IA generativa e o senso comum teórico de Warat: o espectro de Teodoro na decisão penal

Em 1966, Jorge Amado publicou “Dona Flor e Seus Dois Maridos”.

A viúva Flor casa de novo com Teodoro Madureira, farmacêutico meticuloso, insosso, dono de uma cultura sem surpresas e de uma mania cartesiana de etiquetar tudo.

O primeiro marido, Vadinho, solto, cara de pau, jogador e perdulário, morto em pleno Carnaval, volta como fantasma e reocupa a cama do casal.

Divulgação “Dona Flor e Seus Dois Maridos”, de 1976 Luis Alberto Warat leu nesse par a alegoria da ciência jurídica: em Vadinho, o Carnaval e a folia do desejo; em Teodoro, a quaresma dos controles que se repetem só para justificar a própria existência.

A ciência jurídica é Flor, casada ao mesmo tempo com a norma que organiza sem surpresa e com o desejo interpretativo que rompe a ordem quando o caso concreto exige outra leitura.

A pergunta deste artigo é literal: o que acontece quando uma máquina passa a redigir a minuta da decisão penal com a voz exclusiva de Teodoro, e o que muda quando a mesma máquina aprende a imitar também a voz de Vadinho.

Como a máquina aprendeu a falar direito Antes de discutir o efeito, vale descrever a causa em linguagem simples.

Um modelo de linguagem generativo é treinado em duas etapas.

Na primeira, chamada pré-treinamento ( pretraining ), o sistema lê bilhões de trechos de texto, entre eles decisões judiciais, doutrina, leis e petições, aprendendo a estimar, para cada trecho, qual unidade de texto (token, fragmento de palavra ou palavra inteira) tende a vir na sequência.

Não decora frases: ajusta bilhões de parâmetros numéricos até que a previsão de próximo token acerte com a maior frequência possível sobre o material de treino.

Na segunda etapa, chamada ajuste fino ( fine-tuning ), com reforço a partir de avaliação humana (RLHF, reinforcement learning from human feedback ), o sistema é calibrado para responder de forma mais útil e menos ofensiva, sem alterar a lógica estatística herdada do pré-treinamento (probabilística).

A arquitetura por trás dessa previsão chama-se ‘ transformer’ [ veja mais ].

O mecanismo central, chamado atenção ( attention ), calcula o peso que cada token anterior do texto exerce sobre a escolha do próximo, dentro de representações numéricas chamadas embeddings , vetores que codificam relações de sentido entre termos ( aqui ).

Spacca … Um parâmetro chamado temperatura ( temperature ) regula, no momento da geração, o quanto o sistema se afasta da opção estatisticamente mais provável em favor de opções alternativas de menor probabilidade.