Eu digo, você entende; mas será que entende o que eu digo?

U ma pequena experiência pode ilustrar um conceito muito mais amplo. Recentemente, ao personalizar uma trilha de aprendizagem para um programa de formação em IA, deparei-me com uma situação que reforçou um ponto central do meu artigo Quando a Máquina Aprendeu a Falar a Nossa Língua? Foi um detalhe aparentemente trivial, mas revelador sobre o funcionamento da IA generativa.

Antes de contar o “causo”, permita-me contextualizar.

Design de Aprendizagem

Uma das estratégias do design de aprendizagem é o uso intencional de imagens para despertar emoções, estimular a curiosidade e criar uma conexão com o conteúdo antes mesmo da leitura. Por isso, é comum iniciar capítulos, seções ou módulos de um recurso educacional com uma imagem.

Ao personalizar a trilha de aprendizagem para o programa de formação em IA, especificamente no módulo sobre “Geração de imagens usando o ChatGPT”, identifiquei uma oportunidade para tornar a experiência de aprendizagem mais envolvente. Decidi combinar dois elementos do projeto: ilustrar o início de algumas seções com imagens geradas por IA, aplicando os princípios do design de aprendizagem, e, no tópico sobre geração de imagens, demonstrar como essas ilustrações foram criadas, oferecendo um exemplo prático e contextualizado.

Seguindo esse plano, utilizei o ChatGPT para gerar as imagens. E foi nesse processo que o tal do “causo” aconteceu.

O causo

Para uma das seções, escolhi uma imagem de abertura que representasse um computador, mais especificamente, um notebook. Para gerar essa imagem, escrevi o seguinte prompt no ChatGPT:

O resultado? Confesso que, à primeira vista, não entendi. Veja a imagem gerada pelo ChatGPT:

Como diria o Chaves: “Ai que burro, dá zero pro ChatGPT!” 😱 Quem disse que era para gerar um caderno? 🙃

Passado o momento de confusão — ou, no popular, quando “a ficha caiu” — percebi que o equívoco, na verdade, era meu, e não do ChatGPT. Esse é um daqueles anglicismos que usamos tão livremente no Brasil. Para mim, “notebook” significa “computador portátil”. Assim como os dicionários, incorporei a palavra ao meu vocabulário cotidiano. Sim! E, com o sotaque devidamente abrasileirado, pronuncio “notebuquê”, com ênfase no “e” — afinal, nasci e cresci em Curitiba, né? 😊

Quando leio ou ouço a palavra “notebook”, minha primeira associação é com o computador, e não com seu significado original em inglês: “Um pequeno caderno de papel simples para escrever anotações”, conforme define o dicionário Oxford.

Percebendo isso, alterei meu prompt. Troquei “notebook” por “laptop” e, voilà, o resultado foi exatamente o que eu desejava.

Por que escolhi “laptop”? Bem… Isso fica para outro texto. 😉

Filosofando

Indo além do que já explorei em Quando a Máquina Aprendeu a Falar a Nossa Língua?, este “causo” sobre notebook versus laptop me remete à Teoria da Informação, formulada por Claude Shannon. Essa teoria estabelece princípios matemáticos para medir e otimizar a transmissão de mensagens, garantindo que a informação chegue ao destino com o menor impacto possível de ruídos e perdas. Embora tenha sido criada para sistemas eletrônicos, seus princípios inspiraram reflexões sobre a importância da clareza e precisão em qualquer processo comunicativo.

No caso da interação com inteligência artificial, cada palavra no prompt pode ser vista como parte de um ‘sinal’ que influencia o resultado. Se o prompt não refletir com exatidão nossa intenção, o resultado pode ficar aquém do esperado.

Eu digo, você entende; mas será que entende o que eu digo?

Desde os tempos de escola, aprendi que a comunicação clara e objetiva, ajustada ao ‘receptor’, é uma habilidade essencial em qualquer contexto. O que eu não imaginava era que, um dia, esse receptor seria uma máquina!

Nota: Se você repetir o prompt presente neste texto, a resposta do ChatGPT provavelmente será diferente da que recebi. Caso queira conferir o que obtive, compartilhei o resultado neste link. Por que a resposta pode não ser a mesma? Bem… outro assunto e outro texto. 😉