ABERTURA Olá! Seja bem-vindo, seja bem-vinda. Este áudio acompanha o minicurso "Escrever com IA sem deixar de pensar", do Vigésimo Oitavo Seminário de Filosofia da Faculdade Católica da Paraíba. Ele foi narrado por uma voz sintética, e o conteúdo vem do texto de apoio, dos slides e da página do minicurso. Você pode ouvir antes, durante ou depois das aulas, como uma conversa de apoio. Vou falar como um professor que senta ao seu lado e explica, com calma, o que vamos ver. Não é preciso saber programar. Também não é preciso ser especialista em Filosofia, embora a Filosofia seja a nossa porta de entrada. Em cada parte do minicurso a gente faz o mesmo percurso: começa com uma ideia da tradição filosófica, explica o conceito de computação que corresponde a ela e termina, quando cabe, com uma prática no computador. Antes de tudo, a pergunta que guia o minicurso inteiro. Guarde-a: quando um texto é escrito com ajuda de uma máquina, o que nele ainda é meu? Repare que a pergunta não diz "pode ou não pode usar inteligência artificial". Ela pergunta pelo que é meu. Ela supõe que usar a máquina é uma realidade, que todo mundo já usa, e quer saber onde passa a fronteira entre o que a máquina faz bem e o que continua sendo responsabilidade de quem escreve. De um lado, a inteligência artificial organiza, reformula, resume, sugere objeções e acelera o rascunho. Do outro, continuam sendo seus a pergunta, o juízo, a verificação, a tese e a responsabilidade pelo que você assina. O tema do Seminário é "O humano em questão". E esta é exatamente a questão: o que é próprio do humano quando escrever, que parecia coisa só nossa, passa a ser feito também por máquinas? Antes das cinco partes, vamos fazer uma pequena parada para contar de onde vem a inteligência artificial e por que ela explodiu nos últimos anos. O minicurso tem cinco partes. A primeira trata de autoria. A segunda explica como uma inteligência artificial funciona por dentro. A terceira, de pesquisa e referências. A quarta usa a inteligência artificial como interlocutora, no estilo de Sócrates. E a quinta fala de estruturar, revisar, e responder pelo que se escreve. Há três atividades práticas, no computador, uma ao fim das partes três, quatro e cinco. Para elas você vai precisar de um computador com internet, uma conta gratuita em alguma inteligência artificial, como o ChatGPT, o Gemini, o Claude ou o Copilot, e de um tema seu. Um tema real, ainda que provisório: um trabalho de conclusão de curso, um artigo, um projeto. E um último combinado: cinco regras de ouro para tudo o que vem depois. Primeira: eu penso primeiro, depois peço ajuda. Segunda: nada que a inteligência artificial entrega vale como fonte antes de eu verificar. Terceira: não colo dados pessoais nem trabalhos sigilosos em ferramentas públicas. Quarta: registro o que fiz, porque isso é a minha declaração de uso. E quinta: se a inteligência artificial concordar demais comigo, peço que ela discorde. Vamos voltar a cada uma delas. ANTES DE TUDO: DE ONDE VEM A I A Antes de entrar no minicurso, uma pergunta: a inteligência artificial é coisa de hoje? Não é. E contar um pouco da história ajuda a entender por que ela parece ter surgido do nada. A ideia de mecanizar o raciocínio é bem antiga. No século dezessete, o filósofo Leibniz sonhava com um cálculo capaz de resolver disputas: em vez de brigar, as pessoas sentariam e calculariam. Já no século vinte, em mil novecentos e quarenta e três, McCulloch e Pitts propuseram um modelo matemático de neurônio. Em mil novecentos e cinquenta, Alan Turing trocou a pergunta "as máquinas podem pensar?" por um jogo de imitação, e vamos voltar a ele na parte dois. E em mil novecentos e cinquenta e seis, na proposta de um encontro de verão na universidade de Dartmouth, nos Estados Unidos, John McCarthy e colegas usaram pela primeira vez o nome "inteligência artificial". A aposta era 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 primeira, a inteligência artificial simbólica, tentava escrever à mão regras e lógica que representassem o conhecimento. A segunda, o conexionismo, apostava em redes neurais, que aprendem padrões a partir de exemplos. O Perceptron, de mil novecentos e cinquenta e oito, é um exemplo. Os resultados ficaram abaixo das promessas. Houve períodos de cortes de verba e de descrença, que ficaram conhecidos como os invernos da inteligência artificial, nos anos mil novecentos e setenta e, depois, do fim dos anos oitenta ao início dos noventa. Em mil novecentos e oitenta e seis, a retropropagação, popularizada por Rumelhart, Hinton e Williams, tornou viável treinar redes com várias camadas. Mas faltavam duas coisas: dados e poder de cálculo. A virada começou em dois mil e doze. Uma rede neural chamada AlexNet venceu um concurso de reconhecimento de imagens, o ImageNet, e foi treinada em GPUs, as placas gráficas. Era o começo do aprendizado profundo. Em dois mil e dezesseis, o AlphaGo, da DeepMind, venceu um campeão mundial de Go, um jogo que se achava fora do alcance das máquinas. Em dois mil e dezessete, um artigo chamado "Attention is all you need" apresentou o transformer, a arquitetura que permite treinar com enormes volumes de texto, em paralelo. Vamos abri-lo na parte dois. Em dois mil e vinte, o GPT-3 chegou a cento e setenta e cinco bilhões de parâmetros, e pesquisas sobre as chamadas leis de escala mostraram que mais dados, mais parâmetros e mais cálculo melhoravam o desempenho de modo previsível. E em dois mil e vinte e dois, o ajuste dos modelos com avaliações de pessoas, e o lançamento do ChatGPT, em trinta de novembro, levaram tudo isso ao grande público. Estimativas da época apontaram mais de cem milhões de usuários em cerca de dois meses. Então, por que ela explodiu há poucos anos? Por uma combinação de cinco ingredientes. Primeiro, dados: décadas de internet deixaram bilhões de textos, imagens e códigos para treinar os modelos. Segundo, cálculo: as GPUs e os grandes centros de dados permitem treinar redes enormes em semanas. Terceiro, arquitetura: o transformer aproveita esse hardware e capta relações entre palavras distantes. Quarto, escala: mais dados, mais parâmetros e mais cálculo trazem ganhos previsíveis. E quinto, conversa: o ajuste com feedback humano e um chat aberto a todos levaram a inteligência artificial 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 o minicurso continua de pé. E fica para você pensar: se 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?" PARTE UM: AUTORIA NA ERA DA I A Vamos começar pelo mito. No diálogo Fedro, Platão conta uma história egípcia. O deus Theuth, inventor dos números, do cálculo e das letras, vai ao rei Thamus apresentar suas invenções. Quando chega às letras, à escrita, ele diz: isto vai tornar os egípcios mais sábios e dar-lhes melhor memória. Era, nas palavras dele, um remédio para a memória e para a sabedoria. Só que a palavra grega usada ali é "pharmakon", e ela significa, ao mesmo tempo, remédio e veneno. Thamus, o rei, responde que o inventor de uma arte nem sempre é o melhor juiz da utilidade dela. Segundo ele, a escrita vai produzir esquecimento: as pessoas passarão a confiar em marcas externas, escritas, em vez de exercitar a memória. E ela dará apenas, e essa expressão é importante, uma aparência de sabedoria. Quem lê muito sem aprender vai se julgar sábio sem ser. Mais adiante, no mesmo diálogo, Sócrates acrescenta uma imagem. O escrito é como uma pintura. As figuras do pintor parecem vivas, mas se você faz uma pergunta a elas, guardam um silêncio solene. Também o texto escrito, se interrogado, repete sempre a mesma coisa. Agora pense na inteligência artificial que escreve. Ela é um novo capítulo da mesma história, com uma diferença notável. O texto agora responde. Adapta-se. Reformula. A impressão de estar diante de um interlocutor é muito mais forte. E, por isso mesmo, o risco do veneno também é maior. Pierre Lévy e Walter Ong, estudiosos da comunicação, lembram que cada tecnologia da palavra reorganiza o modo de pensar de quem a usa. Foi assim com a escrita, depois com a imprensa, agora com as máquinas que geram texto. A pergunta, como em Platão, não é se a técnica é boa ou má. É: o que ela faz de nós, conforme o uso que lhe damos? Ela é remédio para quem já pensou e quer organizar e testar as suas ideias. E é veneno para quem ainda não pensou e, ao deixar a máquina pensar, deixa de aprender. O segundo autor é Kant, num texto de mil setecentos e oitenta e quatro: "Resposta à pergunta: que é esclarecimento?". Kant define o esclarecimento como a saída do ser humano da sua menoridade. E menoridade, para ele, é a incapacidade de servir-se do próprio entendimento sem a direção de outra pessoa. Note o detalhe: é uma menoridade por culpa própria. A causa não é falta de inteligência. É falta de decisão e de coragem. E Kant dá um exemplo célebre: como é cômodo ser menor! Se eu tenho um livro que entende por mim, um pastor que tem consciência por mim, um médico que decide a minha dieta, não preciso me esforçar eu mesmo. O lema do esclarecimento, tirado de Horácio, é "Sapere aude": tem a coragem de servir-te do teu próprio entendimento. A inteligência artificial entra nessa lista? Eu diria que Kant não condenaria os guias. O que ele condena é a comodidade de nunca deixar de precisar deles. Na área que estuda a relação entre pessoas e sistemas, chamada de fatores humanos, há até um nome para algo parecido: viés de automação, a tendência de confiar demais nas respostas de um sistema automático, só porque ele é automático. E a diferença entre a ferramenta que esclarece e a tutela que mantém na menoridade está no que fazemos com o resultado. Se aceito sem examinar, é tutela. Se examino, discordo e refaço, é ferramenta. Fica uma pergunta para você pensar: se eu peço à inteligência artificial o resumo de um texto, isso é o mesmo que delegar ao livro o entendimento? Em que ponto a ajuda vira tutela? O terceiro autor é Hannah Arendt. No prólogo de "A condição humana", ela propõe uma tarefa simples e exigente: pensar o que estamos fazendo. Não aceitar que as técnicas façam por nós aquilo que deveríamos examinar. Se a gente aplica isso à escrita, a proposta se desdobra em três perguntas, e eu peço que você guarde estas três. Primeira: quem pensou? A ideia central, o recorte, a tese, partiram de você ou do modelo? Segunda: quem decidiu? Cada escolha, o que entra, o que sai, qual fonte vale, passou pelo seu juízo? E terceira: quem responde? Se houver erro, plágio ou invenção, quem assume? Essa última é decisiva. Um sistema de inteligência artificial não assina, e não responde. A responsabilidade recai sobre pessoas e instituições. Na computação existe uma palavra para isso, "accountability", algo como a capacidade de prestar contas. Daí uma definição de trabalho que vamos usar até o fim do minicurso: autor é quem decide, responde e pode justificar o que escreveu. Usar inteligência artificial não retira a autoria, desde que essas três perguntas tenham resposta clara e honesta. Então faça o exercício: pegue um texto seu, em que você já usou, ou pretende usar, ajuda de inteligência artificial. Quem pensou? Quem decidiu? Quem responde? Em que ponto a ajuda virou tutela? PARTE DOIS: COMO UMA I A FUNCIONA Agora vamos abrir a máquina, sem matemática e com analogias filosóficas. Começo com duas perguntas clássicas. A primeira é de Alan Turing, em mil novecentos e cinquenta, no artigo "Computing machinery and intelligence". Turing acha que a pergunta "as máquinas podem pensar?" é vaga demais. Então ele a substitui por um jogo. Um interrogador conversa por escrito com uma pessoa e com uma máquina, sem saber qual é qual. Se ele não consegue distingui-las, a pergunta mudou de natureza. Os modelos de linguagem de hoje conversam de modo muito convincente. Mas repare no que o teste mede: comportamento, não compreensão. É aí que entra a segunda pergunta, de John Searle, em mil novecentos e oitenta, com o famoso quarto chinês. Imagine uma pessoa que não sabe chinês, trancada num quarto. Ela recebe símbolos por uma fresta, consulta um manual de regras e devolve outros símbolos. Visto de fora, parece que quem está lá dentro entende chinês. Mas a pessoa apenas manipula formas. A conclusão de Searle é que seguir regras sobre a forma dos símbolos, a sintaxe, não basta para compreender o que eles significam, a semântica. Cuidado, porém: aplicar esse argumento aos modelos de hoje é uma hipótese de leitura, não um veredicto. Searle criticava programas de manipulação de símbolos da época dele. Os modelos atuais são redes neurais estatísticas. E há objeções clássicas, por exemplo a de que o sistema como um todo, e não a pessoa isolada, é que compreenderia. O debate continua aberto. O que eu proponho é usar o quarto chinês como uma lente: diante de qualquer texto gerado, pergunte se há compreensão ou apenas forma convincente. Agora vamos ao funcionamento. Um modelo de linguagem de grande escala, em inglês "large language model", ou "L L M", 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. Primeiro, o texto que você escreve, o prompt, é dividido em tokens, que são pedaços de palavras, e cada token vira um número. Segundo, cada token é representado por um vetor, uma lista de números. É esse vetor que o modelo manipula. Terceiro, um mecanismo chamado atenção, ideia central da arquitetura "transformer", de dois mil e dezessete, pondera quais partes do texto anterior são mais relevantes para cada posição. Quarto, o modelo calcula a probabilidade de cada palavra possível vir a seguir e escolhe uma. Quinto, a palavra escolhida é acrescentada ao texto e todo o ciclo recomeça, palavra por palavra. Repare no que não existe 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. E quando erra, é pela mesma razão. Vou dar um exemplo com a frase "A filosofia nasce do". Qual seria a próxima palavra? "Espanto" é muito provável. "Ócio", "diálogo", "dúvida" e "medo" também aparecem, com chances menores. É assim que o modelo pensa: uma lista de possibilidades com probabilidades, e uma escolha. Por que palavras usadas 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, nas Investigações filosóficas, parágrafo quarenta e três: 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 nos textos, mas não participa de uma forma de vida em que as palavras servem para prometer, pedir, responsabilizar. Outro detalhe importante: o modelo não escolhe sempre a palavra mais provável. Existe um controle chamado temperatura. Com temperatura baixa, ele escolhe quase sempre as mais prováveis. Com temperatura alta, sorteia entre várias, com mais variedade e mais risco. É por isso que a mesma pergunta pode receber respostas diferentes, às vezes até contraditórias. Você pode testar isso: faça a mesma pergunta duas vezes e compare. Aristóteles, na Poética, capítulo nove, já distinguia o poeta do historiador. O poeta diz o que poderia acontecer, segundo o verossímil ou o necessário. O historiador diz o que aconteceu. O modelo de linguagem está mais perto do poeta: ele devolve o verossímil. E provável não é o mesmo que verdadeiro. Vale repetir: provável não é o mesmo que verdadeiro. De onde vem, então, o que o modelo sabe? Em um primeiro momento, o pré-treinamento: o modelo aprende a prever a próxima palavra em volumes enormes de texto. É aí que nascem o vocabulário, o estilo e também os vieses dos textos lidos. Depois vem o ajuste: o modelo é refinado com exemplos e com avaliações de pessoas, para responder de modo útil, educado e mais seguro. Por fim, no uso, o seu prompt entra como contexto e a resposta é gerada. Disso decorrem três consequências práticas. O modelo tem uma data de corte do que conhece. Ele não guarda as fontes como um catálogo, só padrões. E herda os vieses do que leu. Chegamos ao ponto mais importante para quem escreve na universidade: a alucinação. Chama-se alucinação o conteúdo gerado que não tem fundamento nos dados ou na realidade. Na escrita acadêmica, ela aparece como referências, autores, páginas e citações que não existem, entregues com total confiança. Há três maneiras complementares de compreender isso. A lente técnica: o modelo é treinado para produzir texto plausível, e não para verificar fatos. A lente filosófica: em analogia com o filósofo Harry Frankfurt, a mentira se opõe à verdade, enquanto a conversa fiada, o "bullshit", é simplesmente indiferente a ela. O texto gerado pode soar convincente sem ter nenhum compromisso com a verdade. Atenção: o modelo não tem intenção, por isso é só uma analogia. E a lente crítica: Emily Bender e colegas chamaram esses modelos de "papagaios estocásticos", porque recombinam formas linguísticas sem acesso ao sentido. Algumas ferramentas, como o Perplexity, combinam a geração de texto com busca na internet e mostram links. Isso ajuda, mas não elimina a necessidade de conferir a fonte. Aqui no minicurso há uma demonstração ao vivo, o teste das referências. A plateia sugere um tema, por exemplo "ética em Aristóteles". Pedimos à inteligência artificial cinco referências. Depois verificamos uma a uma e contamos: quantas são reais, quantas são reais com dados errados, quantas não existem. O resultado varia por ferramenta e por dia, e esse é exatamente o ponto. O texto soa convincente em qualquer caso. Só a verificação separa o real do inventado. Você pode fazer esse experimento em casa. Peça a uma inteligência artificial 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, quantas não existem. E pergunte-se: se a inteligência artificial escreve bem e erra pela mesma razão, o que isso exige de quem a usa? PARTE TRÊS: PESQUISA E REFERÊNCIAS Vamos agora à pesquisa. E ela começa, como a Filosofia, com o espanto. No Teeteto, Platão diz que o espanto é o princípio da filosofia, e Aristóteles repete a ideia na Metafísica. Em pesquisa, o espanto precisa ser lapidado até virar um problema que se possa investigar. Existe um caminho em quatro passos, do tema ao recorte, do recorte à pergunta, e da pergunta à hipótese. Veja um exemplo. O tema: inteligência artificial e autoria acadêmica. O recorte: texto gerado por inteligência artificial em trabalhos de graduação em Filosofia. A pergunta: em que sentido o texto escrito com inteligência artificial é de autoria de quem a aciona? A hipótese: autoria exige decisão e responsabilidade, e não apenas execução. A inteligência artificial 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. Esse é um ponto central: a máquina não pode se espantar por você. Para pedir ajuda bem, é preciso saber pedir. E aqui entra um conceito da computação: o prompt é uma especificação. 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. A primeira é o papel: quem a inteligência artificial deve ser. A segunda é o contexto: o seu tema e o seu nível. A terceira é a tarefa, dita com um verbo. A quarta é o formato: tabela, lista, parágrafo. E a quinta são as restrições: o que evitar. Um exemplo completo. Papel: você é um professor de Filosofia Antiga. Contexto: sou graduando e escrevo um trabalho de conclusão de curso sobre a noção de phronesis, a prudência, em Aristóteles. Tarefa: proponha três recortes de problema de pesquisa. Formato: tabela com o recorte, a pergunta e o que fica de fora. Restrições: não cite livros nem autores que você não possa indicar com certeza, e diga quando não souber. Essa restrição final não elimina a alucinação, mas reduz o risco de invenção. E nunca, nunca trate as referências sugeridas por uma inteligência artificial como se estivessem verificadas. Em termos filosóficos, isso também lembra Wittgenstein: o sentido depende do jogo de linguagem em que se fala. E dizer é também fazer: um prompt é um ato. Onde buscar, então? Separe sempre dois tipos de ferramenta. As bases são aquelas em que a fonte existe de fato: o Google Acadêmico, o SciELO, o Portal de Periódicos da CAPES, o PhilPapers, que é um índice especializado em Filosofia, e a Stanford Encyclopedia of Philosophy. Depois, as inteligências artificiais de apoio, que ajudam a localizar e a resumir, mas cujo resultado precisa ser conferido na base: além dos assistentes de conversa que já citamos, o Perplexity, o Consensus e o Elicit buscam literatura e mostram links. O NotebookLM conversa apenas com os seus próprios documentos. E o Zotero organiza referências. Os recursos gratuitos mudam sem aviso, mas o procedimento vale para ferramentas equivalentes. Uma dica técnica: as bases funcionam com lógica, e conhecer os operadores melhora a busca. Use aspas para a expressão exata. Use "AND" para exigir os dois termos. Use "OR" para aceitar qualquer um. E use "NOT", ou o sinal de menos no Google Acadêmico, para excluir um termo. Por exemplo: "inteligência artificial", AND, entre parênteses, autoria OR plágio, AND "ensino superior". Agora o coração dessa parte: 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 inteligência artificial entregue vale como fonte antes de passar pela verificação. Primeiro passo: existe? Procure o título exato em uma base ou no catálogo de uma biblioteca. Segundo: os dados conferem? Autor, ano, veículo e, quando houver, o D O I, identificador permanente do documento. Terceiro: diz isso? Leia o trecho. O erro mais sutil é a obra existir, mas não dizer o que o modelo lhe atribui. Quarto: sustenta? A fonte serve ao seu argumento, ou apenas enfeita o texto? Os passos um e dois são mecânicos. Os passos três e quatro exigem leitura e juízo. E é a parte que não se delega. Um exemplo resolvido, só para fixar. O tema é a prudência em Aristóteles. Primeira referência: Aristóteles, Ética a Nicômaco, livro seis. Existe, os dados conferem, trata da prudência, sustenta o argumento: real. Segunda: um certo "Silva", "A prudência aristotélica na era digital", numa "Revista de Ética Aplicada", de dois mil e vinte e um. É uma referência inventada para o exemplo, e não se encontra em nenhuma base: inexistente. Terceira: Aristóteles, Ética a Nicômaco, livro dez, sobre a prudência. A obra existe, mas a prudência é tratada no livro seis. O dez trata do prazer e da felicidade. Real, mas com erro. Chegou a hora da primeira atividade: do espanto à referência verificada. Faça no computador, de preferência com um editor de texto aberto para registrar o que fizer. Ao final você terá duas coisas: um problema de pesquisa em uma frase e um quadro de referências verificadas. Os passos são estes. Um: escreva em duas linhas o seu espanto, o tema ou o incômodo filosófico que realmente lhe chama a atenção. Dois: monte um prompt com as cinco camadas e peça à inteligência artificial três recortes de problema de pesquisa. Escolha um, e escreva o seu problema em uma frase, em forma de pergunta. Três: peça à inteligência artificial três referências para o recorte escolhido. Quatro: verifique cada uma pelos quatro passos e monte um quadro com cinco colunas: a referência, existe, os dados conferem, diz isso, sustenta. Classifique cada uma como real, real com erro, ou inexistente. Cinco: troque o quadro com um colega e confira uma referência dele. PARTE QUATRO: A I A COMO INTERLOCUTORA SOCRÁTICA Chegamos à parte que, para mim, é a mais interessante. A maior utilidade filosófica de um modelo de linguagem não está em escrever por você. Está em conversar com você: obrigar você a definir termos, apresentar objeções, apontar saltos de raciocínio. Aqui a máquina trabalha a favor do pensamento, e não no lugar dele. E duas tradições da nossa disciplina ensinam como. A primeira é a maiêutica. No Teeteto, Platão mostra Sócrates descrevendo-se como parteiro. Filho de uma parteira, ele diz que é estéril de sabedoria. Não gera o saber no outro: ajuda a dar à luz, e depois examina se a criança é viável. O procedimento tem momentos reconhecíveis. Primeiro, a pergunta: o que é isto? Depois, uma definição provisória. Em seguida, a refutação, por um caso que a desmente, o "élenchos". Depois, a aporia, o impasse produtivo em que se reconhece que não se sabe. E, por fim, uma nova tentativa, uma definição refinada. Aplicado à inteligência artificial, o recurso é simples e poderoso. Peça que ela aja como Sócrates, que só pergunte e nunca responda. Cada pergunta dela obriga você a definir melhor o conceito antes de escrever. A segunda tradição é a "disputatio", o método das escolas medievais. Nas escolas medievais, o saber era organizado como debate. Nos artigos da Suma teológica, Tomás de Aquino segue sempre a mesma estrutura. Primeiro, a questão, a "quaestio". Depois, as objeções, os argumentos contrários. Em seguida, o "sed contra", uma autoridade em sentido oposto. Depois, a resposta do mestre, o "respondeo". E, por fim, a réplica a cada objeção. O valor disso para a escrita é grande: obriga a enfrentar as melhores objeções antes de afirmar. Na prática, seu problema de pesquisa é a questão. Peça à inteligência artificial as três objeções mais fortes. Cite uma fonte verificada como o "sed contra". A resposta, a sua tese, é escrita por você. E depois você responde a cada objeção, uma a uma. Há um paralelo na computação: antes de lançar um sistema, programadores fazem testes adversariais, tentando deliberadamente quebrá-lo. A "disputatio" faz o mesmo com argumentos: procura as falhas antes que o leitor as encontre. Há dois prompts prontos para isso. O socrático diz, mais ou menos: 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. O outro, o advogado do diabo: aja como um professor rigoroso da tradição oposta à minha. Apresente as três 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. Um cuidado essencial: a bajulação. Modelos de linguagem tendem a concordar com o usuário. Em inglês, "sycophancy". Se a inteligência artificial elogiar demais a sua tese, escreva: "Discorde. Ataque o ponto mais frágil". No Górgias, Platão chama de adulação a fala que agrada sem compromisso com a verdade, e diz que a retórica sem filosofia seria um de seus ramos. Uma inteligência artificial que só concorda é adulação em forma de software. Falemos de falácias. Nas Refutações sofísticas, Aristóteles estuda os argumentos que parecem válidos sem o ser. A inteligência artificial pode ajudar a localizá-los no seu texto, mas também pode cometê-los, então peça sempre o trecho exato e confira. Quatro falácias frequentes. A petição de princípio: a conclusão já está dentro da premissa, como em "a inteligência artificial é confiável porque não erra". O falso dilema: só duas opções, como em "ou se proíbe a inteligência artificial, ou se aceita tudo". O apelo à autoridade: "disse o ChatGPT, então é verdade". E o ataque à pessoa, ou "ad hominem": "esse autor é leigo, logo está errado". Um prompt útil: 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. Então vem a segunda atividade: seu argumento no tribunal da inteligência artificial. O objetivo é testar uma tese sua contra perguntas e objeções fortes, reformulá-la, e conseguir explicá-la em um minuto, sem ler. Os passos: um, escreva sua tese em três a cinco linhas; pode ser a hipótese da atividade anterior. Dois, rode o prompt socrático por cinco ou seis rodadas e registre as perguntas da inteligência artificial. Responda com as suas palavras, e observe onde suas definições eram frágeis. Três, rode o advogado do diabo e escolha a objeção mais forte, aquela que você teria mais dificuldade de responder. Quatro, releia a tese procurando as quatro falácias. Cinco, reescreva a tese respondendo à objeção escolhida. Seis, explique a nova tese a uma colega ou a um colega, em um minuto, sem ler, e ouça: ela entendeu? Qual ponto ficou obscuro? PARTE CINCO: ESTRUTURAR, REVISAR E RESPONDER POR SI Última parte. Já pensamos o problema, verificamos fontes e testamos o argumento. Falta escrever, revisar, e responder pelo que se escreve. Depois de escrito o rascunho, a inteligência artificial pode funcionar como leitora crítica: ela pergunta e aponta, sem escrever no seu lugar. Aristóteles, na Poética, capítulo sete, 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 de um trabalho de conclusão de curso retoma essa ideia: a introdução, com o problema, a tese e o método; o desenvolvimento, com os argumentos apoiados em fontes; e a conclusão, que responde à pergunta da introdução. Para cada parte há uma boa pergunta à inteligência artificial. Na introdução: o problema está claro? Qual tese você entendeu? No desenvolvimento: qual passo do argumento está sem justificativa? Na conclusão: ela 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. E mantenha o histórico de versões do seu editor de texto, porque ele ajuda a demonstrar a sua autoria. O prompt do leitor crítico é assim: leia a introdução abaixo como um orientador exigente. Responda: um, qual é o problema? Dois, qual é a tese? Três, qual é o método? Quatro, o que está vago? Não reescreva. Mas o que delegar, e o que não delegar? Há tarefas que podem ser entregues à máquina com pouco risco: corrigir ortografia e gramática, formatar referências, e conferi-las, sugerir sinônimos, gerar perguntas para revisão. Outras exigem cuidado: resumir textos, e aqui leia sempre o original; sugerir estruturas; reformular parágrafos seus; traduzir trechos, conferindo os termos técnicos, que se distorcem com facilidade. E há o que não se delega: escolher o problema e a tese, interpretar os autores, decidir o que é verdadeiro, assinar e responder pelo texto. O critério é aristotélico. Na Ética a Nicômaco, livro seis, Aristóteles distingue a técnica, a "poiesis", que produz algo, da prudência, a "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. Vamos à ética. Luciano Floridi e Josh Cowls propõem cinco princípios para uma inteligência artificial socialmente benéfica. Beneficência: use a inteligência artificial para aprender mais, e não para aprender menos. Não maleficência: não prejudique outros, nada de plágio nem de dados pessoais em ferramentas públicas. Autonomia: preserve a sua capacidade de decidir e de pensar. Justiça: reconheça os vieses e as fontes que a inteligência artificial tende a omitir. E explicabilidade: saiba dizer como chegou ao texto, declarando o uso. Hans Jonas defende que a responsabilidade seja proporcional ao poder das técnicas: quanto mais poderosa a ferramenta, maior o dever de cuidado de quem a usa. E a UNESCO propõe, para o uso de inteligência artificial generativa na educação e na pesquisa, uma abordagem centrada no humano, que preserve a agência de estudantes e pesquisadores. Na prática, algumas coisas concretas. Não cole dados pessoais, nem trabalhos inéditos ou sigilosos de terceiros, em ferramentas públicas. A Lei Geral de Proteção de Dados Pessoais, a L G P D, de dois mil e dezoito, protege dados pessoais. Respeite os direitos autorais, citando e referenciando as fontes, como manda a Lei número nove mil seiscentos e dez, de mil novecentos e noventa e oito. E confira as regras da sua instituição, do seu orientador e do periódico sobre o uso de inteligência artificial, porque elas variam e podem exigir declaração. E o que dizem as normas brasileiras hoje? Em dois mil e vinte e seis, o Brasil ainda não tem uma lei geral sobre inteligência artificial. O projeto de lei número dois mil trezentos e trinta e oito, de dois mil e vinte e três, 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. O Conselho Nacional de Educação aprovou, em primeiro de setembro de dois mil e vinte e seis, o Parecer número quinze, de dois mil e vinte e seis, com as Diretrizes para a Utilização da Inteligência Artificial na Educação Brasileira. Para a educação superior, o texto determina que cada instituição estabeleça políticas próprias, 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. Na pesquisa, a inteligência artificial deve ser declarada sempre que sua contribuição for relevante, e ela não transfere a autoria nem a responsabilidade. O texto veda ainda a sanção acadêmica fundada exclusivamente em ferramenta de detecção de conteúdo gerado por inteligência artificial. Um aviso importante: a resolução que institui essas diretrizes ainda depende de homologação pelo Ministério da Educação e de publicação. Confira se isso já ocorreu. O C N P q, na Portaria número dois mil seiscentos e sessenta e quatro, de dois mil e vinte e seis, instituiu sua Política de Integridade na Atividade Científica. Na pesquisa apoiada pelo C N P q, como em bolsas, é preciso declarar o uso de ferramentas de inteligência artificial generativa em qualquer fase, especificando a ferramenta e a finalidade. É vedado apresentar conteúdo gerado por inteligência artificial como se fosse de autoria humana, e os autores respondem integralmente por plágios e imprecisões. O Ministério da Educação também divulgou, em dois mil e vinte e seis, um referencial para o uso responsável de inteligência artificial 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. Quanto às normas técnicas, valem as da A B N T para referências, citações e trabalhos acadêmicos. Até onde pudemos verificar, não há norma da A B N T específica para citar inteligência artificial generativa. Por isso a prática mais segura é a que este minicurso adota: não tratar a inteligência artificial como fonte de autoridade, citar apenas fontes verificadas e declarar o uso, dizendo a ferramenta, a finalidade e os limites. E, 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. Isso nos leva à declaração de uso. Declarar o uso de inteligência artificial é o oposto do plágio: quem declara assume a responsabilidade pelo que escreveu. O modelo tem estes itens: o trabalho e o autor, a data, a ferramenta ou ferramentas usadas, a finalidade do uso, aquilo para que você não utilizou inteligência artificial, a verificação, e a responsabilidade. Por exemplo: finalidade, sugestão de recortes de tema, leitura crítica do parágrafo três, formatação de referências. Não utilizei para: formulação da tese, interpretação das obras, redação do texto final. Verificação: todas as referências foram conferidas nas fontes originais. Responsabilidade: assumo integralmente o conteúdo deste trabalho. E a assinatura. Um teste prático, de inspiração kantiana, a publicidade como critério: se você teria vergonha de declarar o uso, reveja-o. A terceira atividade junta tudo: do rascunho ao texto assinado. A regra de ouro: o primeiro parágrafo é escrito sem inteligência artificial. Ela só entra depois, como leitora crítica. Os passos: um, escreva, sem inteligência artificial, um parágrafo de seis a oito linhas com a sua tese, de preferência a da atividade anterior. Dois, cole o parágrafo na inteligência artificial com o prompt do leitor crítico e anote o que ela apontou. Três, reescreva o parágrafo por sua conta, decidindo o que aceitar e o que recusar, e justificando cada decisão para si mesmo. Quatro, troque o texto com um colega, e cada um lê o do outro com cinco perguntas: o problema está claro nas duas primeiras frases? A tese aparece de forma explícita? Cada afirmação importante tem fonte ou justificativa? Há alguma objeção reconhecida e respondida? O texto soa como a voz de quem o assina? Cinco, preencha a sua declaração de uso. FECHAMENTO: QUE É O HOMEM? Para terminar, volto a Kant. Ele resumiu as perguntas da Filosofia em três: o que posso saber? O que devo fazer? O que me é permitido esperar? E na Lógica acrescentou uma quarta, que contém as outras: o 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. Vale ligar as quatro perguntas de Kant às duas lentes do minicurso, a da Filosofia e a da Ciência da Computação. Que posso saber? Para a Filosofia, os limites do conhecimento: só sabe quem examina. Para a computação, a diferença entre o verossímil que o modelo prevê e o verdadeiro que só a verificação confirma. Daí o compromisso: eu verifico tudo. Que devo fazer? Agir com autonomia e responsabilidade. E, no uso da inteligência artificial, isso quer dizer transparência, privacidade e integridade: declarar o uso e proteger dados. Daí dois compromissos: eu protejo dados, eu declaro e respondo. Que me é permitido esperar? Uma esperança sem ingenuidade: a técnica a serviço do esclarecimento, e não da tutela, com a inteligência artificial como interlocutora que testa nossos argumentos, em vez de pensar por nós. Daí o compromisso: eu testo meus argumentos. E, por fim, que é o homem? É o que a máquina não assume por nós: a pergunta, o juízo e a responsabilidade. Daí os dois primeiros compromissos: eu penso primeiro, eu pergunto melhor. Esta é uma leitura proposta para fins didáticos, e não uma tese de Kant sobre a inteligência artificial. Para levar, seis compromissos. Um: eu penso primeiro. Defino o problema e a tese antes de pedir ajuda. Dois: eu pergunto melhor, com prompts que têm papel, contexto, tarefa, formato e restrições. Três: eu verifico tudo. Nenhuma referência entra no texto sem os quatro passos. Quatro: eu testo meus argumentos, usando a inteligência artificial para encontrar objeções, e não para evitá-las. Cinco: eu protejo dados, sem expor dados pessoais nem trabalhos de terceiros. Seis: eu declaro e respondo. Informo o uso de inteligência artificial e assino o que escrevo. Escolha três desses compromissos e comece esta semana. E recorde a definição de autoria que construímos no começo: autor é quem decide, responde e pode justificar o que escreveu. Se você puder dizer isso do seu texto, a máquina ajudou, mas o texto continua sendo seu. Obrigado por ouvir. Todo o material do minicurso, com os textos, as atividades, os prompts, as ferramentas e as normas, está na página do evento, em gervasioteixeira ponto com ponto be erre, barra seminário. Bons estudos, e bom pensamento.