A Graphite, plataforma de revis\u00e3o de c\u00f3digo, alerta para um risco: os grandes modelos de linguagem podem entrar em um ciclo de autossabotagem informacional quando passam a treinar com conte\u00fado gerado por eles mesmos. O estudo foi divulgado em 16 de junho por a empresa norte-americana. O alvo \u00e9 a possibilidade de as respostas ficarem cada vez mais semelhantes entre si.<\/p>\n
Segundo a pesquisa, em simula\u00e7\u00f5es com modelos como GPT-5.2, Gemini 3 Pro e Claude Sonnet 4.5, o que era esperado como varia\u00e7\u00e3o de respostas pode se transformar em repeti\u00e7\u00e3o. Em 1.500 cen\u00e1rios analisados, o colapso ocorreu em 79,6% dos casos. O resultado acende alerta sobre o futuro da busca online.<\/p>\n
O problema envolve a forma como a IA responde hoje. O sistema usa gera\u00e7\u00e3o aumentada por recupera\u00e7\u00e3o, buscando informa\u00e7\u00f5es na web antes de responder e usando textos coletados como base. A ideia \u00e9 espelhar a diversidade existente na internet, mas o estudo aponta um entrave.<\/p>\n
A IA tamb\u00e9m escreve parte dos textos que utiliza como refer\u00eancia. Ao encontrar conte\u00fados gerados pela pr\u00f3pria IA, o mecanismo passa a reproduzi-los, criando um ciclo de retroalimenta\u00e7\u00e3o que reduz a variedade de respostas.<\/p>\n
Um dos dados mais marcantes \u00e9 a rapidez com que o colapso pode iniciar. Em alguns experimentos, apenas 22% das respostas eram parecidas no come\u00e7o; ao fim, 89% viraram par\u00e1frases entre si. Nomes e elementos que apareciam amplamente podem sumir do resultado.<\/p>\n
O estudo identifica o que chama de vi\u00e9s de autoprefer\u00eancia: a IA tende a favorecer textos escritos por ela mesma. Refer\u00eancias autorais foram citadas em 38,9% das vezes, contra 7% a 9% de conte\u00fados humanos ou gerados por outras IAs. O efeito persiste mesmo ao controlar a qualidade do texto.<\/p>\n
A avalia\u00e7\u00e3o foi aplicada a tr\u00eas grandes modelos do mercado, sem indicar exclusividade de um produto. O colapso apareceu em todos os tr\u00eas, com varia\u00e7\u00f5es de intensidade. A amostra envolveu mais de um milh\u00e3o de chamadas \u00e0s APIs, abrangendo 1.019 perguntas diferentes.<\/p>\n
A principal consequ\u00eancia \u00e9 a redu\u00e7\u00e3o da pluralidade de informa\u00e7\u00f5es. Respostas cada vez mais pr\u00f3ximas aumentam a chance de usu\u00e1rios receberem uma vis\u00e3o estreita do mundo. Em junho de 2026, houve aumento de refer\u00eancias potencialmente geradas por IA em rela\u00e7\u00e3o ao m\u00eas anterior.<\/p>\n
Entre as propostas para mitigar o problema est\u00e3o filtrar conte\u00fado gerado por IA na busca, diversificar os resultados para evitar duplicatas e incentivar o modelo a valorizar a diversidade ou a usar mais conhecimento interno. Os autores reiteram que as simula\u00e7\u00f5es n\u00e3o comprovam ocorr\u00eancia em larga escala comercial, mas apontam uma tend\u00eancia que demanda aten\u00e7\u00e3o.<\/p>\n","protected":false},"excerpt":{"rendered":"