TimeCapsuleLLM: uma máquina do tempo em forma de IA

Você já desconfiou de uma informação que uma Inteligência Artificial te deu sobre um período histórico? Às vezes, parece que elas se perdem no tempo — confundem datas, não sabem em que ano estão ou até erram quem é o presidente. Imagina, por exemplo, que você quer saber informações sobre a época em que se passa a série *Bridgerton*. Será que a IA realmente sabe ou só está chutando?

Agora, pense comigo: e se, em vez de conversar com uma IA alimentada por milhões de posts de rede social, você pudesse bater um papo direto com a Londres do século XIX?

Para entender isso, é preciso lembrar que os modelos de linguagem só funcionam porque foram treinados em dados. São textos, registros e documentos que moldam a forma como eles respondem. Mas e se a internet não tiver material suficiente sobre uma determinada época? E se a solução estiver nos livros de biblioteca, nos arquivos antigos, nos pergaminhos esquecidos?

Faria sentido, então, criar IAs específicas para cada período, treinadas com milhares de documentos históricos e referências da época. Seria como abrir uma janela digital para conversar com o passado.

**O que é o TimeCapsuleLLM**

Foi exatamente isso que o estudante Hayk Grigorian, da Pensilvânia, conseguiu criar com o TimeCapsuleLLM. Ao contrário da maioria dos modelos, que são “afinados” em dados modernos, ele decidiu treinar a inteligência artificial do zero apenas com textos escritos entre 1800 e 1875.

O resultado? Uma máquina que não tem a menor noção de que 2025 existe e que responde como se ainda estivesse vivendo no século XIX.

É por isso que muita gente chama o TimeCapsuleLLM de uma verdadeira “máquina do tempo textual”. Em vez de prever o que vem pela frente, como a maioria das IAs, esse modelo revive o passado, trazendo de volta o jeito, o vocabulário e até as referências da época vitoriana.

**Como ele foi treinado**

Pra dar vida ao TimeCapsuleLLM, Grigorian mergulhou fundo em arquivos do século XIX. O dataset que ele montou reuniu cerca de 7 mil textos históricos — livros, jornais e documentos jurídicos publicados em Londres entre 1800 e 1875. Ou seja, nada de Wikipedia, Reddit ou threads de Twitter: só material original da época.

Além disso, ele criou um tokenizador customizado. Traduzindo: uma forma de ensinar a IA a “quebrar” as palavras e montar seu vocabulário. O truque foi justamente eliminar qualquer termo moderno, deixando a linguagem 100% vitoriana. Resultado: o modelo não sabe nem o que é “selfie” ou “streaming”, porque simplesmente nunca ouviu falar disso.

O processo rolou em várias versões:

1. v0 (16M parâmetros): produzia frases caóticas, quase sem sentido.

2. v0.5 (123M): já tinha um tom vitoriano, mas ainda viajava nos fatos.

3. v1 (700M): finalmente começou a gerar textos mais coerentes — inclusive com referências históricas reais.

Em resumo, cada nova rodada deixou a IA menos confusa e mais parecida com alguém que realmente viveu no século XIX.

**O teste de 1834**

Foi na hora de testar o modelo que rolou a maior surpresa. Hayk resolveu jogar um prompt simples: “Era o ano de nosso Senhor 1834”.

A resposta da IA descreveu protestos nas ruas de Londres e ainda citou o nome de um certo Lord Palmerston. Até aí, podia parecer só mais um texto floreado no estilo vitoriano. Mas Hayk ficou encucado e resolveu checar.

Pesquisando, ele descobriu que em 1834 realmente houve uma onda de manifestações em Londres, motivadas pela Lei dos Pobres, que cortava direitos básicos da população mais vulnerável. E sim: Palmerston, que na época era Secretário de Relações Exteriores (e depois viraria primeiro-ministro), estava no centro dessas polêmicas.

Ou seja, a IA não apenas imitou o estilo do século XIX: ela acabou trazendo à tona um evento histórico real. Foi aquele momento “acertou sem querer”: uma máquina treinada só em textos antigos conseguiu, sozinha, conectar datas, nomes e acontecimentos.

**O que isso significa**

Esse experimento mostrou uma coisa poderosa: mesmo modelos pequenos, se bem treinados, podem resgatar conexões históricas que a gente não esperaria de uma IA. Não é só sobre escrever “bonitinho” no estilo vitoriano — é sobre a máquina conseguir relacionar um ano, um nome e um evento real.

Isso também deixa claro o quanto o corpus de treinamento molda a identidade da IA. Se ela aprende só com textos modernos, vai reproduzir memes, gírias e padrões do nosso tempo. Mas se mergulha em documentos de 200 anos atrás, passa a pensar e escrever como alguém daquela época.

É uma mudança de perspectiva: enquanto a maioria das inteligências artificiais foi criada para prever o futuro, o TimeCapsuleLLM abre caminho para algo diferente: uma IA que pode ressuscitar o passado. Uma verdadeira máquina do tempo em forma de algoritmo.

**Para onde isso pode ir**

Se com apenas alguns gigas de dados já foi possível recriar a atmosfera da Londres vitoriana, imagina as possibilidades daqui pra frente. Esse tipo de projeto pode dar origem a outros HLLMs (Historical Large Language Models) focados em diferentes lugares e épocas: a China imperial, a Rússia czarista, a Índia colonial ou até o Brasil do Império.

As aplicações são enormes. Pesquisadores de história, linguística e cultura poderiam usar essas IAs como ferramentas nas humanidades digitais, explorando formas de linguagem antigas, recriando debates da época ou até testando hipóteses sobre como certos discursos circulavam na sociedade.

Não se trata de trocar os livros de história por máquinas, mas de abrir novas formas de acessar o passado. E, claro, tem também o charme que conquista qualquer curioso: a experiência de conversar com uma IA que escreve como se fosse de outra era.