XXVIII Seminário de Filosofia · 20 a 23 de outubro de 2026

Escrever com IA sem deixar de pensar

Uso crítico e ético da inteligência artificial na escrita acadêmica.
O que a máquina faz por dentro e o que continua sendo tarefa humana.

Pergunta-guia

Quando um texto é escrito com ajuda de uma máquina, o que nele ainda é meu?

Sex, 23/10 · 08h às 12h Faculdade Católica da Paraíba · Cajazeiras-PB Prof. Me. Gervásio Teixeira
Pergunta-guia

O humano em questão

Quando um texto é escrito com ajuda de uma máquina, o que nele ainda é meu?

O que a IA faz bem

Organiza, reformula, resume, sugere objeções e acelera o rascunho.

O que continua sendo seu

A pergunta, o juízo, a verificação, a tese e a responsabilidade pelo que se assina.

Antes de começar

Cinco regras de ouro

Valem para este minicurso e para tudo o que você escrever com ajuda de uma máquina.

1Eu penso primeiro; depois peço ajuda.O problema e a tese nascem de você.
2Nada que a IA entrega vale como fonte antes de eu verificar.Existe? Dados conferem? Diz isso? Sustenta?
3Não colo dados pessoais nem trabalhos sigilosos em ferramentas públicas.LGPD e direito autoral valem também aqui.
4Registro o que fiz: é a minha declaração de uso.Ferramenta, finalidade e limites.
5Se a IA concordar demais comigo, peço que discorde.Bajulação não é interlocução.
O que você precisa hojeComputador com internet, uma conta em alguma IA gratuita (ChatGPT, Gemini, Claude ou Copilot) e um tema seu, real ainda que provisório: um TCC, um artigo, um projeto.
Programação

Roteiro do minicurso

Em cada módulo: uma ideia da Filosofia, um conceito da Computação e uma prática no computador. Abra um bloco para ver o que será feito e vá direto ao texto.

  1. Início
    AberturaBoas-vindas, a pergunta-guia, um pouco da história da IA e o acordo de trabalho
    Abertura
  2. 1
    Módulo 1 · Autoria na era da IADo mito de Theuth ao autor que assina o que não escreveu sozinho
    Módulo 1

    Filosofia

    Platão (Fedro): a escrita como pharmakon. Kant: menoridade e esclarecimento. Arendt: pensar o que estamos fazendo.

    Computação

    Viés de automação e accountability: a máquina não assina nem responde.

    Prática

    As três perguntas: quem pensou? quem decidiu? quem responde?
    Ir ao texto do Módulo 1 →
  3. 2
    Módulo 2 · Como uma IA funcionaDo jogo da imitação à previsão da próxima palavra
    Módulo 2

    Filosofia

    Turing e o jogo da imitação. Searle e o quarto chinês. Wittgenstein: significado como uso. Aristóteles: o verossímil e o verdadeiro. Frankfurt: conversa fiada.

    Computação

    Tokens, vetores, atenção, probabilidade, temperatura, alucinação.

    Prática

    Demonstração ao vivo: o teste das referências.
    Ir ao texto do Módulo 2 →
  4. 3atividade prática
    Módulo 3 · Pesquisa e referênciasDo espanto ao problema de pesquisa, e da sugestão da IA à fonte verificada
    Módulo 3

    Filosofia

    Platão e Aristóteles: o espanto. Descartes: a dúvida metódica.

    Computação

    Prompt como especificação (5 camadas). Bases de dados e operadores lógicos de busca.

    Prática

    Atividade 1: do espanto à referência verificada.
    Ir ao texto do Módulo 3 →
  5. Pausa
    IntervaloSalve a sua tabela de referências. Voltamos em seguida.
    Pausa
  6. 4atividade prática
    Módulo 4 · A IA como interlocutora socráticaMaiêutica e disputatio aplicadas ao prompt
    Módulo 4

    Filosofia

    Maiêutica (Teeteto). Disputatio (Tomás de Aquino). Falácias (Aristóteles). Adulação (Górgias).

    Computação

    Teste adversarial e bajulação (sycophancy).

    Prática

    Atividade 2: seu argumento no tribunal da IA.
    Ir ao texto do Módulo 4 →
  7. 5atividade prática
    Módulo 5 · Estruturar, revisar e responder por siO que delegar, o que não, e como declarar o uso
    Módulo 5

    Filosofia

    Aristóteles: técnica (poiesis) e prudência (phronesis). Floridi e Cowls. Jonas. Kant.

    Computação

    Normas e transparência: LGPD, CNE, CNPq, MEC, ABNT.

    Prática

    Atividade 3: do rascunho ao texto assinado.
    Ir ao texto do Módulo 5 →
  8. Fim
    Fechamento · Que é o homem?Seis compromissos para levar
    Fechamento

À noite, às 19h, o professor também participa da mesa-redonda interdisciplinar “Pensar com Máquinas” (19h às 22h), com a Profª. Drª. Maria Vanice Lacerda (UFCG) e o Prof. Dr. Lucrécio Araújo de Sá (UFCG).

0
Abertura

De onde vem a IA e por que ela “estourou”

Ideia da FilosofiaMecanizar o raciocínio é uma ideia antiga: de Leibniz a Turing.
Conceito da ComputaçãoIA simbólica × aprendizado de máquina; aprendizado profundo, transformer e escala.
Para pensarSe mudaram a escala e a interface, o que muda na pergunta-guia?

A inteligência artificial não nasceu com o ChatGPT. A ideia de mecanizar o raciocínio é bem mais antiga: no século XVII, Leibniz sonhava com um cálculo capaz de resolver disputas. Em 1943, McCulloch e Pitts propuseram um modelo matemático de neurônio; em 1950, Turing trocou a pergunta “as máquinas podem pensar?” por um jogo de imitação; e em 1956, na proposta do encontro de verão de Dartmouth (McCarthy et al., 1955), apareceu o nome “inteligência artificial”, com a aposta de que aprender e raciocinar poderiam ser descritos com tanta precisão que uma máquina seria capaz de simulá-los.

Desde então, duas apostas disputaram o campo. A IA simbólica tentava escrever, à mão, regras e lógica que representassem o conhecimento. O conexionismo apostava em redes neurais que aprendem padrões a partir de exemplos, como o Perceptron, de 1958. Os resultados ficaram abaixo das promessas, e houve períodos de cortes de verba e descrença, chamados de “invernos da IA” (anos 1970 e do fim dos anos 1980 ao início dos 1990). Em 1986, a retropropagação, popularizada por Rumelhart, Hinton e Williams, tornou viável treinar redes de várias camadas, mas faltavam dados e poder de cálculo.

QuandoO que aconteceu
Séc. XVIILeibniz sonha com um cálculo capaz de resolver disputas: a ideia de mecanizar o raciocínio é antiga.
1943McCulloch e Pitts propõem um modelo matemático de neurônio.
1950Turing publica Computing machinery and intelligence e propõe o jogo da imitação.
1956Encontro de Dartmouth: surge o termo “inteligência artificial” (McCarthy et al., 1955).
1958Rosenblatt apresenta o Perceptron, rede neural que aprende com exemplos.
Anos 1970 a 1990Os “invernos da IA”: promessas demais, resultados de menos, cortes de verba.
1986A retropropagação permite treinar redes de várias camadas (Rumelhart, Hinton e Williams).
2012A rede AlexNet vence o concurso ImageNet, treinada em GPUs: começa a era do aprendizado profundo (Krizhevsky et al., 2012).
2016O AlphaGo, da DeepMind, vence um campeão mundial de Go.
2017O artigo Attention is all you need apresenta o transformer (Vaswani et al., 2017).
2020O GPT-3 chega a 175 bilhões de parâmetros (Brown et al., 2020); as leis de escala mostram ganhos previsíveis com mais dados e cálculo (Kaplan et al., 2020).
2022O ajuste com avaliações de pessoas (Ouyang et al., 2022) e o ChatGPT (30 de novembro) levam a tecnologia ao grande público. Estimativas da época apontaram mais de 100 milhões de usuários em cerca de dois meses.

Por que a IA “estourou” há poucos anos?

Foi a combinação de cinco ingredientes:

1

Dados

Décadas de internet deixaram bilhões de textos, imagens e códigos disponíveis para treinar os modelos.

2

Cálculo

GPUs e grandes centros de dados permitem treinar redes enormes em semanas.

3

Arquitetura

O transformer aproveita esse hardware e capta relações entre palavras distantes.

4

Escala

Mais dados, mais parâmetros e mais cálculo trazem ganhos previsíveis de desempenho.

5

Conversa

O ajuste com feedback humano e um chat aberto a todos levaram a IA do laboratório ao cotidiano.

Repare no que não está nessa lista: uma nova teoria do pensamento. O que mudou foi a quantidade de dados, de cálculo e a forma de conversar com a máquina. Por isso a pergunta que guia este minicurso continua de pé, e o Módulo 2 vai abrir o que uma IA faz por dentro.

Para pensarSe o que mudou foi a escala e a interface, e não a ideia de pensar, o que muda na pergunta “o que, num texto escrito com ajuda de uma máquina, ainda é meu?”
1
Módulo 1

Autoria na era da IA

Ideia da FilosofiaPlatão, Kant e Arendt: remédio e veneno, menoridade, responsabilidade.
Conceito da ComputaçãoViés de automação e accountability.
PráticaResponder, para um texto seu, às três perguntas da autoria.

Remédio e veneno

No Fedro, Platão (2011, 274c-275b) conta um mito egípcio. O deus Theuth, inventor dos números, do cálculo e das letras, apresenta ao rei Thamus a escrita como um pharmakon, palavra grega que significa ao mesmo tempo remédio e veneno. Seria, diz Theuth, um remédio para a memória e para a sabedoria. Thamus discorda: a escrita produzirá esquecimento, porque os homens passarão a confiar em marcas externas em vez de exercitar a memória, e dará apenas uma “aparência de sabedoria”.

Leia o trecho: Theuth e ThamusPlatão, Fedro, 274e-275b e 275d · tradução livre a partir da versão inglesa de B. Jowett (domínio público)
Português
Theuth disse: “Esta invenção tornará os egípcios mais sábios e lhes dará melhor memória; é um específico para a memória e para a sabedoria.” Thamus respondeu: “Engenhosíssimo Theuth, quem inventa uma arte nem sempre é o melhor juiz da utilidade ou da inutilidade dela para quem vai usá-la. Tu, que és o pai das letras, por amor paterno atribuíste a elas uma qualidade que não podem ter: esta tua descoberta criará esquecimento na alma dos que aprendem, porque deixarão de exercitar a memória; confiando nos caracteres escritos, que lhes são externos, não se lembrarão por si mesmos. O específico que descobriste serve não à memória, mas à reminiscência, e dás aos teus discípulos não a verdade, mas só a aparência da verdade: ouvirão muitas coisas e nada terão aprendido; parecerão oniscientes e em geral nada saberão; serão companhia enfadonha, tendo a aparência da sabedoria sem a realidade.”
“Sinto, Fedro, que a escrita é infelizmente semelhante à pintura: as criações do pintor têm a atitude da vida e, no entanto, se lhes fazes uma pergunta, guardam um silêncio solene. O mesmo vale para os discursos escritos: imaginarias que têm inteligência, mas, se queres saber algo e lhes pões uma questão, dão sempre uma única resposta invariável.”
English (Jowett)
“[…] this discovery of yours will create forgetfulness in the learners' souls, because they will not use their memories; they will trust to the external written characters and not remember of themselves. The specific which you have discovered is an aid not to memory, but to reminiscence, and you give your disciples not truth, but only the semblance of truth; they will be hearers of many things and will have learned nothing; they will appear to be omniscient and will generally know nothing; they will be tiresome company, having the show of wisdom without the reality.”

“I cannot help feeling, Phaedrus, that writing is unfortunately like painting; for the creations of the painter have the attitude of life, and yet if you ask them a question they preserve a solemn silence. […] the speaker always gives one unvarying answer.”

Texto integral em classics.mit.edu. Jowett traduz pharmakon por “specific”. Na edição brasileira (Carlos Alberto Nunes, UFPA, 2011), confira a passagem.

Mais adiante (275d-e), Sócrates acrescenta que o escrito é como uma pintura: parece falar, mas, interrogado, repete sempre a mesma coisa. A inteligência artificial que escreve é um novo capítulo da mesma história, com uma diferença notável: agora o texto responde, adapta-se, reformula. A impressão de estar diante de um interlocutor é muito mais forte, e por isso o risco do “veneno” também. Lévy (1993) e Ong (1998) lembram que cada tecnologia da palavra reorganiza o modo de pensar de quem a usa. A pergunta, como em Platão, não é se a técnica é boa ou má, mas o que ela faz de nós conforme o uso que lhe damos: remédio para quem já pensou e quer organizar e testar suas ideias, veneno para quem ainda não pensou e deixa de aprender.

Menoridade e esclarecimento

Kant (2005 [1784]) define o esclarecimento como a saída do ser humano de sua menoridade, isto é, da incapacidade de servir-se do próprio entendimento sem a direção de outrem. A menoridade é “por culpa própria”: sua causa não é falta de entendimento, mas de decisão e de coragem. Ele a ilustra com um exemplo célebre: como é cômodo ser menor! Se tenho um livro que entende por mim, um pastor que tem consciência por mim, um médico que decide minha dieta, não preciso esforçar-me eu mesmo. Seu lema, tomado de Horácio, é Sapere aude!: tem a coragem de servir-te do teu próprio entendimento.

Leia o trecho: “Sapere aude!”Kant, Resposta à pergunta: que é esclarecimento? (1784) · original alemão e tradução livre
Português (tradução livre)
Esclarecimento é a saída do ser humano de sua menoridade, da qual ele próprio é culpado. Menoridade é a incapacidade de servir-se do próprio entendimento sem a direção de outro. É por culpa própria quando a causa dela não está na falta de entendimento, mas na falta de decisão e de coragem para servir-se dele sem a direção de outro. Sapere aude! Tem coragem de servir-te do teu próprio entendimento!
É tão cômodo ser menor! Se tenho um livro que tem entendimento por mim, um pastor que tem consciência por mim, um médico que julga por mim a dieta, e assim por diante, não preciso me esforçar eu mesmo. Não preciso pensar, desde que possa pagar; outros assumirão por mim a tarefa aborrecida.
Deutsch (1784)
„Aufklärung ist der Ausgang des Menschen aus seiner selbst verschuldeten Unmündigkeit. Unmündigkeit ist das Unvermögen, sich seines Verstandes ohne Leitung eines anderen zu bedienen. […] Sapere aude! Habe Muth dich deines eigenen Verstandes zu bedienen!“

„Habe ich ein Buch, das für mich Verstand hat, einen Seelsorger, der für mich Gewissen hat, einen Arzt der für mich die Diät beurtheilt, u. s. w. so brauche ich mich ja nicht selbst zu bemühen.“

Original (ortografia da Berlinische Monatsschrift) em Wikisource. Edição brasileira: Kant, Textos seletos (Vozes, 2005).

A IA entra nessa lista? Kant não condenaria os guias; condena a comodidade de nunca deixar de precisar deles. Na área de fatores humanos, descreve-se algo parecido com o nome de viés de automação: a tendência a confiar excessivamente nas respostas de um sistema automático. A diferença entre a ferramenta que esclarece e a tutela que mantém na menoridade está no que fazemos com o resultado: se o aceitamos sem exame, é tutela; se o examinamos, discordamos e refazemos, é ferramenta.

Quem é o autor?

Arendt (2007), no prólogo de A condição humana, propõe “pensar o que estamos fazendo”: não aceitar que as técnicas façam por nós o que deveríamos examinar. Aplicada à escrita, a proposta se desdobra em três perguntas.

1

Quem pensou?

A ideia central, o recorte e a tese partiram de você ou do modelo?

2

Quem decidiu?

Cada escolha (o que entra, o que sai, qual fonte vale) passou pelo seu juízo?

3

Quem responde?

Se houver erro, plágio ou invenção, quem assume? A máquina não assina nem responde.

A última é decisiva: um sistema de inteligência artificial não assina nem responde; a responsabilidade recai sobre pessoas e instituições (em computação, fala-se em accountability). Daí uma definição de trabalho que usaremos até o fim: autor é quem decide, responde e pode justificar o que escreveu. Usar IA não retira a autoria, desde que as três perguntas tenham resposta clara e honesta.

Para pensarEm um texto seu em que você já usou, ou pretende usar, ajuda de IA: quem pensou, quem decidiu e quem responde? Em que ponto a ajuda virou tutela?
2
Módulo 2

Como uma IA funciona

Ideia da FilosofiaTuring, Searle, Wittgenstein, Aristóteles, Frankfurt.
Conceito da ComputaçãoModelos de linguagem: tokens, vetores, atenção, temperatura, alucinação.
PráticaDemonstração ao vivo e experimento das cinco referências.

Duas perguntas clássicas

Em Computing machinery and intelligence, Turing (1950) julga a pergunta “as máquinas podem pensar?” vaga demais e a substitui por um jogo: um interrogador conversa por escrito com uma pessoa e com uma máquina, sem saber qual é qual; se não consegue distingui-las, a pergunta mudou de natureza. Os modelos de linguagem atuais conversam de modo convincente, mas o teste mede comportamento, não compreensão.

Leia o trecho: a pergunta de TuringTuring, Computing machinery and intelligence, 1950, §1 · tradução livre
Português (tradução livre)
Proponho considerar a questão: “As máquinas podem pensar?” […] Em vez de tentar tal definição, substituirei a questão por outra, intimamente relacionada com ela e expressa em palavras relativamente inequívocas.
English
“I propose to consider the question, ‘Can machines think?’ […] Instead of attempting such a definition I shall replace the question by another, which is closely related to it and is expressed in relatively unambiguous words.”

Artigo completo: Mind 59 (236), 433-460.

É aí que entra Searle (1980) com o quarto chinês: uma pessoa que não sabe chinês, trancada num quarto, recebe símbolos, consulta um manual de regras e devolve outros símbolos; de fora, parece entender chinês, mas apenas manipula formas. A conclusão de Searle é que seguir regras sobre a forma dos símbolos (sintaxe) não basta para compreender o que significam (semântica).

Aplicar o argumento aos modelos atuais é uma hipótese de leitura, não um veredicto: Searle criticava programas de manipulação simbólica da sua época, os modelos de hoje são redes neurais estatísticas, e há objeções clássicas (a de que o sistema como um todo compreenderia, por exemplo). Use o quarto chinês como lente: diante de qualquer texto gerado, pergunte se há compreensão ou apenas forma convincente. Para ler mais: verbete “The Chinese Room Argument” na Stanford Encyclopedia of Philosophy.

O percurso de uma frase

Um modelo de linguagem de grande escala (LLM, do inglês large language model) é uma rede neural treinada em enormes volumes de texto para uma tarefa aparentemente simples: prever a próxima palavra. Tudo o que ele faz vem daí. O percurso de uma frase dentro do modelo tem cinco etapas:

Texto (prompt)→Tokens→Vetores→Atenção→Probabilidades→Próxima palavra↺

Primeiro, o texto que você escreve (o prompt) é dividido em tokens, pedaços de palavras, e cada token vira um número. Depois, cada token é representado por um vetor, uma lista de números; é esse vetor que o modelo manipula. Em seguida, um mecanismo de atenção, ideia central da arquitetura transformer (Vaswani et al., 2017), pondera quais partes do texto anterior são mais relevantes para cada posição. Com isso, o modelo calcula a probabilidade de cada palavra possível vir a seguir e escolhe uma. Por fim, a palavra escolhida é acrescentada ao texto e todo o ciclo recomeça, palavra por palavra.

Repare no que não há nessas etapas: nenhuma delas consulta um banco de fatos. O que há são padrões numéricos aprendidos de muito texto. Quando o modelo escreve bem, é porque aprendeu muito bem como os textos costumam continuar; quando erra, é pela mesma razão.

Experimente · Tokens (ilustrativo)

Divisão ilustrativa: os modelos reais usam vocabulários de tokens próprios, e os números aqui são inventados.

Significado como uso, verossimilhança e temperatura

Por que tokens usados em contextos parecidos recebem vetores parecidos? Porque o treinamento ajusta os números de modo que palavras que aparecem em situações semelhantes fiquem próximas. Isso lembra Wittgenstein (1953, §43): para uma grande classe de casos, o significado de uma palavra é o seu uso na linguagem. É uma analogia produtiva, mas só até certo ponto: o modelo capta padrões de uso em textos; não participa de uma forma de vida em que as palavras servem para prometer, pedir, responsabilizar.

O modelo não escolhe sempre a palavra mais provável. A temperatura controla o quanto ele arrisca: com temperatura baixa, escolhe quase sempre as mais prováveis; com temperatura alta, sorteia entre várias, com mais variedade e mais risco. Por isso a mesma pergunta pode receber respostas diferentes, às vezes até contraditórias.

Experimente · A próxima palavra é uma aposta

A filosofia nasce do …

Valores ilustrativos. Sorteie várias vezes e compare: provável não é o mesmo que verdadeiro.

Aristóteles (Poética, cap. 9) já distinguia o poeta do historiador: o primeiro diz o que poderia acontecer segundo o verossímil ou o necessário; o segundo, o que aconteceu. O modelo está mais perto do poeta: devolve o verossímil. Provável não é o mesmo que verdadeiro.

Leia o trecho: o poeta e o historiadorAristóteles, Poética, cap. 9 · tradução livre a partir da versão inglesa de S. H. Butcher (domínio público)
Português (tradução livre)
Fica evidente, pelo que foi dito, que não é função do poeta relatar o que aconteceu, mas o que poderia acontecer: o que é possível segundo a lei da probabilidade ou da necessidade. O poeta e o historiador não diferem por escrever em verso ou em prosa. […] A verdadeira diferença é que um relata o que aconteceu, o outro o que poderia acontecer. Por isso a poesia é algo mais filosófico e mais elevado que a história: a poesia tende a exprimir o universal; a história, o particular.
English (Butcher)
“[…] it is not the function of the poet to relate what has happened, but what may happen — what is possible according to the law of probability or necessity. […] The true difference is that one relates what has happened, the other what may happen. Poetry, therefore, is a more philosophical and a higher thing than history: for poetry tends to express the universal, history the particular.”

Texto integral em classics.mit.edu.

De onde vem o que o modelo “sabe”

Pré-treinamento

Prever a próxima palavra em volumes enormes de texto. Aqui nascem o vocabulário, o estilo e também os vieses dos textos lidos.

Ajuste

Refinamento com exemplos e com avaliações de pessoas, para que responda de modo útil, educado e mais seguro.

Uso

O seu prompt entra como contexto e a resposta é gerada, palavra por palavra.

Três consequências práticas: o modelo tem uma data de corte do que conhece; não guarda as fontes como um catálogo, apenas padrões; e herda os vieses do que leu.

Alucinação

Chama-se alucinação o conteúdo gerado que não tem fundamento nos dados ou na realidade (Ji et al., 2023). Na escrita acadêmica, ela aparece como referências, autores, páginas e citações que não existem, entregues com total confiança. Há três maneiras complementares de compreendê-la:

Lente técnica

O modelo é treinado para produzir texto plausível, e não para verificar fatos.

Lente filosófica

Em analogia com Frankfurt (2005), a mentira se opõe à verdade, ao passo que a conversa fiada (bullshit) é simplesmente indiferente a ela. O modelo não tem intenção, e por isso a comparação é só uma analogia.

Lente crítica

Bender et al. (2021) chamam os modelos de “papagaios estocásticos”: recombinam formas linguísticas sem acesso ao sentido.

Algumas ferramentas, como Perplexity, combinam a geração de texto com busca na internet e mostram links; isso ajuda, mas não elimina a necessidade de conferir a fonte.

Para pensarSe a IA escreve bem e erra pela mesma razão, o que isso exige de quem a usa?

Experimento sugeridoPeça a uma IA cinco referências sobre um tema filosófico e tente encontrar cada uma em uma base confiável. Conte quantas são reais, quantas são reais com dados errados e quantas não existem.
3
Módulo 3

Pesquisa e referências

Ideia da FilosofiaO espanto (Platão, Aristóteles) e a dúvida metódica (Descartes).
Conceito da ComputaçãoPrompt como especificação; bases de dados e operadores lógicos.
PráticaAtividade 1: do espanto à referência verificada.

Do espanto ao problema

No Teeteto (155d), Platão (2001) diz que o espanto é o princípio da filosofia, e Aristóteles repete a ideia na Metafísica (A, 2). Em pesquisa, o espanto precisa ser lapidado até virar um problema que se possa investigar.

Leia o trecho: o espantoPlatão, Teeteto, 155d · tradução livre a partir da versão inglesa de B. Jowett (domínio público)
“[…] pois o espanto é o sentimento do filósofo, e a filosofia começa no espanto.”
“[…] for wonder is the feeling of a philosopher, and philosophy begins in wonder.”

Texto integral em classics.mit.edu. O mesmo diálogo traz a imagem de Sócrates como parteiro (148e-151d), que retomamos no Módulo 4.

Um caminho em quatro passos vai do tema ao recorte, deste à pergunta e dela à hipótese:

Tema

IA e autoria acadêmica

Recorte

Texto gerado por IA em trabalhos de graduação em Filosofia

Pergunta

Em que sentido o texto escrito com IA é de autoria de quem a aciona?

Hipótese

Autoria exige decisão e responsabilidade, e não apenas execução.

A IA pode ajudar a afinar o recorte e a testar a pergunta; mas o espanto, isto é, a escolha do que merece ser investigado, é seu.

O prompt em cinco camadas

Como o modelo gera o texto a partir do contexto que recebe, quanto mais claro o contexto, mais útil a resposta. Um prompt bem construído tem cinco camadas: o papel (quem a IA deve ser), o contexto (seu tema e seu nível), a tarefa (em um verbo), o formato (tabela, lista) e as restrições (o que evitar). Em computação, o prompt é uma especificação, e especificar bem é metade do trabalho; em termos filosóficos, lembra que o sentido depende do jogo de linguagem em que se fala (Wittgenstein), e que dizer é também fazer.

A restrição final não elimina a alucinação, mas reduz o risco de invenção. Nunca trate as referências sugeridas pela IA como verificadas. Monte o seu prompt na seção Prompts →

Onde buscar

Separe sempre dois tipos de ferramenta. As bases são aquelas em que a fonte existe de fato. As IAs de apoio ajudam a localizar e resumir, mas seu resultado precisa ser conferido na base. Os recursos gratuitos mudam sem aviso, mas o procedimento vale para ferramentas equivalentes. Veja a lista e o montador de buscas →

Uma dica técnica: as bases funcionam com lógica, e conhecer seus operadores melhora a busca. Use aspas para a expressão exata, AND para exigir os dois termos, OR para aceitar qualquer um e NOT (ou o sinal de menos, no Google Acadêmico) para excluir um termo, como em "inteligência artificial" AND (autoria OR plágio) AND "ensino superior".

A verificação em quatro passos

Descartes, nas Meditações metafísicas, propõe duvidar do que não é certo para chegar a um fundamento seguro. Usamos aqui o espírito do método: nada que a IA entregue vale como fonte antes de passar pela verificação.

1

Existe?

Procure o título exato em uma base ou no catálogo de uma biblioteca.

2

Os dados conferem?

Autor, ano, veículo e, quando houver, o DOI, identificador permanente do documento.

3

Diz isso?

Leia o trecho: o erro mais sutil é a obra existir, mas não dizer o que o modelo lhe atribui.

4

Sustenta?

A fonte serve ao seu argumento ou apenas enfeita o texto?

Os passos 1 e 2 são mecânicos; os passos 3 e 4 exigem leitura e juízo, e é a parte que não se delega.

Exemplo resolvido (didático)Tema: a prudência (phronesis) em Aristóteles.
• “ARISTÓTELES. Ética a Nicômaco, livro VI”: existe, os dados conferem, trata da prudência e sustenta o argumento, logo real.
• “SILVA, M. A prudência aristotélica na era digital. Revista de Ética Aplicada, 2021” (referência inventada para este exemplo): não se encontra em nenhuma base, logo inexistente.
• “ARISTÓTELES. Ética a Nicômaco, livro X, sobre a prudência”: a obra existe, mas a prudência é tratada no livro VI (o X trata do prazer e da felicidade), logo real com erro.

Teste-se na seção Praticar →
Mão na massa

As três atividades

Marque cada passo ao concluir e registre o que fizer: o que você escrever aqui fica salvo só neste navegador e não é enviado a ninguém. Se preferir papel, use as fichas em PDF.

Módulo 3

Atividade 1 · Do espanto à referência verificada

Faça no computador, de preferência com um editor de texto aberto para registrar o que fizer. O produto final são duas coisas: um problema de pesquisa em uma frase e um quadro de referências verificadas.

  1. Escreva em duas linhas o seu espanto: o tema ou o incômodo filosófico que realmente lhe chama a atenção.
  2. Monte um prompt com as cinco camadas (use o montador) e peça à IA três recortes de problema de pesquisa. Escolha um e escreva seu problema em uma frase, em forma de pergunta.
  3. Peça à IA três referências para o recorte escolhido.
  4. Verifique cada uma pelos quatro passos e monte o quadro abaixo; classifique cada uma como real, real com erro (autor, ano, título ou livro trocados) ou inexistente.
  5. Troque o quadro com um colega e confira uma referência dele pelos quatro passos.
Referência (como a IA deu)Existe?Dados conferem?Diz isso?Sustenta?Classificação
Salvo

Dica: guarde o quadro antes do intervalo (copie para o seu editor de texto). Nada é enviado a servidor algum; limpar os dados do navegador apaga o que está aqui.

4
Módulo 4

A IA como interlocutora socrática

Ideia da FilosofiaMaiêutica, disputatio, falácias, adulação.
Conceito da ComputaçãoTeste adversarial e bajulação (sycophancy).
PráticaAtividade 2: seu argumento no tribunal da IA.

A maior utilidade filosófica de um modelo de linguagem não está em escrever por você, mas em conversar com você: obrigar a definir termos, apresentar objeções e apontar saltos de raciocínio. Aqui a máquina trabalha a favor do pensamento, e não no lugar dele. Duas tradições da nossa disciplina ensinam como.

Maiêutica

No Teeteto (148e-151d), Platão (2001) mostra Sócrates descrevendo-se como parteiro: filho de uma parteira, diz-se estéril de sabedoria; não gera o saber no outro, ajuda a dar à luz e examina se a criança é viável. O procedimento tem momentos reconhecíveis:

1 · Pergunta
“O que é X?”
→2 · Definição
provisória
→3 · Refutação
pelo caso que a desmente (élenchos)
→4 · Aporia
impasse produtivo
→5 · Nova tentativa

Aplicado à IA, o recurso é simples e poderoso: peça que ela aja como Sócrates, só pergunte e nunca responda. Cada pergunta dela obriga você a definir melhor o conceito antes de escrever.

Disputatio

Nas escolas medievais, a disputatio organizava o saber como debate. Nos artigos da Suma teológica, Tomás de Aquino segue uma estrutura constante. O valor para a escrita é grande: obriga a enfrentar as melhores objeções antes de afirmar.

No artigo de TomásNa sua escrita com IA
Quaestio (utrum… · a questão)Seu problema de pesquisa
Objectiones (argumentos contrários)Peça à IA as 3 objeções mais fortes
Sed contra (autoridade a favor)Cite uma fonte verificada
Respondeo (a resposta do mestre)A sua tese, escrita por você
Ad objectiones (réplica a cada objeção)Responda a cada objeção, uma a uma

Há um paralelo na computação: antes de lançar um sistema, programadores aplicam testes adversariais, tentando deliberadamente quebrá-lo. A disputatio faz o mesmo com argumentos: procura as falhas antes que o leitor as encontre. Veja o formato dos artigos no texto da Suma (tradução inglesa dos Padres Dominicanos, domínio público).

Cuidado com a bajulação

Modelos de linguagem tendem a concordar com o usuário, fenômeno conhecido como bajulação (sycophancy). Se a IA elogiar demais a sua tese, escreva: “Discorde. Ataque o ponto mais frágil.” No Górgias (463a-b), Platão chama de adulação (kolakeia) a fala que agrada sem compromisso com a verdade, e a retórica sem filosofia seria um de seus ramos. Uma IA que apenas concorda é adulação em forma de software.

Leia o trecho: a retórica como adulaçãoPlatão, Górgias, 463a-b · tradução livre a partir da versão inglesa de B. Jowett (domínio público)
“Em minha opinião, Górgias, o todo do qual a retórica é parte não é de modo algum uma arte, mas o hábito de um espírito ousado e ágil, que sabe lidar com os homens: resumo esse hábito sob a palavra ‘adulação’ […].”
“[…] the whole of which rhetoric is a part is not an art at all, but the habit of a bold and ready wit, which knows how to manage mankind: this habit I sum up under the word ‘flattery’ […]”

Texto integral em classics.mit.edu.

Dois prompts prontos: Sócrates e advogado do diabo

Para a Atividade 2, use o prompt socrático (a IA só pergunta, uma por vez, e nunca responde) e o advogado do diabo (as três objeções mais fortes à sua tese, cada uma com a premissa em que ataca). Ambos estão prontos para copiar na seção Prompts.

Caçando falácias

Nas Refutações sofísticas, Aristóteles estuda os argumentos que parecem válidos sem o ser; a petição de princípio é tratada nos Analíticos anteriores (II, 16). A IA pode ajudar a localizá-los no seu texto, mas também pode cometê-los: peça sempre o trecho exato e confira.

FaláciaExemploPergunta-teste
Petição de princípio“A IA é confiável porque não erra.”A conclusão já está dentro da premissa?
Falso dilema“Ou se proíbe a IA, ou se aceita tudo.”Há alternativas que ficaram fora?
Apelo à autoridade“Disse o ChatGPT, então é verdade.”A autoridade é competente e verificável?
Ad hominem“Esse autor é leigo, logo está errado.”Ataca o argumento ou a pessoa?

Treine reconhecer falácias na seção Praticar → · Prompts prontos de Sócrates, advogado do diabo e caça-falácias →

Módulo 4

Atividade 2 · Seu argumento no tribunal da IA

O objetivo é testar uma tese sua contra perguntas e objeções fortes, reformulá-la e conseguir explicá-la em um minuto, sem ler.

  1. Escreva sua tese em 3 a 5 linhas (pode ser a hipótese da Atividade 1).
  2. Rode o prompt socrático por cinco ou seis rodadas e registre as perguntas da IA. Responda com as suas palavras; observe onde suas definições eram frágeis.
  3. Rode o advogado do diabo e escolha a objeção mais forte, aquela que você teria mais dificuldade de responder.
  4. Releia a tese procurando as quatro falácias (petição de princípio, falso dilema, apelo à autoridade, ad hominem).
  5. Reescreva a tese respondendo à objeção escolhida.
  6. Explique a nova tese à sua dupla em um minuto, sem ler, e ouça: ela entendeu? Qual ponto ficou obscuro?
5
Módulo 5

Estruturar, revisar e responder por si

Ideia da FilosofiaTécnica e prudência (Aristóteles); responsabilidade (Jonas); ética.
Conceito da ComputaçãoPrincípios de IA ética; privacidade, LGPD e transparência.
PráticaAtividade 3: do rascunho ao texto assinado.

A IA como leitora crítica

Depois de escrito o rascunho, a IA pode funcionar como leitora crítica: pergunta e aponta, sem escrever no seu lugar. Aristóteles (Poética, cap. 7) observa que um todo bem composto tem começo, meio e fim, e que cada parte se liga às outras; a estrutura mínima de um artigo ou TCC retoma a ideia: introdução (problema, tese, método), desenvolvimento (argumentos apoiados em fontes) e conclusão (que responde à pergunta da introdução).

Introdução

“O problema está claro? Qual é a tese que você entendeu?”

Desenvolvimento

“Qual passo do argumento está sem justificativa?”

Conclusão

“A conclusão responde à pergunta da introdução?”

Uma técnica útil é o esboço reverso: peça a ideia principal de cada parágrafo em uma frase e veja se a sequência é lógica. Mantenha o histórico de versões do seu editor de texto: ele ajuda a demonstrar a autoria.

O que delegar e o que não delegar

Algumas tarefas podem ser entregues à máquina com pouco risco; outras exigem cuidado; e há o que não se delega. O critério é aristotélico. Na Ética a Nicômaco (livro VI), Aristóteles distingue a técnica (poiesis), que produz algo, da prudência (phronesis), a capacidade de deliberar bem sobre o que fazer em situações concretas. A técnica pode ser transferida a ferramentas; a prudência, não: ninguém delibera por você.

Pode delegar

Corrigir ortografia e gramática
Formatar referências (e conferi-las)
Sugerir sinônimos e variações de frase
Gerar listas de perguntas para revisão

Com cuidado

Resumir textos (leia sempre o original)
Sugerir estrutura de seções
Reformular parágrafos seus
Traduzir trechos (confira os termos técnicos)

Não delegue

Escolher o problema e a tese
Interpretar os autores
Decidir o que é verdadeiro
Assinar e responder pelo texto

Classifique você mesmo as tarefas na seção Praticar →

Ética, privacidade e lei

Floridi e Cowls (2019) propõem cinco princípios para uma IA socialmente benéfica: beneficência, não maleficência, autonomia, justiça e explicabilidade. Traduzidos para a escrita:

BeneficênciaUse a IA para aprender mais, e não para aprender menos.
Não maleficênciaNão prejudique outros: nada de plágio nem de dados pessoais em ferramentas públicas.
AutonomiaPreserve sua capacidade de decidir e de pensar.
JustiçaReconheça os vieses e as fontes que a IA tende a omitir.
ExplicabilidadeSaiba dizer como chegou ao texto, declarando o uso.

Jonas (2006) defende que a responsabilidade seja proporcional ao poder das técnicas: quanto mais poderosa a ferramenta, maior o dever de cuidado de quem a usa. A UNESCO (Miao e Holmes, 2023) propõe, para o uso de IA generativa na educação e na pesquisa, uma abordagem centrada no humano, que preserve a agência de estudantes e pesquisadores.

Na prática: não cole dados pessoais, nem trabalhos inéditos ou sigilosos de terceiros, em ferramentas públicas (a Lei nº 13.709/2018, a LGPD, protege dados pessoais); respeite os direitos autorais (Lei nº 9.610/1998), citando e referenciando as fontes; e confira as regras de sua instituição, de seu orientador e do periódico sobre o uso de IA, que variam e podem exigir declaração. Veja o que dizem as normas brasileiras →

Para pensar · teste da publicidade (inspiração kantiana)Se você teria vergonha de declarar o uso, reveja-o. Gere a sua declaração →
Módulo 5

O que dizem as normas brasileiras hoje

Em 2026, o Brasil ainda não tem uma lei geral sobre inteligência artificial (o PL 2338/2023 segue em tramitação), mas já existem orientações e normas setoriais que pesam sobre quem escreve na universidade. Em comum, elas não proíbem o uso: exigem transparência, responsabilidade de quem assina e políticas próprias de cada instituição.

CNE · Educação

Parecer CNE/CP nº 15/2026

Aprovado em 1º de setembro de 2026, traz as Diretrizes para a Utilização da Inteligência Artificial na Educação Brasileira. Na educação superior, cada instituição estabelece políticas próprias para o uso de IA no ensino, na pesquisa e na extensão, com princípios de autoria, integridade acadêmica, transparência, responsabilidade intelectual e proteção de direitos, podendo prever formas de declaração de uso.

Cabe ao estudante a responsabilidade intelectual pela seleção, verificação e veracidade das informações, e a transparência quanto ao uso da IA. Na pesquisa, a IA deve ser declarada sempre que sua contribuição for relevante para a elaboração de textos, a análise de dados, a revisão bibliográfica ou a programação, e ela não transfere a autoria nem a responsabilidade. O texto veda a sanção acadêmica fundada exclusivamente em ferramenta de detecção de conteúdo gerado por IA e o uso de conteúdos produzidos por estudantes para treinar modelos de terceiros sem autorização específica.

Atenção ao status: a resolução que institui essas diretrizes ainda depende de homologação pelo MEC e de publicação; confira se isso já ocorreu.

CNPq · Pesquisa

Portaria CNPq nº 2.664/2026

Publicada no DOU de 11/03/2026, instituiu a Política de Integridade na Atividade Científica. Na pesquisa apoiada pelo CNPq (por exemplo, com bolsas), é preciso declarar o uso de ferramentas de IA generativa em qualquer fase (concepção, redação, análise de dados, submissão), especificando a ferramenta e a finalidade; é vedado apresentar conteúdo gerado por IA como se fosse de autoria humana, e os autores respondem integralmente por plágios e imprecisões.

MEC · Educação

Referencial de IA na Educação (2026)

O MEC divulgou em 2026 o Referencial para o Uso e Desenvolvimento Responsáveis de IA na Educação, que destaca a supervisão humana efetiva, a transparência e a explicabilidade, e a proteção de dados e da privacidade de estudantes e docentes.

ABNT e leis

Normas técnicas e legislação

Valem a ABNT NBR 6023:2025 (referências), a NBR 10520:2023 (citações) e a NBR 14724:2024 (trabalhos acadêmicos); até onde pudemos verificar, não há norma da ABNT específica para citar IA generativa. Se sua instituição ainda adotar a edição de 2018 da NBR 6023, siga a orientação dela.

LGPD (Lei nº 13.709/2018) e direitos autorais (Lei nº 9.610/1998).

Na prática. Por isso a prática mais segura é a que este minicurso adota: não tratar a IA como fonte de autoridade, citar apenas fontes verificadas e declarar o uso (ferramenta, finalidade e limites). Em todos os casos, a regra da sua instituição, do seu curso e do seu orientador vale mais do que qualquer guia genérico: pergunte e registre. Normas e status mudam: confira as fontes oficiais (gov.br/mec, Diário Oficial da União) antes de citar em trabalhos.
Módulo 5 · para a Atividade 3

Declaração de uso de inteligência artificial

Declarar o uso de IA é o oposto do plágio: quem declara assume a responsabilidade pelo que escreveu. O modelo pode ser adaptado e anexado ao trabalho quando a instituição ou o orientador pedirem. Um teste prático, de inspiração kantiana (a publicidade como critério): se você teria vergonha de declarar o uso, reveja-o.

Sua declaração

Módulo 5

Atividade 3 · Do rascunho ao texto assinado

É a atividade de síntese: junta tese, escrita, revisão e declaração. Regra de ouro: o primeiro parágrafo é escrito sem IA. Ela só entra depois, como leitora crítica.

  1. Escreva, sem IA, um parágrafo de seis a oito linhas com a sua tese (a da Atividade 2, de preferência). (10 min)
  2. Cole o parágrafo na IA com o prompt do leitor crítico e anote o que ela apontou. (5 min)
  3. Reescreva o parágrafo por sua conta, decidindo o que aceitar e o que recusar da leitura da IA, e justificando cada decisão para si mesmo(a). (4 min)
  4. Troque o texto com um colega. Cada um lê o do outro com a lista de cinco perguntas abaixo. (4 min)
  5. Preencha a declaração de uso de IA do seu trabalho. (2 min)

Lista de verificação do colega

∞
Encerramento

Fechamento

Que é o homem?

Kant resumiu as perguntas da filosofia em três: que posso saber? que devo fazer? que me é permitido esperar? (Crítica da razão pura, A805/B833). Na Lógica acrescenta uma quarta, que as contém: que é o homem? A inteligência artificial devolve essa pergunta com urgência nova: o que fazemos quando uma máquina faz o que julgávamos próprio do humano, escrever? A resposta que este minicurso propõe é modesta e exigente: usar a ferramenta sem abrir mão do que só pode ser nosso, a pergunta, o juízo e a responsabilidade.

Kant e a IA: quatro perguntas, duas ciências

Podemos ler as quatro perguntas de Kant com as duas lentes do minicurso, a da Filosofia e a da Ciência da Computação. A tabela liga cada pergunta aos compromissos que vêm a seguir. É uma leitura proposta para fins didáticos, e não uma tese de Kant sobre a inteligência artificial.

Pergunta de KantNa FilosofiaNa Computação e no uso da IACompromisso
Que posso saber?Os limites do conhecimento: só sabe quem examina (Sapere aude).A IA prevê o verossímil e pode alucinar. Provável não é verdadeiro.3 · Eu verifico tudo
Que devo fazer?Agir com autonomia e responsabilidade: autor é quem decide, responde e justifica.Transparência, privacidade e integridade: declarar o uso e proteger dados.5 · Eu protejo dados
6 · Eu declaro e respondo
Que me é permitido esperar?Esperança sem ingenuidade: a técnica a serviço do esclarecimento, e não da tutela.A IA como interlocutora que testa nossos argumentos, em vez de pensar por nós.4 · Eu testo meus argumentos
Que é o homem?O que a máquina não assume por nós: a pergunta, o juízo e a responsabilidade.Escrever com a máquina sem terceirizar o pensar: um bom pedido exige ideia própria.1 · Eu penso primeiro
2 · Eu pergunto melhor

Código de boas práticas: seis compromissos

Escolha três e comece esta semana. Sua escolha fica salva neste navegador.

Que é o homem?

Kant resumiu as perguntas da filosofia em três: que posso saber? que devo fazer? que me é permitido esperar? (Crítica da razão pura, A805/B833). Na Lógica acrescenta uma quarta, que as contém: que é o homem? A inteligência artificial devolve essa pergunta com urgência nova: o que fazemos quando uma máquina faz o que julgávamos próprio do humano, escrever? A resposta que este minicurso propõe é modesta e exigente: usar a ferramenta sem abrir mão do que só pode ser nosso, a pergunta, o juízo e a responsabilidade.

Biblioteca

Prompts prontos e montador

Copie, cole na IA de sua preferência e troque o que estiver entre [colchetes]. Nenhum prompt elimina a necessidade de verificar a resposta.

Montador de prompt em cinco camadas

Seu prompt


        

A restrição final não elimina a alucinação, mas reduz o risco de invenção. Nunca trate as referências sugeridas como verificadas.

Para pensar melhor

Prompt socrático

Módulo 4 · Atividade 2. A IA só pergunta.

Aja como Sócrates. Vou apresentar uma tese. Você só pode fazer perguntas, uma por vez, para me levar a definir melhor meus conceitos e a perceber contradições. Nunca dê a resposta. Comece perguntando o que eu entendo por cada termo central. Minha tese: [cole aqui]

Advogado do diabo

Módulo 4 · Atividade 2. As três objeções mais fortes.

Aja como um professor rigoroso da tradição oposta à minha. Apresente as 3 objeções mais fortes à minha tese, cada uma com a premissa em que ataca. Não ofereça soluções. Depois, indique qual objeção eu teria mais dificuldade de responder e por quê. Minha tese: [cole aqui]

Discorde de mim

Antídoto contra a bajulação.

Discorde. Ataque o ponto mais frágil da minha tese e diga por que um leitor exigente não ficaria convencido. Não elogie.

Caça-falácias

Peça sempre o trecho exato e confira.

Leia o parágrafo abaixo e indique, se houver, falácias. Para cada uma, cite o trecho exato, dê o nome e justifique. Se não houver, diga que não encontrou. Parágrafo: [cole aqui]

Para escrever e revisar

Leitor crítico

Módulo 5 · Atividade 3. Ela lê, não reescreve.

Leia a introdução abaixo como um orientador exigente. Responda: (1) qual é o problema? (2) qual é a tese? (3) qual é o método? (4) o que está vago? Não reescreva. Texto: [cole aqui o seu parágrafo]

Esboço reverso

Teste a lógica da sequência.

Para cada parágrafo do texto abaixo, escreva em uma frase a ideia principal. Depois diga se a sequência de ideias é lógica e onde há saltos. Não reescreva nada. Texto: [cole aqui]

Recortes de problema

Módulo 3. Para afinar o tema.

Aponte 3 recortes possíveis para este tema e diga o que cada um deixa de fora. Não cite livros nem autores que você não possa indicar com certeza. Tema: [cole aqui]

Verificação de referência

Ajuda a localizar; a conferência é sua.

Para cada referência abaixo, diga se você tem certeza de que ela existe, e indique em que base eu poderia conferi-la (título exato, autor, ano, veículo). Se não tiver certeza, diga claramente. Referências: [cole aqui]
Módulo 3

Onde buscar: bases e IAs de apoio

As bases são aquelas em que a fonte existe de fato. As IAs de apoio ajudam a localizar e resumir, mas seu resultado precisa ser conferido na base. Versões gratuitas estão sujeitas a mudança; o procedimento vale para ferramentas equivalentes.

Bases (a fonte existe)

Google Acadêmicobusca ampla
Abrir ↗
SciELOperiódicos abertos
Abrir ↗
Portal de Periódicos CAPESacesso via instituição
Abrir ↗
PhilPapersíndice especializado em Filosofia
Abrir ↗
Stanford Encyclopedia of Philosophyverbetes revisados
Abrir ↗
Semantic Scholarartigos e citações
Abrir ↗

IAs de apoio (conferir sempre)

ChatGPTconversar, reformular, testar ideias
Abrir ↗
Geminiconversar, reformular, testar ideias
Abrir ↗
Claudeconversar, reformular, testar ideias
Abrir ↗
Copilotconversar, reformular, testar ideias
Abrir ↗
Perplexity · Consensus · Elicitbuscar e resumir com links para as fontes
Perplexity ↗
NotebookLMconversa apenas com os seus próprios documentos
Abrir ↗
Zoteroorganizar e formatar referências
Abrir ↗

Montador de busca com operadores

Preencha o que souber. A busca combina os termos com AND, OR, aspas e NOT, e você a abre direto em uma base.

No Google Acadêmico, o NOT costuma funcionar como sinal de menos (-termo); o montador usa NOT, aceito pela SciELO. Cada base tem suas particularidades.

Exercite o juízo

Praticar

Três jogos rápidos para usar em sala ou em casa. Quem decide a resposta é você; depois a página explica.

1 · Real, real com erro ou inexistente?

Referências geradas para este exercício (algumas são invenções didáticas). Aplique os quatro passos mentalmente.

2 · Que falácia é esta?

3 · Delegar ou não delegar?

Critério aristotélico: a técnica pode ir para a ferramenta; a prudência, não.

Para ouvir

Áudio de apoio: o minicurso em uma conversa

Um professor explica todo o conteúdo, parte por parte, na mesma ordem dos slides e das atividades. Cerca de 53 minutos, para ouvir antes, durante ou depois do minicurso. A narração é feita por voz sintética, a partir do texto de apoio.

Baixar MP3 Ler o roteiro (texto)
Para levar

Materiais para baixar

Sem imprimir: use no computador ou no celular. Se quiser papel, a recomendação é A4, frente e verso, preto e branco.

Referências

ARENDT, Hannah. A condição humana. 10. ed. Rio de Janeiro: Forense Universitária, 2007.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6023:2025; NBR 10520:2023; NBR 14724:2024. Rio de Janeiro: ABNT.

BENDER, Emily M. et al. On the dangers of stochastic parrots: can language models be too big? In: ACM CONFERENCE ON FAIRNESS, ACCOUNTABILITY, AND TRANSPARENCY, 2021. Proceedings […]. New York: ACM, 2021. p. 610-623. doi.org/10.1145/3442188.3445922

BRASIL. Ministério da Educação. Conselho Nacional de Educação. Parecer CNE/CP nº 15/2026: Diretrizes para a Utilização da Inteligência Artificial na Educação Brasileira. Aprovado em 1º set. 2026.

BRASIL. Conselho Nacional de Desenvolvimento Científico e Tecnológico. Portaria CNPq nº 2.664, de 6 de março de 2026: Política de Integridade na Atividade Científica. Diário Oficial da União, 11 mar. 2026.

BRASIL. Lei nº 9.610/1998 (direitos autorais); Lei nº 13.709/2018 (Lei Geral de Proteção de Dados Pessoais); Projeto de Lei nº 2.338/2023 (marco legal da IA, em tramitação).

BRASIL. Ministério da Educação. Referencial para o Uso e Desenvolvimento Responsáveis de Inteligência Artificial na Educação. 2026.

BROWN, Tom B. et al. Language models are few-shot learners. Advances in Neural Information Processing Systems, v. 33, 2020. arXiv:2005.14165

FLORIDI, Luciano; COWLS, Josh. A unified framework of five principles for AI in society. Harvard Data Science Review, v. 1, n. 1, 2019. hdsr.mitpress.mit.edu

FRANKFURT, Harry G. On bullshit. Princeton: Princeton University Press, 2005.

JI, Ziwei et al. Survey of hallucination in natural language generation. ACM Computing Surveys, v. 55, n. 12, art. 248, p. 1-38, 2023. arXiv:2202.03629

JONAS, Hans. O princípio responsabilidade. Rio de Janeiro: Contraponto; Ed. PUC-Rio, 2006.

KAPLAN, Jared et al. Scaling laws for neural language models. arXiv:2001.08361, 2020. arxiv.org/abs/2001.08361

KANT, Immanuel. Resposta à pergunta: que é esclarecimento? In: Textos seletos. Petrópolis: Vozes, 2005.

KRIZHEVSKY, Alex; SUTSKEVER, Ilya; HINTON, Geoffrey E. ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, v. 25, 2012. papers.nips.cc

LÉVY, Pierre. As tecnologias da inteligência. Rio de Janeiro: Editora 34, 1993.

McCARTHY, John et al. A proposal for the Dartmouth summer research project on artificial intelligence. 1955. jmc.stanford.edu

MIAO, Fengchun; HOLMES, Wayne. Guidance for generative AI in education and research. Paris: UNESCO, 2023. unesdoc.unesco.org

ONG, Walter J. Oralidade e cultura escrita. Campinas: Papirus, 1998.

OUYANG, Long et al. Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, v. 35, 2022. arXiv:2203.02155

PLATÃO. Fedro. Trad. Carlos Alberto Nunes. Belém: Ed. UFPA, 2011. Teeteto-Crátilo. Belém: Ed. UFPA, 2001.

SEARLE, John R. Minds, brains, and programs. Behavioral and Brain Sciences, v. 3, n. 3, p. 417-424, 1980.

TURING, Alan M. Computing machinery and intelligence. Mind, v. 59, n. 236, p. 433-460, 1950. doi.org/10.1093/mind/LIX.236.433

VASWANI, Ashish et al. Attention is all you need. Advances in Neural Information Processing Systems, v. 30, 2017. arXiv:1706.03762

WITTGENSTEIN, Ludwig. Philosophical investigations. Oxford: Blackwell, 1953.

Clássicos citados por obra e passagem (use a edição de sua preferência): ARISTÓTELES, Ética a Nicômaco (VI), Poética (7 e 9), Metafísica (A, 2), Refutações sofísticas, Analíticos anteriores (II, 16); PLATÃO, Górgias (463a-b); TOMÁS DE AQUINO, Suma teológica; DESCARTES, Meditações metafísicas; KANT, Crítica da razão pura (A805/B833), Lógica.

Trechos em inglês e traduções livres ao longo da página: Platão (Fedro, Teeteto, Górgias), traduções inglesas de B. Jowett; Aristóteles (Poética), tradução inglesa de S. H. Butcher; Kant (1784), original alemão. São textos de domínio público; as traduções para o português são livres e de responsabilidade do organizador, e não substituem a leitura das edições citadas.

Retrato de Gervásio Teixeira
O ministrante

Gervásio Teixeira

Gervásio Eufrauzino Teixeira é mestre em Ciência da Computação pela UFPE (2025), graduado em Filosofia pela Faculdade de Filosofia, Ciências e Letras de Cajazeiras (FAFIC, 2007) e em Análise e Desenvolvimento de Sistemas pelo IFPB (2013), e especialista em Filosofia Clínica (FAFIC, 2008) e em Governança de TI (FUNIP, 2022).

Foi professor do curso de Ciência da Computação da Faculdade Católica da Paraíba (2021–2025) e coordenador do Núcleo de Tecnologia da Informação da instituição. Desenvolve sistemas de informação e automações com apoio de IA. Participou do Seminário de Filosofia nas edições de 2004, 2005 e 2006 e retorna agora unindo as duas formações, a filosófica e a computacional.

No XXVIII Seminário de Filosofia, ministra este minicurso (23/10, das 08h às 12h) e participa, às 19h, da mesa-redonda interdisciplinar Pensar com Máquinas.

P modo aula

← → ou J K seção anterior / próxima

G ir ao bloco marcado como atual

Q QR code

F tela cheia

Esc fecha