💬 NLP

When Algorithms Meet Artists: Semantic Compression and Stake-holder Marginalisation in Public AI-Art Discourse (2013-2025)

Este artigo revela que o discurso público sobre IA e arte marginaliza sistematicamente os artistas por meio da "compressão semântica", um processo no qual as diversas preocupações das partes interessadas são estreitadas em um conjunto limitado de tópicos dominados por tropos amplos sobre criatividade, deixando as reivindicações regulatórias específicas e as experiências vividas pelos artistas amplamente ausentes das narrativas que moldam a governança da IA.

Autores originais: Ariya Mukherjee-Gandhi, Oliver Muellerklein

Publicado 2026-07-29

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ariya Mukherjee-Gandhi, Oliver Muellerklein

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 está entrando em uma praça de cidade gigante e barulhenta, onde todos estão gritando sobre uma nova invenção: Inteligência Artificial. Nesta praça, existem dois grupos principais de pessoas. Um grupo é o dos "Construtores", as empresas de tecnologia e cientistas que estão criando a IA. O outro grupo é o dos "Usuários", os artistas cujo trabalho a IA está aprendendo. Os Construtores são altos e claros, falando sobre o quão incrível, rápida e revolucionária são as novas máquinas. Eles são os que seguram os megafones.

Mas aqui está a parte complicada: Como sabemos o que os Usuários realmente pensam? Na ciência, especialmente ao estudar como as pessoas interagem com a tecnologia, pesquisadores costumam observar o "discurso público". Isso é apenas uma maneira sofisticada de dizer "o que as pessoas dizem nas notícias, em documentos judiciais, em podcasts e em artigos de pesquisa". Eles usam uma ferramenta chamada "modelagem de tópicos", que é como uma máquina de classificação superinteligente. Ela lê milhares de frases e as agrupa em baldes com base no assunto. Se as notícias estão falando majoritariamente sobre "IA como uma ferramenta legal" e "IA como um monstro assustador", a máquina coloca essas frases em dois grandes baldes.

A grande questão que este artigo faz é: Se ouvirmos a praça inteira, ouviremos de fato os Usuários? Ou o ruído dos Construtores os abafa? Os pesquisadores queriam ver se as opiniões complexas, bagunçadas e variadas de artistas reais estavam recebendo uma parcela justa do microfone, ou se suas vozes estavam sendo esmagadas em um canto minúsculo e irreconhecível da conversa.

O Grande Esmagamento de Vozes

Neste estudo, dois pesquisadores decidiram jogar um jogo de "etiqueta semântica" para ver o que realmente estava acontecendo no mundo da IA e da arte entre 2013 e 2025. Eles reuniram uma pilha massiva de conversas públicas — 1.736 fragmentos de texto de artigos de notícias, podcasts, processos judiciais e artigos de pesquisa. Eles usaram sua máquina de classificação para organizar essa pilha em 20 tópicos diferentes. Alguns tópicos eram sobre a história da tecnologia, outros sobre a filosofia da criatividade e alguns sobre os direitos legais dos artistas.

Então, eles trouxeram os artistas reais. Eles pegaram as respostas de 252 artistas praticantes nos EUA (pintores, fotógrafos, escritores, músicos e outros) que haviam sido pesquisados sobre seus sentimentos em relação à IA. Esses artistas tinham opiniões muito específicas e matizadas. Alguns achavam que a IA era uma ótima ferramenta, mas um mau modelo de negócio. Alguns queriam ser pagos pelo seu trabalho; outros estavam dispostos a doá-lo gratuitamente. Alguns estavam assustados; outros estavam curiosos. No total, esses artistas expressaram 70 pontos de vista únicos (ou "frames") através de cinco áreas principais: Ameaça, Utilidade, Propriedade, Transparência e Compensação.

Os pesquisadores então pegaram esses 70 pontos de vista únicos dos artistas e tentaram "projetá-los" no mesmo mapa de 20 tópicos que construíram a partir das notícias públicas. Eles queriam ver: Onde os artistas se encaixam no mapa?

O Resultado Chocante: Uma Ilha Minúscula em um Oceano Grande

A resposta foi surpreendente. O mapa do discurso público era enorme e variado, repleto de 20 tópicos diferentes. Mas quando os pesquisadores "soltaram" as vozes dos artistas nesse mapa, elas não se espalharam. Elas não pousaram no balde de "Direitos Legais" ou no de "Pagamento Justo". Em vez disso, 94,9% de todas as preocupações dos artistas foram esmagadas em apenas dois tópicos.

Pense da seguinte forma: Imagine uma biblioteca gigante com 20 salas diferentes. O público está falando sobre tudo, desde a história dos pincéis até a matemática por trás da IA. Mas quando os artistas tentam falar, todos são forados para a Sala 1 e a Sala 2.

Sala 1 é rotulada como "IA como Colaboradora Criativa".
Sala 2 é rotulada como "Autenticidade da Arte de IA e Criatividade Humana".

As outras 15 salas da biblioteca, que compõem 58,2% de toda a conversa, estão completamente vazias de vozes de artistas. Essas salas vazias são onde o público fala sobre "Direitos Autorais de IA e Proteção Legal", "Ferramentas de Defesa do Artista" e "Debates sobre Autoria de Arte por IA". O público está tendo uma grande conversa sobre artistas nessas salas, mas os próprios artistas não estão lá. É como uma reunião de condomínio sobre o seu bairro onde o prefeito, a polícia e os incorporadores estão todos falando, mas os moradores reais estão trancados do lado de fora do prédio.

Não é Apenas uma Diferença de Estilo

Você pode pensar: "Bem, talvez os artistas apenas soem diferentes. Talvez eles usem frases curtas e simples em pesquisas, enquanto as notícias usam parágrafos longos e rebuscados. Talvez seja por isso que eles não combinam".

Os pesquisadores verificaram isso. Eles pegaram as notícias públicas e as cortaram em frases curtas e simples que soavam exatamente como as respostas das pesquisas dos artistas. Eles tentaram igualar o estilo. Mas mesmo quando o estilo era idêntico, os artistas ainda não se encaixavam. A lacuna não era sobre como eles falavam; era sobre o que eles estavam discutindo. O discurso público estava simplesmente ignorando as demandas específicas e acionáveis dos artistas.

As Quatro Formas como o Esmagamento Acontece

O artigo descobriu que esse "esmagamento" acontece de quatro maneiras sorrateiras:

Exclusão Tópica: Os artistas simplesmente não são convidados para a festa. Como mencionado, 15 dos 20 tópicos têm zero vozes de artistas, embora esses tópicos sejam literalmente sobre direitos de artistas e defesa legal.
Redirecionamento de Frame: Esta é a parte mais confusa. Quando os artistas falam sobre Propriedade (quem é dono da arte?) ou Utilidade (esta ferramenta é útil?), suas palavras são desviadas. Em vez de caírem em um tópico sobre "Dinheiro" ou "Direitos", suas palavras são jogadas na sala de "Autenticidade". Assim, um artista dizendo "Eu quero ser dono do meu trabalho" é agrupado com um filósofo perguntando "Isso é sequer arte real?". A demanda específica por propriedade se perde em um debate sobre estética.
Simplificação Binária: O público adora uma história simples: A IA é uma "Ameaça" ou uma "Ferramenta"? Os pesquisadores descobriram que o discurso público força os artistas para dentro dessas duas caixas. Se um artista diz "A IA é uma ameaça ao meu emprego", o discurso público o coloca na caixa de "Ameaça". Mas se ele diz "A IA não é uma ameaça", ele é colocado na caixa de "Autenticidade". A nuance desaparece. A conversa pública não tem lugar para um artista que diz: "É uma ameaça ao meu emprego, mas eu também a uso para criar coisas legais".
Colapso de Voz: Esta é a mais complexa. O discurso público agrupa as pessoas apenas porque elas soam semelhantes, mesmo que signifiquem coisas opostas. Por exemplo, a sala "Colaboradora Criativa" contém artistas que amam a IA e artistas que odeiam a IA, simplesmente porque ambos usam o mesmo tom de "artista preocupado". O público vê um grupo de artistas falando, mas não consegue distinguir que metade deles quer banir a tecnologia e a outra metade quer vendê-la.

Por Que Isso Importa

Os pesquisadores são muito claros: isso não é apenas uma estranheza estatística. É um problema estrutural. Quando formuladores de políticas, juízes e empresas olham para as notícias para decidir o que os artistas querem, eles estão olhando para uma imagem distorcida. Eles veem um debate simples sobre "IA vs. Humano" ou "Arte vs. Tecnologia". Eles não veம் a realidade complexa onde os artistas têm 70 demandas diferentes e específicas sobre como devem ser pagos, como seus dados devem ser usados e quais são seus direitos.

O artigo sugere que este "esmagamento semântico" significa que as principais pessoas afetadas pela IA (os artistas) estão sendo empurradas para a margem da conversa. Eles são o assunto da conversa, mas não são aqueles que estão falando. A esfera pública capturou a ideia de IA e arte, mas falhou em capturar a realidade das preocupações dos artistas. O resultado é um sistema de governança que pode criar leis baseadas em uma versão simplificada e comprimida da verdade, perdendo as necessidades reais das pessoas que ele deveria proteger.

Resumo Técnico: Compressão Semântica e Marginalização de Stakeholders no Discurso Público sobre Arte e IA

Declaração do Problema
O artigo aborda uma lacuna crítica na governança da IA generativa: a falta de evidências empíricas sobre se as preocupações dos principais stakeholders (artistas) alcançam uma representação proporcional no discurso público que molda as políticas de IA. Embora os artistas sejam os autores primários dos dados de treinamento e os mais suscetíveis aos impactos disruptivos dos sistemas generativos, seus pontos de vista complexos e multidimensionais são frequentemente reduzidos a narrativas binárias (ex: "IA como Ameaça" vs. "IA como Ferramenta") na mídia e no debate público. Os autores postulam que o discurso público pode comprimir sistematicamente as diversas preocupações dos stakeholders em uma região estreita do "espaço de significado", tornando os principais stakeholders periféricos através de mecanismos de marginalização epistêmica em vez de silenciamento explícito. Esse fenômeno, denominado compressão semântica, corre o risco de distorcer os sinais políticos se a governança depender do discurso público como um proxy para as prioridades dos stakeholders.

Metodologia
O estudo emprega uma abordagem de ciência social computacional para mapear o panorama semântico do discurso público sobre arte e IA (2013–2025) e projetar os pontos de vista dos artistas nesse espaço compartilhado para quantificar o alinhamento e a divergência.

Construção do Corpus:
- Discurso Público: Um corpus multimodal de 125 documentos (notícias, podcasts, petições judiciais, artigos de pesquisa) foi reunido via consultas direcionadas ao Google Search, segmentado em 1.736 fragmentos de texto (~250 palavras).
- Dados de Pesquisa com Artistas: Derivados de Lovato et al. (2024), capturando 252 artistas praticantes baseados nos EUA. As respostas foram convertidas em 1.259 "probes" declarativos curtos cobrindo 70 frames únicos em cinco dimensões de preocupação: Ameaça, Utilidade, Propriedade, Transparência e Compensação.
- Controles de Estilo: Para distinguir a divergência semântica substantiva do desajuste estilístico (formato de pesquisa vs. formatos de mídia), 750 "probes" públicos com o estilo correspondente (sentenças declarativas curtas extraídas de documentos públicos) foram gerados via similaridade de embedding.
Mapeamento Semântico e Projeção:
- Embedding: Todas as unidades de texto foram codificadas usando sentence-transformers/e5-large-v2 (1.024 dimensões).
- Geometria de Consenso: Para garantir estabilidade, 30 projeções UMAP foram geradas com sementes aleatórias distintas, e suas matrizes de distância euclidiana pareadas foram calculadas pela média para criar um espaço de consenso de 5 dimensões.
- Projeção: Um Perceptron Multicamadas (MLP) foi treinado para mapear os embeddings de 1.024 dimensões para as coordenadas de consenso de 5 dimensões após o treinamento para evitar vazamento de dados (data leakage). Os probes dos artistas e os probes públicos com estilo correspondente foram projetados nesta geometria fixa.
- Clustering: Os 1.736 fragmentos públicos foram agrupados em 20 tópicos distintos usando KMeans ( $k=20$ ), selecionados via um processo de validação de hiperparâmetros que equilibra scores de silhueta e validade de tópico.
Estrutura de Análise:
- Análise Distribucional: Testes Qui-quadrado, V de Cramér e divergência de Jensen-Shannon compararam a distribuição dos probes dos artistas contra o discurso público e os controles de estilo correspondente através dos 20 tópicos.
- Análise Geométrica: Distâncias de centroide e taxas de $k$ -vizinhos mais próximos mediram a separação espacial no espaço de consenso 5D.
- Métricas de Compressão: O estudo calculou a entropia de distribuição, cobertura de tópicos e uma Razão de Compressão Frame-para-Tópico (frames únicos divididos por tópicos ocupados) para cada dimensão de preocupação.
- Interpretação de Tópicos: Uma abordagem de múltiplos anotadores (2 codificadores humanos + 4 LLMs) sintetizou os rótulos para os 20 tópicos, tratando-os como interpretações derivadas do painel em vez de verdade absoluta (ground truth).

Resultos Principais
A análise revela uma compressão semântica sistemática das preocupações dos artistas, onde diversas posições dos stakeholders colapsam em um subconjunto estreito de tópicos do discurso público.

Concentração Extrema: 94,9% de todos os probes dos artistas concentram-se em apenas dois dos 20 tópicos do discurso público: "Autenticidade da Arte por IA e Criatividade Humana" (T13) e "IA como Colaboradora Criativa" (T1). Os 15 tópicos restantes (compondo 58,2% do volume do discurso público) contêm zero perspectivas de artistas.
Exclusão Tópica: Seis tópicos explicitamente rotulados pelo painel de anotadores como relativos aos direitos dos artistas (ex: "Direitos Autorais de IA e Proteção Legal", "Ferramentas de Defesa do Artista contra IA") não contêm probes de artistas, apesar de conterem 532 fragmentos de discurso público.
Redirecionamento de Frame:
- Propriedade e Utilidade: Todos os 24 frames únicos de propriedade e todas as posições de utilidade mapeiam inteiramente para o Tópico T13 ("Autenticidade da Arte por IA..."). Alegações substantivas sobre direitos de propriedade e trabalho são redirecionadas para uma região do discurso pré-enquadrada como um debate filosófico sobre autenticidade estética.
- Simplificação Binária: A dimensão "Ameaça" divide-se claramente em dois tópicos, mas os destinos invertem as posições substantivas: artistas afirmando que "a IA é uma ameaça" caem no tópico "IA como Colaboradora Criativa", enquanto aqueles afirmando que "a IA não é uma ameaça" caem no tópico "Autenticidade".
- Colapso de Voz: Posições heterogêneas (ex: exigir compensação vs. oferecer doação gratuita) colapsam no mesmo tópico porque compartilham um "registro de primeira pessoa de artista preocupado", obscurecendo diferenças políticas substantivas.
Estilo vs. Semântica: A divergência é predominantemente semântica. Mesmo ao controlar o estilo (comparando os probes dos artistas com os probes públicos de estilo correspondente), a separação geométrica aumenta (distância de centroide de 2,003 para 3,754 unidades) e o efeito permanece alto (V de Cramér = 0,734).

Significância e Alegações
O artigo afirma fornecer a primeira medição empírica de marginalização epistêmica no discurso sobre arte e IA, demonstrando que a sub-representação dos artistas é estrutural e não incidental.

Mecanismo Estrutural: O estudo identifica que a marginalização opera através de um conjunto em camadas de mecanismos: exclusão tópica, redirecionamento de frame, simplificação binária e colapso de voz. Isso cria um "hiato de descrição" onde as reivindicações dos artistas são processadas como contribuições para conversas (ex: filosofia estética) nas quais eles não entraram.
Risco de Governança: Os autores argumentam que confiar no discurso público como um proxy para as prioridades dos stakeholders apresenta um risco direto à governança da IA. Formuladores de políticas que interpretam o sentimento público perderão a complexidade política interna das demandas dos artistas (ex: distinções entre mecanismos de opt-out, licenciamento e compensação), levando a regulamentações calibradas contra um "sinal comprimido".
Contribuição Metodológica: O artigo oferece um framework reproduzível para auditar a equidade representacional, projetando frames de pesquisa de stakeholders no espaço semântico do discurso público. Esta abordagem vai além das alegações normativas de "ouvir vozes" para uma demonstração mensurável de onde essas vozes estão localizadas (ou ausentes) dentro do ecossistema discursivo.

O estudo conclui que, embora a esfera pública tenha capturado o tema da IA e da arte, ela falhou em capturar a realidade das preocupações dos artistas, tornando os principais stakeholders periféricos no próprio discurso que molda suas condições de prática.