A estagnação cultural induzida pela IA não é mais especulação — já está acontecendo

Por Ahmed Elgammal.

A IA generativa foi treinada com base em séculos de arte e escritos produzidos por seres humanos.

Mas cientistas e críticos se perguntaram o que aconteceria quando a IA fosse amplamente adotada e começasse a ser treinada com base em seus próprios resultados.

Um novo estudo aponta algumas respostas.

Em janeiro de 2026, os pesquisadores de inteligência artificial Arend Hintze, Frida Proschinger Åström e Jory Schossau publicaram um estudo mostrando o que acontece quando sistemas de IA generativa podem funcionar de forma autônoma – gerando e interpretando seus próprios resultados sem intervenção humana.

Os pesquisadores conectaram um sistema de texto para imagem com um sistema de imagem para texto e os deixaram iterar – imagem, legenda, imagem, legenda – repetidamente.

Independentemente da diversidade das solicitações iniciais – e independentemente do grau de aleatoriedade permitido aos sistemas –, os resultados rapidamente convergiram para um conjunto restrito de temas visuais genéricos e familiares: paisagens urbanas atmosféricas, edifícios grandiosos e paisagens pastorais. Ainda mais impressionante foi o fato de o sistema ter rapidamente “esquecido” a solicitação inicial.

Os pesquisadores chamaram os resultados de “música de elevador visual” – agradável e refinada, mas sem qualquer significado real.

Por exemplo, eles começaram com a imagem “O primeiro-ministro examinou documentos estratégicos, tentando convencer o público sobre um frágil acordo de paz enquanto lidava com o peso de seu cargo em meio a uma ação militar iminente”. A imagem resultante foi então legendada pela IA. Essa legenda foi usada como prompt para gerar a próxima imagem.

Depois de repetir esse ciclo, os pesquisadores acabaram com uma imagem sem graça de um espaço interior formal – sem pessoas, sem drama, sem senso real de tempo e lugar.

Como cientista da computação que estuda modelos generativos e criatividade, vejo as conclusões deste estudo como uma peça importante no debate sobre se a IA levará à estagnação cultural.

Os resultados mostram que os sistemas de IA generativa tendem à homogeneização quando usados de forma autônoma e repetida. Eles até sugerem que os sistemas de IA estão atualmente operando dessa forma por padrão.

O familiar é o padrão

Esta experiência pode parecer irrelevante: a maioria das pessoas não pede aos sistemas de IA que descrevam e regenerem infinitamente as suas próprias imagens. A convergência para um conjunto de imagens insípidas e genéricas aconteceu sem retreinamento. Não foram adicionados novos dados. Nada foi aprendido. O colapso surgiu puramente do uso repetido.

Mas acho que a configuração da experiência pode ser considerada uma ferramenta de diagnóstico. Ela revela o que os sistemas generativos preservam quando ninguém intervém.

Isso tem implicações mais amplas, porque a cultura moderna é cada vez mais influenciada exatamente por esses tipos de pipelines. As imagens são resumidas em texto. O texto é transformado em imagens. O conteúdo é classificado, filtrado e regenerado à medida que se move entre palavras, imagens e vídeos. Agora, é mais provável que os novos artigos na web sejam escritos por IA do que por humanos. Mesmo quando os humanos permanecem no circuito, eles geralmente escolhem entre opções geradas por IA, em vez de começar do zero.

As conclusões deste estudo recente comprovam que o comportamento padrão desses sistemas é comprimir o significado em direção ao que é mais familiar, reconhecível e fácil de regenerar.

Estagnação cultural ou aceleração?

Nos últimos anos, os céticos alertaram que a IA generativa poderia levar à estagnação cultural, inundando a web com conteúdo sintético no qual os futuros sistemas de IA seriam treinados. Com o tempo, argumentam, esse ciclo recursivo reduziria a diversidade e a inovação.

Os defensores da tecnologia reagiram, apontando que os temores de declínio cultural acompanham toda nova tecnologia. Os seres humanos, argumentam eles, sempre serão os árbitros finais das decisões criativas.

O que tem faltado nesse debate são evidências empíricas que mostrem onde a homogeneização realmente começa.

O novo estudo não testa o retreinamento em dados gerados por IA. Em vez disso, ele mostra algo mais fundamental: a homogeneização acontece antes mesmo do retreinamento entrar em cena. O conteúdo que os sistemas de IA generativa produzem naturalmente — quando usados de forma autônoma e repetida — já é compactado e genérico.

Isso reformula o argumento da estagnação. O risco não é apenas que os modelos futuros possam ser treinados com conteúdo gerado por IA, mas que a cultura mediada pela IA já esteja sendo filtrada de maneiras que favorecem o familiar, o descritível e o convencional.

O retreinamento amplificaria esse efeito. Mas não é sua fonte.

Isso não é pânico moral

Os céticos estão certos sobre uma coisa: a cultura sempre se adaptou às novas tecnologias. A fotografia não matou a pintura. O cinema não matou o teatro. As ferramentas digitais possibilitaram novas formas de expressão.

Mas essas tecnologias anteriores nunca forçaram a cultura a ser incessantemente remodelada em vários meios em escala global. Elas não resumiam, regeneravam e classificavam produtos culturais — notícias, músicas, memes, artigos acadêmicos, fotografias ou postagens em mídias sociais — milhões de vezes por dia, guiadas pelas mesmas suposições embutidas sobre o que é “típico”.

O estudo demonstra que, quando o significado é forçado repetidamente por esses canais, a diversidade entra em colapso, não devido a más intenções, design malicioso ou negligência corporativa, mas porque apenas certos tipos de significado sobrevivem às repetidas conversões de texto para imagem e de imagem para texto.

Isso não significa que a estagnação cultural seja inevitável. A criatividade humana é resiliente. Instituições, subculturas e artistas sempre encontraram maneiras de resistir à homogeneização. Mas, na minha opinião, as conclusões do estudo demonstram que a estagnação é um risco real – não um medo especulativo – se os sistemas generativos continuarem a operar em sua iteração atual.

Elas também ajudam a esclarecer um equívoco comum sobre a criatividade da IA: produzir variações infinitas não é o mesmo que produzir inovação. Um sistema pode gerar milhões de imagens enquanto explora apenas um pequeno canto do espaço cultural.

Em minha própria pesquisa sobre IA criativa, descobri que a inovação requer o projeto de sistemas de IA com incentivos para se desviar das normas. Sem isso, os sistemas se otimizam para a familiaridade, porque a familiaridade é o que eles aprenderam melhor. O estudo reforça esse ponto empiricamente. A autonomia por si só não garante a exploração. Em alguns casos, ela acelera a convergência.

Esse padrão já surgiu no mundo real: um estudo descobriu que os planos de aula gerados por IA apresentavam a mesma tendência para conteúdos convencionais e pouco inspiradores, ressaltando que os sistemas de IA convergem para o que é típico, em vez do que é único ou criativo.

Perdido na tradução

Sempre que você escreve uma legenda para uma imagem, os detalhes se perdem. O mesmo ocorre com a geração de uma imagem a partir de texto. E isso acontece independentemente de ser feito por um ser humano ou por uma máquina.

Nesse sentido, a convergência que ocorreu não é uma falha exclusiva da IA. Ela reflete uma propriedade mais profunda de saltar de um meio para outro. Quando o significado passa repetidamente por dois formatos diferentes, apenas os elementos mais estáveis persistem.

Mas, ao destacar o que sobrevive durante traduções repetidas entre texto e imagens, os autores conseguem mostrar que o significado é processado dentro de sistemas generativos com uma tendência discreta para o genérico.

A implicação é preocupante: mesmo com orientação humana — seja escrevendo prompts, selecionando resultados ou refinando resultados — esses sistemas ainda estão removendo alguns detalhes e ampliando outros de maneiras que se orientam para o que é “médio”.

Para a IA generativa enriquecer a cultura em vez de a nivelar, penso que os sistemas precisam de ser concebidos para resistir à convergência para resultados estatisticamente médios. Pode haver recompensas pelo desvio e apoio a formas de expressão menos comuns e menos convencionais.

O estudo deixa uma coisa clara: sem essas intervenções, a IA generativa continuará a se desviar para conteúdos medíocres e sem inspiração.

A estagnação cultural não é mais especulação. Já está acontecendo.

Ahmed Elgammal é Professor de Ciência da Computação e Diretor do Laboratório de Arte e IA da Universidade Rutgers

Declaração de transparência: Ahmed Elgammal não presta consultoria, trabalha, possui ações ou recebe financiamento de qualquer empresa, ou organização que possa se beneficiar com a publicação deste artigo e não revelou nenhum vínculo relevante além de seu cargo acadêmico.

A opinião do/a/s autor/a/s não representa necessariamente a opinião de Desacato.info.