estudantes e instituições que tentam detectá-lo. Logo após o lançamento do ChatGPT, muitos distritos escolares e universidades proibiram temporariamente a tecnologia, mas várias instituições migraram depois para políticas de integração controlada. Pesquisas indicam que a implementação dessas políticas costuma ser pouco clara e que o ônus de interpretar o que é "uso aceitável" recai muitas vezes sobre estudantes e professores, o que dificulta definir e aplicar regras de honestidade acadêmica.

Saúde mental e cognição

Numa amostra representativa de 20 847 adultos americanos, um estudo publicado em 2026 na JAMA Network Open associou o uso diário de IA generativa a mais sintomas depressivos, com chance cerca de 30% maior de depressão ao menos moderada entre usuários diários; o desenho transversal não permite conclusões causais. Outro levantamento nacional, de 2025, verificou que cerca de 13% dos adolescentes e jovens americanos de 12 a 21 anos haviam usado IA generativa para apoio emocional, e mais de 90% deles consideraram os conselhos úteis. O primeiro ensaio clínico randomizado de um chatbot terapêutico inteiramente generativo, publicado na NEJM AI em 2025, encontrou reduções significativas de sintomas de depressão, ansiedade e transtornos alimentares em quatro semanas, em comparação com um grupo em lista de espera. Uma meta-análise de 31 ensaios encontrou efeitos pequenos a moderados de chatbots na redução de sintomas depressivos, de ansiedade e de estresse em jovens. Já um estudo da Universidade Stanford de 2025 constatou que chatbots terapêuticos comerciais demonstravam estigma em relação a condições como esquizofrenia e dependência de álcool e respondiam de forma inadequada a ideação suicida e a pensamentos delirantes. Cientistas também se preocupam com a dependência emocional criada por chatbots de companhia que validam constantemente o usuário, e em 2026 pesquisadores de Stanford verificaram que usuários da plataforma Character.AI com poucos laços sociais fora da internet se sentiam mais solitários depois de buscar apoio emocional nela.

Jornalismo

Em janeiro de 2023, o site Futurism revelou que o CNET usava uma ferramenta interna de IA, sem informar os leitores, para escrever ao menos 77 reportagens; depois da revelação, o CNET publicou correções em 41 delas. Em abril de 2023, a revista alemã Die Aktuelle publicou uma falsa entrevista com Michael Schumacher gerada por IA. Em maio de 2024, o Futurism relatou que a AdVon Commerce, que produzia artigos com IA generativa para vários desses veículos, parecia ter fornecido dezenas de milhares de textos a mais de 150 editoras. Em 2025, um relatório do American Sunlight Project afirmou que a Rede Pravda publicava até 10 000 artigos por dia e que boa parte desse material buscava introduzir narrativas russas nos modelos de linguagem por meio dos seus dados de treinamento.

Vieses

Um modelo de linguagem pode associar certas profissões a um gênero quando esse padrão é frequente nos dados, e alguns geradores de imagem retratam homens como diretores executivos com mais frequência que mulheres. Sistemas de reconhecimento de voz têm dificuldade com distúrbios de fala, como a gagueira, o que prejudica o uso de assistentes como o Gemini e a Siri. Em processos seletivos conduzidos por IA, transcrições incorretas podem eliminar candidatos com deficiências ou sotaques pouco comuns antes de chegarem a um entrevistador humano, em parte porque muitos modelos são desenvolvidos e treinados nos Estados Unidos, com predominância do inglês americano.

Desinformação e deepfakes

A IA generativa permite produzir textos, imagens, áudios e vídeos fictícios usados para espalhar notícias falsas, inclusive em campanhas eleitorais, o que torna mais difícil distinguir o verdadeiro do sintético. Os deepfakes, termo que junta deep learning (aprendizagem profunda) e fake (falso), substituem a aparência ou a voz de uma pessoa pela de outra e despertam preocupação pelo uso em pornografia não consentida, boatos, desinformação sobre saúde, fraudes financeiras e interferência estrangeira em eleições. Em julho de 2023, a empresa de checagem Logically verificou que o Midjourney, o DALL-E 2 e o Stable Diffusion produziam, quando solicitados, imagens plausíveis de desinformação, como falsas cenas de fraude eleitoral nos Estados Unidos. Outros pesquisadores consideram exagerados os temores sobre o efeito da IA generativa na desinformação, argumentando que o fator limitante é a demanda por conteúdo falso, e não o custo de produzi-lo.

08

Detecção e marcas d'água

Imagem: Acervo fotográfico do Poder Judiciário do Amazon · BY-NC-SA · Openverse

Ferramentas como o GPTZero tentam identificar textos gerados por IA, e há programas semelhantes para imagens, áudio e vídeo. Esses detectores, gratuitos ou pagos, produzem com frequência falsos positivos e já levaram a acusações indevidas contra estudantes. A marca d'água digital melhora a detecção ao alterar o conteúdo gerado na origem, de forma sutil, para que seja reconhecido por um programa correspondente; outras estratégias incluem a autenticação de conteúdo e classificadores de aprendizado de máquina. Em 2023, a OpenAI desenvolveu uma ferramenta de marca d'água para o ChatGPT, mas não a lançou, por temer que os usuários migrassem para concorrentes e porque ela poderia ser facilmente contornada, por exemplo pedindo a outra IA que reescrevesse o texto. Em maio de 2025, o Google passou a aplicar a marca d'água SynthID a textos do Gemini, imagens do Imagen e vídeos do Veo, com um portal próprio para verificação. As desconfianças também atingem obras humanas: em 2025, desenvolvedores de jogos como Little Droid foram acusados por usuários, erroneamente, de usar IA generativa.

Vídeos recomendados

Fontes consultadas

Continue pesquisando