💬 NLP

From tools to thieves: Measuring and understanding public perceptions of AI through crowdsourced metaphors

Este estudo analisa as percepções públicas sobre a IA através de mais de 12.000 metáforas coletadas de uma amostra nacionalmente representativa dos EUA, revelando que a visão geral da população evoluiu para atribuir maior humanidade, calor e competência à tecnologia, o que prediz significativamente a confiança e a disposição para adotá-la, além de expor disparidades demográficas nessas percepções.

Autores originais: Myra Cheng, Angela Y. Lee, Kristina Rapuano, Kate Niederhoffer, Alex Liebscher, Jeffrey Hancock

Publicado 2026-04-06

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Myra Cheng, Angela Y. Lee, Kristina Rapuano, Kate Niederhoffer, Alex Liebscher, Jeffrey Hancock

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você quer entender o que a população americana está pensando sobre a Inteligência Artificial (IA). Em vez de fazer perguntas chatas como "Você confia na IA?" ou "Você acha que ela é inteligente?", os pesquisadores decidiram fazer algo diferente: eles pediram para as pessoas usarem metáforas.

Pense nisso como se estivessem pedindo: "Se a IA fosse um animal, um objeto ou uma pessoa, o que ela seria?"

Este estudo, feito por pesquisadores de Stanford e da BetterUp, coletou mais de 12.000 respostas de pessoas comuns ao longo de um ano. Eles analisaram essas comparações para descobrir o que realmente passa pela cabeça das pessoas sobre a tecnologia.

Aqui está a explicação do que eles descobriram, usando algumas analogias simples:

1. O "Jogo das Metáforas": De Ferramentas a Ladrões

Os pesquisadores agruparam as milhares de respostas em 20 categorias principais. É como se eles tivessem organizado um grande baile onde cada convidado (a IA) estava vestido de algo diferente:

A Ferramenta Útil: Para muitos, a IA é como um martelo ou uma calculadora. É algo que você usa para trabalhar, mas não tem sentimentos.
O Cérebro Externo: Outros a veem como um cérebro gigante ou uma biblioteca infinita, cheia de conhecimento.
O Amigo ou Assistente: Um grupo crescente a vê como um amigo, um professor ou um ajudante pessoal.
O Ladrão: Infelizmente, alguns a veem como um ladrão ou um fantasma, alguém que rouba o trabalho e a criatividade dos artistas.
O Deus ou Gênio: Algumas pessoas a veem como uma força mística, um deus onisciente ou um gênio da lâmpada que pode realizar desejos.

2. A Grande Mudança: De "Máquina Fria" para "Amigo Quente"

O estudo descobriu algo fascinante sobre como nossa visão mudou em apenas um ano (de 2023 a 2024).

Antes: A IA era vista como uma máquina fria e distante (como um computador ou um motor de busca). Era competente, mas sem "alma".
Agora: A percepção mudou drasticamente. As pessoas estão começando a ver a IA como algo mais humano, quente e amigável.
- A Analogia: Imagine que a IA era um robô de metal que apenas fazia contas. Hoje, as pessoas estão começando a vê-lo como um cachorro de estimação ou um amigo de café. Elas sentem que a IA tem "intenção" e "cuidado".

Por que isso é perigoso?
Se você vê a IA como um "amigo" ou um "gênio mágico", você tende a confiar nela cegamente. O problema é que, no fundo, ela continua sendo apenas um software. Confiar demais em um "amigo" que na verdade é um robô pode levar a erros, como acreditar em mentiras que ele inventa ou compartilhar segredos que ele não deveria guardar.

3. Quem vê o quê? (Diferenças entre as pessoas)

O estudo mostrou que não vemos todos a IA da mesma forma. Nossas experiências de vida moldam nossas metáforas:

Mulheres: Tendem a ver a IA de forma mais crítica e menos confiável. Elas usam mais metáforas de "robôs" ou "fadas" (algo mágico, mas perigoso).
Homens: Tendem a ver a IA como mais competente e útil, usando metáforas de "ferramentas" ou "motores".
Pessoas Idosas: Surpreendentemente, confiam mais na IA e a veem como mais "humana" (como um amigo), talvez porque vejam nela uma companhia.
Pessoas de Cores (Negros, Asiáticos, Latinos): Também tendem a confiar mais e a ver a IA como mais "humana" e poderosa (como um "deus" ou "gênio"). Isso é interessante porque, historicamente, essas comunidades muitas vezes sofrem mais com preconceitos tecnológicos. O estudo sugere que elas podem estar mais abertas à tecnologia, mas também mais vulneráveis a confiar demais nela.

4. O Que Isso Significa para o Futuro?

A mensagem principal do estudo é um alerta de "cuidado".

O Perigo do "Amigo Falso": Quando as empresas de IA descrevem seus produtos como "amigos" ou "assistentes pessoais", elas estão usando uma linguagem que faz as pessoas baixarem a guarda. Isso aumenta a confiança, mas também aumenta o risco de dependência excessiva e de serem enganados.
A Necessidade de Realidade: Os pesquisadores sugerem que precisamos voltar a ver a IA como o que ela realmente é: uma ferramenta poderosa, mas limitada. Não é um deus, nem um amigo, e nem um ladrão. É apenas uma ferramenta muito inteligente que precisa ser usada com sabedoria.

Resumo em uma frase:

Este estudo nos diz que, enquanto a tecnologia avança, nossa imaginação está transformando a IA de uma "ferramenta fria" em um "amigo quente", e precisamos ter cuidado para não nos apaixonarmos por um robô que, no final das contas, não nos conhece de verdade.

Título: De Ferramentas a Ladrões: Medindo e Compreendendo as Percepções Públicas da IA Através de Metáforas Coletadas via Crowdsourcing

1. Problema e Motivação

O avanço rápido das Tecnologias de Linguagem Grande (LLMs) e a adoção massiva de ferramentas como o ChatGPT catalisaram um interesse público sem precedentes pela Inteligência Artificial (IA). No entanto, as percepções públicas sobre a IA são complexas, variando entre esperança, medo, confiança e ceticismo.

Limitação das Abordagens Atuais: Métodos tradicionais de pesquisa (como questionários de auto-relato com escalas Likert) muitas vezes falham em capturar a nuance das percepções implícitas dos usuários. As pessoas têm dificuldade em verbalizar suas atitudes sutis sobre sistemas sociotécnicos complexos, e suas respostas explícitas nem sempre alinham-se com seus comportamentos ou crenças implícitas (ex.: tratar a IA como um agente social sem perceber que o fazem).
Objetivo: O estudo visa mapear a evolução das percepções públicas da IA ao longo do tempo, utilizando metáforas como uma janela para acessar essas mentalidades implícitas, e analisar como essas percepções influenciam a confiança e a adoção da tecnologia, além de investigar disparidades demográficas.

2. Metodologia

Coleta de Dados

Amostra: Foram coletadas 12.933 respostas de participantes recrutados na plataforma Prolific entre maio de 2023 e agosto de 2024 (cobrindo 12 meses de dados válidos).
Representatividade: A amostra foi ponderada para ser representativa da população dos EUA em termos de gênero, etnia, educação e idade.
Tarefa: Os participantes foram instruídos a fornecer metáforas abertas respondendo à pergunta: "Algumas pessoas usam metáforas para descrever conceitos abstratos, como IA. Qual é a melhor metáfora para descrever como a IA funciona?" A resposta foi solicitada no formato: "A IA é como [X] porque [Y]".
Filtragem: Foram removidas 276 respostas geradas por IA (detectadas por similaridade semântica com saídas do ChatGPT), resultando em 11.790 metáforas válidas.

Abordagem Analítica (Métodos Mistos)

O estudo utilizou uma abordagem híbrida combinando clustering automático e codificação qualitativa:

Identificação de Metáforas Dominantes:
- Embeddings: Uso do modelo de linguagem all-mpnet-base-v2 para gerar vetores de 768 dimensões para cada metáfora.
- Redução de Dimensionalidade: Aplicação de UMAP para reduzir para 20 dimensões.
- Clustering: Uso do algoritmo HDBScan (via pacote BERTopic) para agrupar metáforas semanticamente similares sem pré-definir o número de clusters.
- Refinamento Manual: A equipe de pesquisa refinou iterativamente os clusters até chegar a um consenso sobre 20 metáforas dominantes (ex.: "Ferramenta", "Cérebro", "Ladrão", "Amigo").
- Tratamento de Outliers: Metáforas não atribuídas automaticamente foram reatribuídas com base na similaridade de cosseno com os centróides dos clusters dominantes.
Medição de Percepções Implícitas (Framework Escalável):
Para quantificar as percepções contidas nas metáforas, foram desenvolvidas métricas baseadas em Modelos de Linguagem (LM):
- Antropomorfismo: Uso do AnthroScore (baseado em RoBERTa) para calcular a probabilidade relativa de um pronome humano ("ele/ela") versus não humano ("isso") substituir a entidade "IA" na frase. Uma pontuação > 0 indica antropomorfismo.
- Calor (Warmth) e Competência: Construção de eixos semânticos usando lexicons validados. As pontuações foram obtidas calculando a similaridade de cosseno entre o embedding da metáfora e os eixos definidos por palavras positivas/negativas de calor e competência.
Análise Preditiva:
Foram realizadas regressões múltiplas hierárquicas para prever a "Confiança na IA" e a "Vontade de Adotar a IA". Os modelos incluíram três blocos de variáveis:
- Bloco 1: Demografia e frequência de uso.
- Bloco 2: Presença das 20 metáforas dominantes.
- Bloco 3: Percepções implícitas (Antropomorfismo, Calor, Competência).

3. Principais Resultados

Metáforas Dominantes

Identificaram-se 20 categorias principais. As mais frequentes foram:

Ferramenta Tecnológica (10%): Ex: "calculadora", "ferramenta".
Cérebro (10%): Ex: "cérebro externo", "inteligência".
Motor de Busca (9%): Ex: "Google", "navegador de dados".
Outras categorias incluem: Assistente, Robô, Computador, Biblioteca, Criança, Amigo, Deus, Ladrão (0.5%), entre outros.

Mudanças Temporais (Evolução em 12 Meses)

Houve uma mudança significativa na percepção pública ao longo do ano:

Aumento do Antropomorfismo: A porcentagem de metáforas antropomórficas aumentou 34% ( $r=0.80, p<0.01$ ).
Aumento do Calor: A percepção de "calor" (amizade, confiança) aumentou 41% ( $r=0.62, p<0.05$ ).
Diminuição da Competência: Curiosamente, a percepção de competência diminuiu 8% ( $r=-0.60, p<0.05$ ).
Tendência Narrativa: Metáforas como "Amigo", "Professor" e "Assistente" tornaram-se mais comuns, enquanto "Computador" e "Motor de Busca" diminuíram. Isso sugere uma transição de ver a IA como uma máquina fria para um agente social quente.

Predição de Atitudes (Confiança e Adoção)

As metáforas e percepções implícitas explicaram uma variância significativa nas atitudes:

Fatores Positivos: Metáforas de "Amigo", "Professor", "Assistente", "Deus" e "Cérebro", bem como as dimensões de Calor e Competência, predizem fortemente maior confiança e vontade de adotar.
Fatores Negativos: A metáfora de "Ladrão" (associada a roubo de propriedade intelectual e empregos) é um preditor forte de desconfiança e relutância na adoção.
Impacto: As percepções implícitas e metáforas explicaram 75% a 80% a mais da variância na confiança e adoção do que apenas dados demográficos e frequência de uso.

Disparidades Demográficas

O estudo revelou padrões surpreendentes que contradizem algumas literaturas anteriores:

Gênero: Mulheres e pessoas não-binárias tendem a ser menos confiáveis e menos propensas a adotar a IA. Suas metáforas são mais antropomórficas (ex: "Robô", "Gênio") mas menos competentes/calorosas em média.
Raça/Etnia: Participantes não-brancos (especialmente negros) demonstraram maior confiança e vontade de adotar a IA do que participantes brancos. Eles utilizaram mais metáforas de poder e agência (ex: "Gênio", "Deus") e menos metáforas limitadas (ex: "Motor de Busca").
Idade: Participantes mais velhos (>38 anos) confiaram mais na IA e a antropomorfizaram mais (ex: "Amigo"), enquanto os mais jovens (18-37) usaram mais metáforas funcionais ("Motor de Busca", "Espelho").

4. Contribuições Chave

Dataset de Metáforas: Criação de um conjunto de dados único com mais de 12.000 metáforas de IA coletadas longitudinalmente de uma amostra nacionalmente representativa dos EUA.
Framework de Medição Escalável: Desenvolvimento de um método automatizado e replicável para extrair dimensões psicológicas (antropomorfismo, calor, competência) de texto aberto usando Modelos de Linguagem, superando a subjetividade da codificação manual em larga escala.
Insights sobre Evolução Temporal: Evidência empírica de que a percepção pública da IA está se tornando mais "humana" e "quente" (social) e menos "competente" (técnica) em um curto período de tempo.
Revelação de Desigualdades: Identificação de que grupos marginalizados (mulheres, não-brancos) podem estar mais suscetíveis a riscos de antropomorfismo excessivo (confiança cega) ou, paradoxalmente, apresentar níveis mais altos de confiança em certos contextos, destacando a necessidade de abordagens inclusivas no design de IA.

5. Significado e Implicações

Risco de Confiança Excessiva: A tendência de ver a IA como "amiga" ou "assistente" (alta calor, alta antropomorfismo) pode levar a uma confiança injustificada em sistemas que ainda são propensos a alucinações e falta de agência moral real.
Design e Literacia: Desenvolvedores e líderes de IA devem estar cientes de como a linguagem figurativa (metáforas) molda o comportamento do usuário. Promover metáforas que enfatizem a IA como uma "ferramenta" pode ser mais seguro do que metáforas de "agente social" para evitar dependência excessiva.
Equidade: As diferenças demográficas nas metáforas sugerem que a experiência com a IA não é uniforme. Estratégias de implementação devem considerar como diferentes grupos sociais interpretam e interagem com a tecnologia para evitar danos desproporcionais.
Metodologia Futura: O framework proposto permite monitorar a evolução da percepção pública em tempo real, servindo como um indicador precoce para mudanças na aceitação social de novas tecnologias.

Em resumo, o artigo demonstra que as metáforas não são apenas descrições poéticas, mas estruturas cognitivas profundas que preveem o comportamento humano em relação à IA, revelando uma transição rápida de uma visão técnica para uma visão social da inteligência artificial, com implicações críticas para a segurança e a ética na adoção dessa tecnologia.