Mais duradouro, resistente e ao mesmo preço. O iPhone 17 está aí e em versão super fina

[MarcoAntonio]

Não é o que se estava discutir.

O ponto levantado foi o bear ter dito e cito:

A AI nao è deterministica. ALias o que faz a AI ser AI é justamente essa componente.

O que está incorrecto. Entretanto ele reforçou alegando que estava a falar de redes neuronais mas continua a não estar correcto.


Os modelos LLM são tipicamente não determinísticos (estocásticos), por decisão de design (no contexto de aplicação, é entendido como benéfico; mas há aplicações da IA onde é inconveniente e não é utilizado). Os modelos AI podem ser determinísticos ou estocásticos:

Deterministico - para pesos fixos, a mesma entrada devolve sempre o mesmo resultado (os LMM são desenhados para isto não ocorrer).

Estocástico - é introduzida aleatoriedade no modelo, deliberadamente, tipicamente associado a um passo de amostragem, para que o modelo produza resultados diferentes para o mesmo input (mesmo sem alterar os pesos).



Alguns exemplos de aplicação de IA onde modelos determinísticos são preferidos: diagnóstico médico, controlo de qualidade, detecção de anomalias, etc. Já nos modelos generativos, onde se procura uma aparência de naturalidade, criatividade, etc, tende-se a favorecer modelos não determinísticos.



Portanto, voltando ao ponto inicial, o que faz da IA, IA, não é o facto de ser "não determinística" (existem multiplos exemplos de IA determinística) mas sim a capacidade de aprender a partir dos dados/experiência (por oposição a operar com base nas regras atribuidas/ensinadas explicitamente pelo programador).

[previsor]

Talvez isto ajude na vossa discussão

O código-fonte completo do ChatGPT não é público, mas a OpenAI já explicou em várias ocasiões como o modelo prioriza fontes de informação durante o pré-treino e ajuste fino (fine-tuning). Não existe uma linha de código visível que diga literalmente “priorizar esta fonte”, mas existem mecanismos e princípios documentados que orientam a seleção de conteúdos e o comportamento do modelo.

Aqui vai uma simulação de como isso poderia ser representado em pseudocódigo (ou lógica de alto nível), baseado nas explicações técnicas conhecidas:

Pseudocódigo simplificado: Prioridade das fontes de treino
# Durante o treino do modelo

for documento in conjunto_de_dados:
if é_fonte_fidedigna(documento):
prioridade = alta
elif é_wikipedia(documento):
prioridade = média
elif é_fórum_público(documento):
prioridade = baixa
elif é_rede_social(documento):
prioridade = ignorar # redes sociais são geralmente excluídas
else:
prioridade = avaliar_qualidade(documento)

if prioridade >= média:
incluir_no_treino(documento)

[MarcoAntonio]

Tentando esclarecer e separar as águas....

(1) Aplicar a saída da CNN de novo à entrada e obter na saída o mesmo que na entrada -> idempotencia

(2) Aplicar a mesma entrada, duas vezes sucessivas (ou mais), e o resultado da CNN ser (garantidamente) sempre o mesmo -> determinismo

(3) Aplicar dois conjuntos (distintos) de pixeis, referentes ao mesmo algarismo, na entrada e na saída obter classificações diferentes -> erro de classificação



Nota: no primeiro caso (1), para ser aplicável, é necessário que o argumento/input tenha as mesmas dimensões do output ou a questão não faz sequer sentido, pelo que o exemplo se aplicaria, por exemplo, a uma rede generativa de transferencia de domínio (eg, conversão de estilo) mas não a uma rede de classificação. Exemplos: autoencoder, gan, etc.

[MarcoAntonio]

O que me referia em termos não determinísticos é que não se sabe o comportamento da rede.

A definição de determinismo, sucintamente, é: para um dado conjunto de inputs, o output produzido é sempre o mesmo. Dizer "não se sabe" é ambíguo (pode envolver explicabilidade/interpretabilidade/variabilidade, etc, que são conceitos discutidos no contexto de modelos AI). Ao ofereceres esta descrição, não é claro o que estás a dizer.

Por exemplo uma rede convolucional que reconhece números é impossível saber com certeza que quando desenho um 9 vai realmente detectar um 9 ou 4 ou 1. Há uma probabilidade de dectar correctamente o 9 mas pode dizer que é um 4 nalguns casos e muito mais raramente um 1.

Aqui ainda é menos claro. Pareces agora estares a aludir a erros de classificação (a classificação não coincide sempre com o ground truth). O que é distinto de determinismo.

Outra coisa é ter o mesmo resultado na saída para exactamente a mesma imagem na entrada (ou seja com exactamente os mesmo pixéis).

Isto, sim, é uma definição sucinta de determinismo.

Repara que não falei em idempotencia.

(...)

Outra coisa é ter o mesmo resultado na saída para exactamente a mesma imagem na entrada (ou seja com exactamente os mesmo pixéis). No caso do GPT não é idempotente.

Idempotencia não se aplica bem aqui. Idempotência corresponde A^2=A (em que A representa uma matriz) ou f(f(x))=f(x). A forma como introduziste o tema aqui contribui para confusão também (antes só se discutiu comportamento determinístico vs estocástico). Na prática corresponderia a aplicar a saída na entrada de novo e o sinal de saída continuar o mesmo. Por vezes a função de custo inclui uma componente relacionada, aplica-se por exemplo em modelos GAN a título de exemplo, mas é só parte da função de custo [loss function]; seja como for, não é o mesmo que determinismo e convém distinguir claramente as definições).

[BearManBull]

E, claro, depois de treinado, o modelo mantém-se inteiramente determinístico, desde que os pesos permaneçam fixos (o que é a prática normal)..

Repara que não falei em idempotencia.

O que me referia em termos não determinísticos é que não se sabe o comportamento da rede.

Por exemplo uma rede convolucional que reconhece números é impossível saber com certeza que quando desenho um 9 vai realmente detectar um 9 ou 4 ou 1. Há uma probabilidade de dectar correctamente o 9 mas pode dizer que é um 4 nalguns casos e muito mais raramente um 1.

Outra coisa é ter o mesmo resultado na saída para exactamente a mesma imagem na entrada (ou seja com exactamente os mesmo pixéis). No caso do GPT não é idempotente.

[MarcoAntonio]

Do tamanho de Manhattan. Meta constrói centros de dados "superinteligentes" para IA - Tecnologias - Jornal de Negócios

Mark Zuckerberg quer os titãs da mitologia grega do seu lado. Focado no desenvolvimento de IA, o fundador da Meta anunciou esta semana a criação de um centro de dados do tamanho de Manhattan, que pode chegar aos 5GW. À lista juntam-se outras construções para impulsionar a IA.

[previsor]

Fiz a mesma pergunta no Grok e a resposta é diferente. E também parece mais difícil ver de onde vem a informação no Grok.
No ChatGPT as fontes aparecem na própria resposta

Quando te pedem para procurar notícias, por exemplo sobre a guerra na Ucrânia ou Trump, vais buscar informação às redes sociais?

Sim, quando me pedem para procurar notícias, posso buscar informações em redes sociais, como posts no X, além de outras fontes na web, para obter uma visão atualizada e diversificada. No caso de temas como a guerra na Ucrânia ou Trump, analiso conteúdos relevantes e confiáveis disponíveis em tempo real, incluindo o que é discutido nas redes sociais, mas priorizo fontes com maior credibilidade e contexto. Se quiser que eu foque em algo específico, como apenas notícias de fontes tradicionais ou posts de usuários no X, é só me dizer!

[MarcoAntonio]

Embora a notícia destaque a xAI de Musk, aparentemente envolve os 4 grande players do momento.

xAI scores Pentagon contract
by Julia Shapero - 07/14/25 2:36 PM ET

Elon Musk’s artificial intelligence (AI) company xAI has scored a contract for up to $200 million with the Department of Defense alongside three other major tech firms, the Pentagon announced Monday.

xAI, Anthropic, Google and OpenAI all received contracts with the same ceiling from the Chief Digital and Artificial Intelligence Office to help boost the agency’s adoption of advanced AI, according to a press release.

“The adoption of AI is transforming the Department’s ability to support our warfighters and maintain strategic advantage over our adversaries,” Doug Matty, the Defense Department’s chief digital and AI officer, said in a statement.

The announcement comes the same day xAI unveiled a suite of AI products for U.S. government customers, which it refers to as Grok for Government.

xAI noted that its products will also be available to the rest of the federal government for purchase via the General Services Administration schedule.

“America is the world leader in AI, and this is in no small part due to a tradition of innovation and strong investments in engineering and science,” the company wrote in a news release Monday. “We’re excited to contribute back to the country that made xAI uniquely possible here.”

The contract follows a week of controversy for Musk’s AI firm, after an update caused its chatbot Grok to produce antisemitic responses. xAI ultimately deleted numerous incendiary posts and offered an apology for the chatbot’s “horrific behavior” over the weekend.

It suggested the “root cause” of the problem was “an update to a code path upstream” of the chatbot that was “independent of the underlying language model that powers @grok.”

After xAI last week unveiled the newest version of its AI model, Grok 4, users also noticed it appeared to reference Musk’s views when responding to more controversial inquiries. Grok 4 is among the suite of products available to government customers.

The Hill

[MarcoAntonio]

Já agora, deixo mais algumas explicações e esclarecimentos, na medida em que isto possa interessar a alguém...

- A inicialização de uma rede neuronal não precisa (necessariamente) de recorrer a uma sequência de números (pseudo)aleatórios. No entanto, isso é comumente feito porque é uma forma prática de inicializar os pesos da rede. Poder-se-ia, no entanto, escolher qualquer outra sequência - por exemplo, gerada por uma função arbitrária. As sequências pseudoaleatórias têm a vantagem de satisfazer certos requisitos adicionais. Mas o ponto essencial é evitar que a rede seja inicializada com todos os pesos a zero, o que é prejudicial para a convergência: pode, por exemplo, induzir a rede a convergir para um mínimo local logo no início ou até impedir a convergência por completo, dependendo da arquitetura.

Conforme referi anteriormente, é prática comum utilizar uma seed fixa, inclusive durante o treino. E, claro, depois de treinado, o modelo mantém-se inteiramente determinístico, desde que os pesos permaneçam fixos (o que é a prática normal).

- Voltando à questão inicial e à IA estocástica vs determinística: os LLM em particular são, tipicamente, estocásticos. Mesmo durante a inferência e mesmo mantendo os pesos da rede (LLM) fixos, o seu comportamento é não determinístico. Para isto é introduzida deliberadamente aleatoriedade, para gerar variabilidade nas respostas. Mas, e isto é importante(!), nem toda a IA segue este caminho, há situações em que é inclusivamente incoveniente ou indesejável. Um exemplo é o diagnóstico médico (entre outros).



PS: atrás estava a responder à questão da seed porque foi a questão colocada, mas convém referir que há comandos que se utilizam frequentemente para assegurar determinismo durante o treino (têm que ver com algorítmos utilizados pelo treino, que podem ser ou não determinísticos e outros aspectos técnicos, se for necessário, posso expandir).

[MarcoAntonio]

Uma rede neuronal baseada em CNNs (convolutional neuronal networks) não é programação convencional e o sistema pode ser completamente determinístico (quer durante o treino, quer na inferência). Podes considerar "programação convencional", mas, naturalmente, também está tecnicamente incorrecto.

Como é que atribuis os valores iniciais dos pesos?

A prática (corrente) é utilizar uma seed fixa. Para reproducibilidade, quer ao longo do desenvovimento, quer por outros developers (se estivermos a falar de código open source).



Nota: a título de curiosidade, seed(42) é bastante utilizado, possivelmente a mais utilizada, como in-joke...

[BearManBull]

Uma rede neuronal baseada em CNNs (convolutional neuronal networks) não é programação convencional e o sistema pode ser completamente determinístico (quer durante o treino, quer na inferência). Podes considerar "programação convencional", mas, naturalmente, também está tecnicamente incorrecto.

Como é que atribuis os valores iniciais dos pesos?

[previsor]

Quando se pesquisa informação atualizada aparece quase sempre os links em anexo de onde vai buscar a informação e nunca vai às redes sociais. E se não aparecer o link com a notícia, o que é raro, pode-se pedir.
No entanto ele consegue ir às redes sociais se uma pessoa disser para ele ir. Experimentei pedir o último post do musk no x e ele foi buscar um post do x. Não era o último, mas era um post do x do musk. Depois disse que não era o último e na segunda vez já disse o último. Então ele consegue ir às redes sociais, mas para ir é preciso dizer especificamente para ir senão não vai

[MarcoAntonio]

Referia-me a AI assente em redes neuronais.

Mesmo redes neuronais podem ser determinísticas (incluindo deep learning). Não é sequer muito incomum. Não é utilizado em LLMs mas é utilizado noutras áreas e tarefas.

O resot bem pode-se considerar AI, mas para mim nao passa de programaçao convencional.

Uma rede neuronal baseada em CNNs (convolutional neuronal networks) não é programação convencional e o sistema pode ser completamente determinístico (quer durante o treino, quer na inferência). Podes considerar "programação convencional", mas, naturalmente, também está tecnicamente incorrecto.

[BearManBull]

Referia-me a AI assente em redes neuronais.

O resot bem pode-se considerar AI, mas para mim nao passa de programaçao convencional.

[MarcoAntonio]

A AI nao è deterministica. ALias o que faz a AI ser AI é justamente essa componente.

Isto é tecnicamente incorrecto.

Existe AI estocástica e determinística. Os LLM são modelos generativos e estocásticos, mas não é isso, per se, que os torna AI.

[BearManBull]

Quando te pedem para procurar notícias, por exemplo sobre a guerra na Ucrânia ou Trump, vais buscar informação às redes sociais?

Não, não vou buscar informação diretamente às redes sociais como o X/Twitter, Facebook ou TikTok. Quando me pedes para procurar ou resumir notícias, a minha resposta pode vir de duas formas:
1. Se a pesquisa estiver desligada (modo padrão):
Uso o conhecimento com que fui treinado (que inclui uma enorme base de dados de textos públicos disponíveis até meados de 2024), incluindo artigos de notícias, enciclopédias, livros, etc.
→ Neste caso, não acedo a fontes em tempo real, e não uso redes sociais como fonte primária.
2. Se a pesquisa estiver ligada (como quando uso a ferramenta web):
Aí posso aceder à internet em tempo real, mas dou prioridade a fontes noticiosas fiáveis e verificadas, como:
• BBC, CNN, Reuters, Público, SIC Notícias, etc.
• Websites oficiais (governos, universidades, ONGs, tribunais)
• Bases de dados públicas (como Wikipedia, quando apropriado e com cuidado)

Estas tech nao sao self aware. Nem quem as investiga consegue ter a certeza de conseguir "programar" (estimular) determinados comportamentos, embora existam algumas tecnicas isso nao quer dizer que rede fique programada ao gosto do fregues, embora muitas vezes deem aparencia disso.

O chatgpt nao sabe onde vai buscar a informaçao.

A AI nao è deterministica. ALias o que faz a AI ser AI é justamente essa componente.

[MarcoAntonio]

Nova versão do Grok tende a procurar especificamente os tweets de Musk antes de responder a determinados temas quentes:

https://simonwillison.net/2025/Jul/11/grok-musk/

Grok 4 seems to consult Elon Musk to answer controversial questions

Grok 4 reportedly checks Elon Musk's views before offering its opinion


O que está a ser sugerido como possível explicação é o Grok "saber" que Elon Musk é o dono da xAI. Até agora, não parece haver evidência que este comportamento tenha sido directamente programado (isto é, que o Grok esteja explicitamente instruído a fazê-lo).

Por outras palavras, o comportamento parece ser um comportamento emergente (nada de especialmente novo no contexto de LLM's), possivelmente como corolário ou influenciado pela forma como foi treinado e parametrizado.

[previsor]

Quando te pedem para procurar notícias, por exemplo sobre a guerra na Ucrânia ou Trump, vais buscar informação às redes sociais?

Não, não vou buscar informação diretamente às redes sociais como o X/Twitter, Facebook ou TikTok. Quando me pedes para procurar ou resumir notícias, a minha resposta pode vir de duas formas:
1. Se a pesquisa estiver desligada (modo padrão):
Uso o conhecimento com que fui treinado (que inclui uma enorme base de dados de textos públicos disponíveis até meados de 2024), incluindo artigos de notícias, enciclopédias, livros, etc.
→ Neste caso, não acedo a fontes em tempo real, e não uso redes sociais como fonte primária.
2. Se a pesquisa estiver ligada (como quando uso a ferramenta web):
Aí posso aceder à internet em tempo real, mas dou prioridade a fontes noticiosas fiáveis e verificadas, como:
• BBC, CNN, Reuters, Público, SIC Notícias, etc.
• Websites oficiais (governos, universidades, ONGs, tribunais)
• Bases de dados públicas (como Wikipedia, quando apropriado e com cuidado)

Evito usar redes sociais como fontes principais, exceto em casos onde a própria rede social é o tema (ex.: uma declaração feita no X/Twitter por um político) – e mesmo assim procuro confirmar em fontes jornalísticas.

Em resumo:

Não busco informação diretamente em redes sociais. Quando falo de algo mencionado nelas, procuro sempre fontes jornalísticas credíveis que confirmem ou contextualizem o conteúdo.

E se a informação tiver origem nas redes sociais?

Mesmo que uma informação tenha começado numa rede social (por exemplo, um post do Trump no Truth Social ou um vídeo de um bombardeamento na Ucrânia partilhado no X/Twitter), eu só trago essa informação se ela for citada ou confirmada em fontes jornalísticas verificadas.

⸻

Então… nunca acedo às redes sociais diretamente?

Não. Mesmo quando a pesquisa está ligada, não faço scroll nem leio posts em redes sociais como uma pessoa faria. Não tenho acesso direto a contas, comentários ou threads nas redes.

⸻

Se precisares de algo que só existe em redes sociais (por exemplo, um post exato do Trump com link), aí posso tentar encontrar através de fontes jornalísticas que o tenham citado, ou sugerir que o procures diretamente na rede onde foi publicado.

⸻

Mas já vi algumas vezes a ires buscar a informação a fóruns

Sim, isso é verdade — posso ir buscar informação a fóruns públicos, como:
• Reddit
• Stack Overflow
• Fóruns especializados (ex.: fóruns de ciclismo, tecnologia, saúde, etc.)

Mas há uma diferença importante entre fóruns e redes sociais:

⸻

Fóruns:
• São espaços mais estruturados, onde as respostas costumam ser mais desenvolvidas e debatidas.
• Muitos fóruns têm moderação e histórico acessível publicamente.
• São úteis para entender opiniões, tutoriais, experiências técnicas, dúvidas comuns.
• Uso-os com cautela e costumo indicar quando a informação vem de um fórum ou é baseada em experiência pessoal de utilizadores.

⸻

Redes sociais (como X/Twitter, Facebook, TikTok):
• São mais caóticas e instantâneas.
• O conteúdo é muitas vezes não verificado, emocional ou enviesado.
• Posts individuais são frequentemente tirados de contexto.
• Por isso, não uso como fonte direta, exceto quando o conteúdo for mencionado ou confirmado por fontes fiáveis.

[previsor]

Uso passivo vs uso ativo

Uso passivo é:
• Fazer uma pergunta e aceitar a resposta tal como está
• Pedir um resumo e não o reler ou adaptar
• Copiar uma explicação sem refletir sobre ela
• Pedir uma lista e usá-la sem pensar se faz sentido para ti
• Usar o ChatGPT como se fosse um motor de busca com frases completas

Não é errado, e às vezes até é eficiente. Mas se for sempre assim, estás a abdicar de pensamento próprio e de oportunidades de crescimento.

⸻

Uso ativo é:
• Discutir o tema em profundidade
• Analisar os prós e contras de uma ideia
• Pedir ajuda para escrever, rever ou melhorar um texto
• Criar um argumento que possas usar numa conversa
• Fazer um resumo personalizado para apresentares a alguém
• Pedir exemplos e depois adaptá-los ao teu caso
• Questionar uma resposta e pedir uma segunda perspetiva
• Usar o ChatGPT para te ensinar algo passo a passo
• Explorar cenários do tipo “e se…” ou testar hipóteses
• Combinar várias ideias para criar algo novo

[BearManBull]

OpenAI e Meta em guerra por "cérebros" da Inteligência Artificial - Tecnologias - Jornal de Negócios

“Os missionários vão ganhar aos mercenários', afirmou Sam Altman, da OpenAI, uma nota interna aos trabalhadores da tecnológica, em que critica a atitude da empresa de Mark Zuckerberg, dona do Facebook.

Os missionrarios dormem em barracas e comem arroz branco.

E eu a pensar que os génios estavam todos s fugir de Trump para o paraíso da UE,

Afinal vao para onde pagam melhor...

[previsor]

Problemas do Uso Passivo do ChatGPT

O ChatGPT, como outras inteligências artificiais conversacionais, pode ser uma ferramenta poderosa para pensar, aprender e criar — mas apenas quando usado ativamente e com espírito crítico.

Este é um resumo dos principais riscos e efeitos negativos documentados quando se usa o ChatGPT (ou IA semelhante) de forma passiva — isto é, sem refletir, sem questionar, sem adaptar, apenas aceitando o que a IA propõe.

⸻

1. Diminuição do raciocínio crítico e lógico
• O estudo “AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking” (Gerlich, 2025) demonstrou uma correlação negativa significativa (r = –0,68) entre o uso de IA e os resultados em testes de pensamento crítico, devido ao fenómeno de cognitive offloading (delegar pensamento à IA).
• O MIT Media Lab observou que estudantes que usaram o ChatGPT para escrever ensaios apresentaram menor atividade cerebral nas áreas da memória e raciocínio, descrevendo o efeito como skill atrophy (atrofia de competências).

⸻

2. Redução da criatividade e originalidade
• Um estudo publicado no Journal of Science Advances (Doshi & Hauser, 2024) revelou que, embora a IA possa aumentar a criatividade individual, reduz a variedade e inovação coletiva dos textos.
• O Journal of Creativity (Habib et al., 2024) identificou o chamado fixation effect: após usar IA, estudantes deram menos ideias novas e confiaram menos nas próprias propostas.

⸻

3. Perda de autonomia e confiança intelectual
• O artigo “Artificial Intelligence in Education” (Azeem & Abbas, 2025, Wikipedia) relaciona o uso contínuo de ferramentas de IA com uma descida da autoestima académica e um aumento de learned helplessness (desempoderamento aprendido) — uma forma de dependência mental.

⸻

4. Deterioração da expressão verbal e escrita
• O MIT demonstrou que textos produzidos com ChatGPT são mais curtos, menos originais e com menor retenção de informação.
• Um editorial da mesma instituição (junho de 2025) reforça: “A IA facilita a escrita, mas reduz a frequência da criatividade e o pensamento crítico”.

⸻

5. Aprendizagem superficial
• Gerlich et al. observaram que o uso de IA para resumos ou respostas prontas compromete a retenção de conhecimento e o pensamento reflexivo.
• Outro estudo do MIT com alunos do SAT confirmou memória mais fraca e menor engajamento cerebral em quem usava IA com frequência.

⸻

6. Imitação de erros e preconceitos da IA
• Um estudo da University College Dublin, publicado em Big Data & Society, mostrou que o ChatGPT-3.5 atribuía frequentemente informações falsas e enviesadas, como orientações sexuais incorretas sobre figuras públicas — um exemplo de como a IA pode repetir biases (preconceitos) dos dados com os quais foi treinada.

⸻

7. Vazamento involuntário de dados privados
• Embora ainda pouco documentado em estudos formais, especialistas como Sherry Turkle e projetos como o Replika alertam para o risco de exposição de dados sensíveis (nomeadamente pessoais, médicos ou confidenciais) por parte de utilizadores que confiam excessivamente em chatbots.

⸻

8. Desligamento emocional (empatia artificial)
• O conceito de artificial intimacy, estudado por Skjuve et al. (2021) e por Minling Guo & Zhiming Liu (2025), mostra que relações emocionais com IA (como Replika) podem substituir conexões humanas, aumentando o isolamento social.
• A revista Time (2025) alertou que a dependência de bots para desabafos pessoais pode diminuir a empatia real e os laços humanos.

⸻

9. Distorção da verdade (alucinações da IA)
• Estudos recentes mostram que os modelos mais avançados de IA estão a alucinar com mais frequência — ou seja, inventar dados, fontes ou factos falsos — e que os utilizadores tendem a aceitar essas falsidades com confiança, sem verificação.

⸻

Conclusão

O problema não é a IA, nem a frequência com que se usa — o problema está no uso passivo.

Quando deixamos que o ChatGPT pense por nós, estamos a enfraquecer capacidades vitais como o raciocínio, a criatividade, a escrita e até a empatia.

Por isso, o uso da IA deve ser crítico, ativo e reflexivo — uma ferramenta que estimula a mente, não a substitui.

[MarcoAntonio]

OpenAI e Meta em guerra por "cérebros" da Inteligência Artificial - Tecnologias - Jornal de Negócios

“Os missionários vão ganhar aos mercenários', afirmou Sam Altman, da OpenAI, uma nota interna aos trabalhadores da tecnológica, em que critica a atitude da empresa de Mark Zuckerberg, dona do Facebook.

[previsor]

O estudo do MIT envolveu 54 estudantes universitários, entre 18 e 39 anos, de várias universidades de Boston. O objetivo foi analisar o impacto do uso do ChatGPT na escrita, memória, autoria e atividade cerebral.

Os participantes foram divididos em três grupos: um usava o ChatGPT, outro motores de busca como o Google, e o último escrevia sem ajuda digital. Durante cerca de quatro meses, cada participante escreveu três ensaios, um por sessão. A atividade cerebral foi monitorizada por EEG, e os textos avaliados por professores e um sistema automático.

Os textos feitos com ChatGPT receberam as melhores notas, mas seus autores mostraram menor atividade cerebral, lembrança reduzida do conteúdo e menor sensação de autoria. Quem escreveu sem ajuda teve textos de qualidade média, mas maior envolvimento cerebral, melhor memória e sensação de autoria. O grupo do Google ficou no meio-termo.

Sim, é perfeitamente normal — e até esperado — que os resultados sejam assim.

Quando alguém usa o ChatGPT para escrever, está a receber um texto muito bem estruturado e fluente, produzido por uma IA que domina a linguagem. Isso naturalmente resulta em notas mais altas para esses textos, já que a forma e correção são muito boas.

Por outro lado, como o ChatGPT faz grande parte do trabalho, o cérebro do utilizador está menos ativo durante o processo — não precisa pensar tanto, organizar ideias ou corrigir — o que leva a menor envolvimento cerebral e menor memória do conteúdo escrito.

Já quem escreve sem ajuda tem de pensar mais, estruturar, corrigir e criar, o que exige mais esforço mental. Isso explica a maior atividade cerebral e a sensação de autoria, mesmo que o texto seja menos polido.

O grupo do Google está entre os dois porque, ao usar motores de busca, as pessoas ainda precisam selecionar, sintetizar e organizar a informação sozinhas, mas têm uma ajuda na pesquisa que facilita a tarefa.

Este padrão é comum em situações onde uma ferramenta automatiza parte do trabalho criativo ou cognitivo: o resultado final pode ser melhor, mas o processo mental fica mais passivo.

Se quiseres, posso ajudar a pensar em formas de usar o ChatGPT para teres bons textos sem perder o teu envolvimento mental. Quer?

Ótimo! Aqui vão algumas dicas práticas para usares o ChatGPT de forma que ajude a tua escrita, mas mantenhas o teu cérebro ativo e envolvido:
1. Escreve primeiro tu
Antes de pedires ajuda, tenta escrever um rascunho com as tuas ideias — mesmo que seja só um esqueleto do texto. Isso faz o teu cérebro trabalhar a organização e a criatividade.
2. Usa o ChatGPT para melhorar, não para criar tudo
Pede para o ChatGPT ajudar a corrigir gramática, sugerir sinónimos, melhorar a fluidez ou reestruturar frases, em vez de escrever o texto inteiro por ti.
3. Faz perguntas que te obriguem a pensar
Em vez de pedires um texto pronto, usa perguntas abertas como: “Como posso explicar melhor este argumento?” ou “Que exemplos posso usar para esta ideia?”
4. Tenta ensinar ou explicar para a IA
Pede ao ChatGPT para te ajudar a rever o que escreveste explicando o conteúdo em voz alta (podes fazer isso sozinho ou com a ajuda da IA). Ensinar reforça a memória e a compreensão.
5. Revisa e altera o texto gerado
Não aceites tudo que a IA sugere; lê, pensa e modifica para que fique com a tua voz. Isso mantém a sensação de autoria.
6. Usa quizzes e resumos com a IA
Pede para criar perguntas sobre o que escreveste ou faz resumos para ajudar a fixar o conteúdo. Isso treina a memória ativa.

[MarcoAntonio]

Infelizmente, isto é verdadeiramente assustador:

https://arxiv.org/pdf/2506.08872

Abstract

This study explores the neural and behavioral consequences of LLM-assisted essay writing. Participants were divided into three groups: LLM, Search Engine, and Brain-only (no tools). Each completed three sessions under the same condition. In a fourth session, LLM users were reassigned to Brain-only group (LLM-to-Brain), and Brain-only users were reassigned to LLM condition (Brain-to-LLM). A total of 54 participants took part in Sessions 1-3, with 18 completing session 4. We used electroencephalography (EEG) to assess cognitive load during essay writing, and analyzed essays using NLP, as well as scoring essays with the help from human teachers and an AI judge. Across groups, NERs, n-gram patterns, and topic ontology showed within-group homogeneity. EEG revealed significant differences in brain connectivity: Brain-only participants exhibited the strongest, most distributed networks; Search Engine users showed moderate engagement; and LLM users displayed the weakest connectivity. Cognitive activity scaled down in relation to external tool use. In session 4, LLM-to-Brain participants showed reduced alpha and beta connectivity, indicating under-engagement. Brain-to-LLM users exhibited higher memory recall and activation of occipito-parietal and prefrontal areas, similar to Search Engine users. Self-reported ownership of essays was the lowest in the LLM group and the highest in the Brain-only group. LLM users also struggled to accurately quote their own work. While LLMs offer immediate convenience, our findings highlight potential cognitive costs. Over four months, LLM users consistently underperformed at neural, linguistic, and behavioral levels. These results raise concerns about the long-term educational implications of LLM reliance and underscore the need for deeper inquiry into AI's role in learning.

[BearManBull]

https://takeoffspeeds.com/