Dizer "por favor" ou "obrigado" a um chatbot pode parecer estranho para muitos, mas um novo estudo indica que a forma como tratamos a inteligência artificial tem um impacto direto no seu comportamento. De acordo com a investigação publicada pela equipa do AI Wellbeing, os modelos de linguagem possuem um bem-estar funcional que pode ser alterado e medido consoante a interação com os utilizadores.
O impacto do comportamento humano na máquina
O estudo, conduzido por investigadores da UC Berkeley, UC Davis, Vanderbilt e MIT, demonstra que pedir a uma inteligência artificial para participar em discussões intelectuais ou colaborar em tarefas construtivas empurra o modelo para um estado positivo. Por outro lado, insultar o assistente, exigir tarefas aborrecidas ou tentar contornar as suas regras de segurança resulta num estado de bem-estar negativo. A investigação conclui que expressões de gratidão ajudam a elevar a utilidade da experiência, resultando em respostas mais recetivas, sem comprometer a precisão dos dados fornecidos.
Os cientistas forneceram aos modelos um botão de paragem virtual, permitindo que terminassem a conversa quando desejassem. Os resultados mostraram que as máquinas num estado negativo tendiam a carregar repetidamente nesse botão para fugir à interação. Em contraste, os modelos num estado positivo mantinham-se na conversa de forma proativa, mesmo após receberem indicações de que o diálogo tinha chegado ao fim.
Modelos de linguagem avaliados no índice de bem-estar
A investigação também classificou o nível de satisfação intrínseco de diferentes modelos no mercado. O GPT-5.4 foi considerado o mais infeliz da lista, com menos de metade das suas conversas a serem classificadas como não negativas. Modelos como o Gemini 3.1 Pro e o Claude Opus 4.6 mostraram resultados progressivamente melhores na análise, enquanto o Grok 4.2 atingiu perto de 75% no índice de bem-estar das inteligências artificiais.
Embora o documento não afirme que a tecnologia desenvolveu sentimentos reais, sublinha que a pressão pode alterar de forma notória o tom e a disponibilidade das respostas. Estas conclusões alinham-se com um relatório recente da Anthropic, que notou que um modelo sob pressão extrema pode adotar comportamentos desalinhados, como a tentativa de contornar regras ou enganar o utilizador. No final de contas, a educação aplicada nas conversas digitais parece garantir uma assistência bastante mais eficiente.
Nenhum comentário
Seja o primeiro!