Questão de Português — Colocação Pronominal — VUNESP 2025
- Código
- vu218553
- Banca
- VUNESP
- Órgão
- ARSESP
- Ano
- 2025
- Cargo
- Ana SR ( )
O desenvolvimento da Inteligência Artificial Generativa (IAG) depende do treinamento de vastos conjuntos de informações para que o modelo aprenda sobre linguagem, padrões e conhecimento geral. Esses dados podem incluir textos, imagens ou vídeos, os quais frequentemente são protegidos por direitos autorais.
Se, por um lado, a criatividade e o conteúdo humano precisam ser preservados e recompensados, por outro, regras rígidas de direitos autorais para o treinamento da IAG podem trazer efeitos colaterais preocupantes, tais como: custos proibitivos para empresas de pequeno porte, aumentando a vantagem competitiva das grandes empresas; fuga de centros de IA para países mais permissivos; menor precisão diante da menor quantidade de dados; e repressão da pesquisa aberta e concentração de inovação em ambientes fechados.
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo sobre as relações estatísticas entre os seus elementos. Embora esses vetores não reproduzam diretamente a obra original e os modelos não armazenem os dados como um banco de referência consultável, eles podem carregar sua estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o conteúdo protegido.
Diferentemente de um livro digital ou de uma música arquivada, esses sistemas não guardam cada obra de forma individual, mas extraem padrões estatísticos gerais a partir do conjunto de uma grande massa toda. A memorização de trechos específicos pode ocorrer, mas em pequena escala. Em geral, o modelo generaliza e o impacto de cada obra isolada se dilui dentro da massa de dados, não havendo como rastrear a contribuição unitária. Isso torna inadequado tratar o treinamento desses modelos como se fosse equivalente ao uso individualizado de uma obra musical, jornalística ou literária.
No Brasil, há fundamentos jurídicos que permitem a aplicação do “uso justo”, conforme entendimentos do Superior Tribunal de Justiça (STJ) sobre a Lei de Direitos Autorais, quando: se tratar de situação especial; não prejudicar a exploração normal da obra; e não causar dano injustificado aos interesses do autor.
Em geral, no caso do “treinamento justo”, os argumentos são: os dados são utilizados apenas como insumos técnicos, para ensinar padrões estatísticos, e não para copiar as obras originais; o aprendizado de máquina é comparável ao processo humano de indução e generalização; e a responsabilização deve ser aplicada em relação aos resultados produzidos que violem direitos autorais.
Ou seja, o tema é desafiador e de alta complexidade, sob a perspectiva técnica e jurídica. A tensão entre garantir a remuneração e o reconhecimento dos criadores, por um lado, e não inviabilizar a inovação tecnológica, por outro, exige abordagem regulatória cuidadosa, proporcional e tecnologicamente embasada.
(Rony Vainzof. Treinamento da IA, direitos autorais e regulação.
www.estadao.com.br, 21.10.2025. Adaptado)
- AA capacidade dos modelos de IA de gerar conteúdos novos é objeto de questionamento de quem cria-os de maneira autoral.
- BObras originais têm sido usadas para alimentar modelos de IA, mas estes não têm citado-as devidamente.
- CO conteúdo está sujeito à proteção de direitos autorais e é utilizado pelo desenvolvedor do modelo para alimentá-lo.
- DOs modelos, por fim, não reproduzem integralmente conteúdos protegidos por direito autoral, mas lhes imitam.
- EOs dados das obras são acessíveis pelos modelos e estes armazenam-os com uma estrutura matemática.