LI O ARTIGO
Um grupo da Universidade do Sul da Califórnia publicou em agosto, na Nature Human Behaviour, um artigo sobre a variedade da escrita, medida não pela complexidade média dos textos, mas pelo quanto eles diferem entre si. O artigo contém três estudos, sete conjuntos de dados e analisou mais de 880 mil textos. O trabalho é de Zhivar Sourati, Farzan Karimi-Malekabadi, Meltem Ozcan e colegas, no grupo de Morteza Dehghani. Como resultado, estes autores demonstraram que, ao revisar textos humanos, modelos de linguagem reduziram entre 21% e 50% a variância da complexidade da escrita.
Os resultados, porém, vêm de duas perguntas diferentes. No Estudo 1a, os autores acompanham histórias do Reddit, notícias comunitárias do Patch e resumos do arXiv, entre 2018 e 2024. Um detector estima quais textos podem ter sido produzidos por modelos de linguagem; análises de séries temporais examinam o que aconteceu com a variância após o lançamento do ChatGPT e se o crescimento de textos classificados como “artificiais” ajuda a prever novas quedas de variância.
O Estudo 1b faz outra coisa. Mil textos humanos anteriores ao ChatGPT, de cada uma de duas fontes — Reddit e arXiv — foram reescritos por GPT-3.5, Llama 3 70B e Gemini Pro, com instruções banais: melhorar clareza, fluência, legibilidade. É dessas reescritas que vem a queda de 21% a 50% na variância da complexidade da escrita. A máquina recebeu textos diferentes escritos por humanos e devolveu textos mais parecidos entre si.
O primeiro estudo olha para o que circula nas plataformas; o segundo isola o que acontece quando um modelo reescreve um texto humano. Juntos, dão força à hipótese de homogeneização da escrita pelos grandes modelos de linguagem. Separados, deixam claro o que cada um permite afirmar. No Reddit e no arXiv, a proporção de textos que o detector atribui a modelos ajuda a prever reduções posteriores da variância. No Patch, essa relação preditiva não aparece.
A mudança no conjunto de textos coincide com a expansão dos modelos, mas também mudam as plataformas, os autores que publicam, os assuntos e as regras de circulação. O experimento mostra que a revisão por IA pode produzir a redução, mas não mede quanto da mudança observada no mundo veio dela. E a série acompanha textos, não a capacidade de cada autor.
O achado que me prende está no encontro entre duas medidas. Em 87% das reescritas, a similaridade semântica com o original ficou acima de 0,95. O conteúdo foi, em grande parte, preservado. A variância da escrita, não. A máquina devolve algo muito próximo do que foi dito, com menos diferença entre as maneiras de dizer.
Dizer que o sentido foi preservado parece encerrar a discussão. Mas a forma não é uma camada externa que se descarta depois. É nela que alguém encontra recursos para fazer a ideia avançar, às vezes para um lugar que não havia previsto. O experimento não mostra que alguém passou a pensar menos ou perdeu sua voz. Mostra que o texto, depois da revisão, varia menos. A paráfrase sobreviveu. O texto, não.
Os pesquisadores testaram também se classificadores ainda conseguiam inferir características dos autores. Em média, a acurácia caiu 6%. Na estimativa da faixa etária, o F1 passou de 0,351 para 0,260; a linha de base aleatória era 0,244. A reescrita enfraqueceu bastante essa inferência, mas não a levou ao acaso.
O que se perde não se perde por igual. Algumas associações entre marcas linguísticas e traços pessoais enfraqueceram: gênero e palavras de emoção negativa; extroversão e pronomes; lealdade e menções a amigos; idade e foco no futuro. Outras se mantiveram, como neuroticismo e palavras de emoção negativa, ou pureza e referências à religião. A revisão não apaga todos os sinais, mas muda o peso de alguns e deixa outros de pé. As associações que desaparecem são as fracas, com coeficientes entre 0,06 e 0,09; as que resistem são as fortes, acima de 0,19. A revisão deixou passar o sinal grosso e cortou o fino. Sobrevive a categoria, perde-se a nuance.
E há uma direção nessa mudança. Depois da reescrita, os classificadores atribuíram os textos mais frequentemente a perfis mais velhos, masculinos e politicamente liberais, com valência moral positiva e menor empatia. Não é que o modelo tenha descoberto a idade ou a personalidade de quem escreveu originalmente. O estilo da reescrita deslocou as predições nessa direção.
Trabalho há trinta anos numa tradição em que os signos não são veículos do pensamento, mas sua matéria. Em Vygotsky, as funções psicológicas superiores se constituem através de signos, e os signos são sociais antes de serem individuais. Não concluo daí que quem usa um corretor fica com menos repertório. A pergunta que me ocorre é sobre o ambiente: se parte crescente da escrita que encontramos passou por uma operação que corta certas diferenças, o que acontece com o estoque público de signos de que nos apropriamos ao ler?
O artigo não mede aprendizagem, não acompanha estudantes nem observa o que uma criança aprende ao ler textos reescritos por IA. A série mostra mudança no que circula; o experimento mostra que a revisão por modelos pode produzir convergência. Entre isso e dizer que uma linguagem pública mais homogênea produz pensamento mais homogêneo há um caminho que ainda precisamos percorrer.
Mas a idade de quem escreve muda o tamanho da pergunta. Um adulto com voz constituída que pede a um modelo para melhorar seu texto delega acabamento. Uma criança de oito ou nove anos não está polindo uma voz pronta. Está constituindo essa voz no contato com o que lê e na tentativa de dizer alguma coisa. Não se delega acabamento numa voz que ainda não existe. É também o que falta ao parecer do Conselho Nacional de Educação aprovado em setembro, que veda a interação de estudantes dos anos iniciais com sistemas generativos mesmo sob supervisão de professores. O parecer chegou lá por proteção de direitos e adequação etária. Há uma razão igualmente forte, e ela é semiótica. Antes de perguntar se a ferramenta termina a tarefa com mais eficiência, precisamos perguntar o que a criança está aprendendo enquanto tenta fazê-la.
Não sei se um ambiente público de escrita mais homogêneo produz pensamento mais homogêneo. Também não sei se a variação decisiva para aprender aparece em algum corpus. Pode ser que este seja um estudo sobre a escrita pública e os limites de inferir quem somos a partir dela. Mas seria bom começarmos a mensurar essas dimensões.
Sabemos há muito tempo que escrever é um processo formativo. O sujeito não registra apenas um pensamento pronto; vai compondo pensamento no atrito entre o que quer dizer e o que a língua permite dizer. Agora há evidência de que o conteúdo pode atravessar a revisão quase intacto enquanto a escrita converge.
Referência
Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F., & Dehghani, M. (2026). “The shrinking landscape of linguistic diversity in the age of large language models”. Nature Human Behaviour. doi.org/10.1038/s41562-026-02550-0. Versão anterior: arXiv:2502.11266v2.
Para seguir a conversa
Os temas e formatos de palestra estão em Palestras. Convites e propostas passam por Kilza, minha agente: kilza@squared.ventures · WhatsApp.