Vestibular 2027: como usar IA para revisar conteúdos sem cair nas 'alucinações' da ferramenta

Vestibulou: como usar IA para estudar para as provas sem cair em ‘alucinações’ A inteligência artificial pode apresentar informações falsas ou imprecisas como se fossem verdadeiras, em um tipo de erro conhecido como “alucinação”.

Na preparação para o vestibular, uma resposta errada pode fazer o estudante revisar um conteúdo de forma equivocada, aprender uma informação falsa ou até considerar incorreta uma resposta que, na verdade, poderia estar certa.

Por isso, mais do que saber fazer perguntas para a IA, o estudante precisa aprender a desconfiar das respostas e verificar as informações recebidas.

É o que explicam Luccas Zillig, diretor de um cursinho do Colégio Oficina do Estudante, e Leonardo Tomazeli Duarte, professor da Unicamp e pesquisador na área de inteligência artificial. 📲 Participe do canal do g1 Campinas no WhatsApp Ao g1, os dois explicaram situações em que a IA pode ser uma aliada nos estudos, mas também destacaram quando é melhor desconfiar da resposta, conferir a informação ou simplesmente tentar resolver a questão sozinho antes de pedir ajuda a essas ferramentas.

Nesta reportagem você vai entender: Por que a IA “alucina”? Quais os riscos? Importância de pensar por conta própria Pode usar IA para resolver questões? Quando a IA pode ser uma aliada? E as questões que exigem interpretação? Pode usar IA para criar exercícios? Como diminuir o risco de cair em uma “alucinação”? 🤖 Por que a IA “alucina”? As ferramentas de inteligência artificial generativa não funcionam como uma enciclopédia que consulta uma resposta pronta e verifica se ela está correta antes de entregá-la.

De forma simplificada, segundo Leonardo, elas identificam padrões nos dados usados em seu desenvolvimento e tentam prever quais palavras ou informações fazem sentido na sequência.

“No fundo, ela tenta adivinhar as próximas sequências de palavras”, explica o professor.

É justamente por isso que uma resposta pode parecer correta sem necessariamente ser verdadeira.

Segundo o professor, a ferramenta tende a funcionar melhor quando trata de assuntos conhecidos e que possuem grande quantidade de informações disponíveis.

Já conteúdos pouco documentados ou com muitas possibilidades de interpretação podem gerar mais incertezas.

“É um texto que parece verdade, mas não é.

Porque ele é verossímil, mas não é verdadeiro.

Como esses modelos grandes são treinados com muitos textos, o que é verossímil, de fato, a maior parte do tempo, é factual.

Porque ele pegou tanto padrão, ele viu tanto aquilo que o padrão do preenchimento das próximas palavras começa a ficar factual”, explicou Leonardo.