Estudo da UFLA mostra que inteligência artificial cria barreiras para pessoas surdas
Pesquisa da UFLA revela que chatbots e modelos de linguagem têm dificuldade em interpretar o português escrito de pessoas que usam Libras como primeira língua.
Por Redação Diário Local
Modelos de inteligência artificial (IA) e chatbots apresentam dificuldades para compreender a escrita em português de pessoas surdas que utilizam a Língua Brasileira de Sinais (Libras) como primeira língua, aponta estudo da Universidade Federal de Lavras (UFLA).
A pesquisa investigou como a estrutura gramatical da Libras influencia a modalidade escrita do português, gerando obstáculos em sistemas que deveriam facilitar a comunicação e o acesso a serviços digitais.
Por que a IA tem dificuldade com o texto?
O problema está relacionado às diferenças entre a estrutura da Libras e a do português. Para pessoas surdas que têm a Libras como língua materna, o português é uma segunda língua. Por isso, ao escrever, elas tendem a transpor características da língua de sinais para o texto escrito.
Uma forma comum desse fenômeno é a aproximação com a Glosa, um recurso usado para registrar estruturas da língua de sinais. Na escrita, isso pode resultar em frases com verbos apenas no infinitivo e ausência de artigos ou preposições, alterando a ordem convencional das palavras.
O tradutor e intérprete de Libras da UFLA, Wanderson Samuel, explica que as inversões na língua portuguesa, como posicionar um advérbio de tempo no início da frase, são características que a IA não possui modelos para comparar e entender adequadamente.
Testes com chatbots bancários
Na primeira etapa do estudo, pesquisadores simularam interações entre pessoas surdas e chatbots de quatro redes bancárias. O objetivo era verificar a capacidade de interpretação e a oferta de respostas adequadas aos usuários.
O resultado mostrou que os sistemas não estão preparados para essa demanda. Os chatbots apresentaram um desempenho muito superior quando receberam textos em português convencional, evidenciando que o treinamento atual foca quase exclusivamente na norma formal da língua.
Tentativa de melhoria com treinamento específico
Para tentar mitigar o problema, a equipe da UFLA testou modelos de linguagem gratuitos que podem ser executados localmente. Eles criaram uma base de cerca de 55 mil conversas no formato de escrita em Glosa para realizar o ajuste fino (fine-tuning) dos modelos.
Seis modelos foram avaliados, incluindo versões da família Llama e Qwen. Sem o treinamento específico, a acurácia desses sistemas para interpretar o tipo de texto era inferior a 49%. Após o ajuste, houve melhora no desempenho.
O modelo Qwen2.5-14B alcançou a maior média de acertos, chegando a 54,6%. Já o Phi-4-14B registrou o maior ganho percentual, saltando de 0,01% para 53,6% de acertos. Apesar do avanço, o desempenho ainda não superou o obtido com o português convencional.