💬 NLP

Pragmatics beyond humans: meaning, communication, and LLMs

Este artigo argumenta que a emergência de modelos de linguagem de grande escala exige uma reconceitualização da pragmática para além dos tradicionais arcabouços centrados no humano, propondo, em vez disso, uma abordagem de Comunicação Humano-Máquina que aborde vieses antropomórficos, adote modelos probabilísticos como o Ato de Fala Racional e considere o paradoxo da "frustração de contexto" nas interações com IA generativa.

Autores originais: Vít Gvoždiak

Publicado 2026-08-20

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Vít Gvoždiak

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

A linguagem é mais do que apenas uma sequência de palavras organizadas por regras gramaticais. É uma ferramenta social, uma forma de as pessoas agirem juntas, compartilharem intenções e navegarem pelas complexas regras não ditas de uma conversa. Durante décadas, os linguistas tentaram mapear como o significado funciona, decompondo-o em três camadas: a estrutura da frase, a definição literal das palavras e o contexto em que são proferidas. Esta terceira camada, conhecida como pragmática, é onde acontece a verdadeira magia da comunicação humana. É a diferença entre uma afirmação de fato e um pedido, ou entre uma piada e um insulto, dependendo inteiramente de quem está falando, quando e por quê. Agora, um novo tipo de máquina entrou na conversa. Os grandes modelos de linguagem, os poderosos sistemas de inteligência artificial que podem escrever ensaios, responder perguntas e manter conversas, estão forçando os cientistas a repensar esses antigos mapas. A questão central não é mais apenas se essas máquinas conseguem imitar a fala humana, mas se elas entendem a dança social do significado ou se estão simplesmente prevendo a próxima palavra em uma sequência sem jamais compreender a intenção por trás dela.

Um pesquisador chamado Vít Gvoždiak analisou de perto como estudamos essas máquinas e as teorias que usamos para julgá-las. Ele argumenta que nossos métodos atuais são falhos porque tentam forçar uma peça quadrada em um buraco redondo. Por muito tempo, a forma padrão de avaliar esses modelos tem sido tratá-los como humanos. Pesquisadores pedem que eles realizem tarefas que exigem a compreensão de pistas sociais, como reconhecer um pedido de desculpas ou detectar sarcasmo, e então comparam suas respostas com o que uma pessoa diria. Se a máquina acerta, ela é frequentemente elogiada por possuir "competência pragmática". Se erra, diz-se que lhe falta compreensão. Gvoždiak sugere que essa abordagem é enganosa. Ela assume que, pelo fato de a máquina produzir um texto semelhante ao humano, ela deve estar operando sob princípios semelhantes aos humanos. Mas essas máquinas não são humanas; são motores estatísticos treinados em vastas quantidades de textos da internet. Elas não se importam com a verdade ou com a cooperação social da maneira que as pessoas se importam; elas se importam com a probabilidade. Elas foram projetadas para adivinhar qual palavra é mais provável de vir a seguir, não para comunicar uma realidade compartilhada.

O artigo propõe que paremos de tentar encaixar essas máquinas em categorias humanas e passemos a observar a maneira única como elas interagem conosco. Gvoždiak sugere uma nova estrutura chamada Comunicação Humano-Máquina. Essa abordagem reconhece que, quando uma pessoa fala com um chatbot, ela não está apenas falando com uma ferramenta, nem está falando com uma pessoa. Elas estão em um espaço híbrido onde ambos os lados moldam a conversa de maneiras que nunca existiram antes. A máquina não é um receptor passivo de comandos, e o humano não é apenas um usuário. Eles são co-conspiradores em um novo tipo de diálogo. O autor aponta que grande parte da pesquisa atual sofre de um problema que ele chama de "substitucionalismo". Isso ocorre quando cientistas pegam os resultados de um modelo específico, ou de uma língua específica como o inglês, e assumem que eles se aplicam a toda inteligência artificial e a todas as línguas humanas. Mais sutilmente, os pesquisadores frequentemente substituem o participante humano de uma conversa por uma máquina, assumindo que a máquina pode representar uma pessoa. Isso os cega para a forma como os humanos realmente mudam seu próprio comportamento quando falam com uma máquina. As pessoas estão começando a falar de forma diferente, usando frases e estruturas que mimetizam a IA, criando um ciclo de retroalimentação onde a máquina influencia o humano tanto quanto o humano influencia a máquina.

Uma das descobertas mais marcantes do artigo é o conceito de "frustração de contexto". Na conversa humana, o contexto é o conhecimento de base compartilhado que nos permite entender uns aos outros. Se eu digo "Está frio aqui dentro", você sabe que posso estar pedindo para você fechar a janela. Com uma máquina, esse contexto compartilhado está ausente. A máquina não tem história pessoal, não tem corpo físico e não tem experiências do mundo real. Para fazer a máquina entender, os humanos são forçados a fazer um trabalho extra. Eles têm que escrever comandos detalhados e longos, especificando exatamente quem a máquina deve fingir ser, qual é o cenário e qual é o objetivo da conversa. Este é um fenômeno conhecido como engenharia de prompt. A ironia é que, embora a tecnologia esteja ficando melhor em processar cada vez mais informações — lembrando de conversas mais longas e lendo documentos maiores —, o usuário humano sente-se mais frustrado. A capacidade da máquina de lidar com vastas quantidades de dados não resolveu o problema do entendimento compartilhado; ela tornou a lacuna entre o contexto humano e o da máquina ainda mais ampla. O usuário está constantemente tentando construir uma ponte de contexto para a máquina, apenas para descobrir que o entendimento da máquina é fundamentalmente diferente do seu próprio.

O artigo conclui que precisamos parar de perguntar se as máquinas podem ser humanas e começar a perguntar como elas são diferentes. As antigas teorias da linguagem, que foram construídas para a interação humano-humano, não são suficientes para explicar o que está acontecendo agora. Precisamos de novas formas de pensar que reconheçam a natureza única da máquina. Em vez de julgar uma máquina pelo fato de ela conseguir passar em um teste desenhado para uma pessoa, devemos estudar as conversas híbridas únicas que ocorrem entre pessoas e máquinas. Essas interações estão criando novas formas de significado, novas regras sociais e novos desafios. O autor sugere que o futuro do estudo da linguagem reside na compreensão desta parceria, onde humanos e máquinas estão constantemente se ajustando uns aos outros, criando um espaço compartilhado que não é totalmente humano nem totalmente mecânico, mas algo inteiramente novo. O objetivo não é tornar a máquina mais parecida conosco, mas entender como estamos mudando em sua presença.

Resumo Técnico: Pragmática além dos humanos: significado, comunicação e LLMs

Problema
O artigo aborda as inadequações teóricas e metodológicas da pragmática tradicional quando aplicada aos Grandes Modelos de Linguagem (LLMs). A pragmática convencional é frequentemente concebida como uma dimensão de significado subordinada, um terceiro nível dentro de uma tricotomia semiótica hierárquica (sintaxe $\rightarrow$ semântica $\rightarrow$ pragmática), fundamentada em pressupostos especificamente humanos, como os princípios cooperativos de Grice, a avaliação de condições de verdade e a intencionalidade biológica. O autor argumenta que esse arcabouço falha em considerar a natureza conexionista e probabilística dos LLMs. Especificamente, a pesquisa atual sofre de:

Viés Antropomórfico: Aplicar teorias centradas no humano (ex: teoria dos atos de fala baseada em verdade e intenção) a sistemas que operam com base em probabilidades de ocorrência de palavras, em vez de condições de verdade.
Substitucionalismo: A substituição acrítica de modelos específicos por "LLMs" em geral, de línguas específicas por "linguagem" em geral, e de sujeitos humanos por LLMs em desenhos experimentais, obscurecendo a natureza híbrida da interação humano-máquina.
Paradoxo Contextual: A tensão entre a expansão massiva do contexto técnico (janelas de contexto maiores, dados de treinamento) e o simultâneo "colapso" do contexto humano compartilhado, levando a um estado que o autor denomina "frustração de contexto".

Metodologia
O artigo emprega uma análise conceitual e metodológica em vez de experimentação empírica. Ele procede através de quatro seções interconectadas:

Reenquadramento Teórico: Critica a tricotomia semiótica tradicional (Morris/Carnap/Kaplan) e propõe o arcabouço de Comunicação Humano-Máquina (HMC) (Guzman & Lewis) como uma alternativa superior. Este arcabouço analisa a comunicação através de dimensões funcionais, relacionais e metafísicas, em vez de níveis semióticos discretos.
Alinhamento Teórico: Contrasta teorias pragmáticas centradas no humano (Griceanas) com a Pragmática Probabilística, especificamente o arcabouço de Atos de Fala Racionais (RSA). O autor argumenta que o RSA, que modela a comunicação como um processo recursivo de otimização de utilidade baseado em distribuições de probabilidade, alinha-se melhor à teleologia dos LLMs (otimização da previsão da próxima palavra) do que os modelos de avaliação de verdade.
Análise Crítica de Práticas de Pesquisa: Identifica e categoriza três formas de substitucionalismo na literatura atual:
- Generalização: Tratar saídas de modelos específicos como representativas de toda a IA.
- Linguística: Extrapolar achados centrados no inglês para todas as línguas.
- Comunicativa: Substituir interlocutores humanos por LLMs em desenhos experimentais, ignorando como o comportamento humano se adapta à IA.
Síntese Conceitual: Introduz o conceito de "frustração de contexto" para descrever o paradoxo onde o aumento do contexto técnico (tokens, dados) falha em resolver a incomensurabilidade fundamental entre os pressupostos humano e máquina, levando ao colapso do contexto compartilhado e a uma demanda para que os usuários co-construam as condições pragmáticas.

Principais Contribuições

Reconceptualização da Pragmática: O artigo argumenta que a pragmática não deve ser vista como um "cesto de lixo" hierárquico para o significado, mas como uma interface dinâmica onde a linguagem opera como uma ferramenta socialmente incorporada para a ação. Postula que as fronteiras entre sintaxe, semântica e pragmática são borradas em arquiteturas conexionistas.
Adoção do Arcabouço HMC: Defende a mudança de uma visão centrada no humano para uma perspectiva HMC que reconhece as máquinas como entidades comunicativas ativas, analisando as implicações funcionais, relacionais e metafísicas dessa mudança.
Proposta de Pragmática Probabilística: Sugere que o arcabouço de Atos de Fala Racionais (RSA) oferece uma abordagem metodologicamente mais sólida para os LLMs porque foca na otimização e na probabilidade, em vez de condições de verdade e racionalidade humana.
Identificação do Substiticionalismo: O artigo define formalmente o "substiticionalismo" como uma falha metodológica na pesquisa de LLMs que cria assimetrias ao substituir modelos, línguas ou papéis humanos específicos, distorcendo assim a avaliação tanto das capacidades das máquinas quanto das mudanças no comportamento humano.
Definição de "Frustração de Contexto": Introduz um novo termo para descrever a dissonância experiencial e estrutural nas interações humano-LLM, caracterizada pela falha da contextualização técnica massiva em alcançar um alinhamento contextual genuíno, forçando os usuários em um ciclo de co-construção de condições pragmáticas.

Resultados e Descobertas
Como um artigo teórico, ele não apresenta dados experimentais, mas deriva várias descobertas críticas:

Desestabilização da Hierarquia Semiótica: A natureza conexionista dos LLMs desestabiliza a visão tradicional de que a sintaxe é a base, a semântica o meio e a pragmática o topo. Os efeitos pragmáticos nos LLMs manifestam-se através de todos os níveis de produção de sentido como processos contínuos e graduados, em vez de inferências pós-proposicionais discretas.
Inadequação dos Modelos Griceanos: Abordagens Griceanas tradicionais, que dependem do pressuposto de racionalidade cooperativa e busca pela verdade, introduzem viés metodológico quando aplicadas aos LLMs, que são projetados para maximizar probabilidades distributivas.
Adaptação do Comportamento Humano: A pesquisa atual frequentemente ignora como o comportamento comunicativo humano muda em interações híbridas. Evidências sugerem que os humanos estão começando a imitar padrões linguísticos de LLMs (ex: na linguagem falada) e a praticar "engenharia de prompt", adaptando suas próprias estratégias comunicativas às affordances do modelo, em vez do contrário.
Equilíbrio Inalcançável: Ao contrário da comunicação humano-humano, onde os contextos tendem a convergir para o equilíbrio, as interações humano-LLM permanecem contextualmente instáveis e defeituosas porque os conjuntos de pressupostos e mundos possíveis disponíveis para os LLMs são incomensuráveis com os dos humanos.

Significância
O artigo afirma que a teoria pragmática requer um ajuste ou expansão significativa para dar conta da comunicação envolvendo IA generativa. Sua significância reside em:

Correção Metodológica: Fornece um arcabouço para ir além do "viés antropomórfico" que domina atualmente a avaliação de LLMs, sugerindo que os pesquisadores devem parar de tratar os LLMs como humanos falhos e começar a analisá-los como agentes comunicativos distintos.
Evolução Teórica: Desafia a definição de "cesto de lixo" da pragmática, propondo, em vez disso, que a pragmática é uma interface dinâmica essencial para entender a operação da linguagem como uma ferramenta para a ação em um ecossistema misto humano-máquina.
Abordagem do Paradoxo do Contexto: Ao introduzir a "frustração de contexto", o artigo destaca uma limitação estrutural crítica na interação atual humano-IA que não pode ser resolvida apenas aumentando o tamanho do modelo ou a janela de contexto, apontando para a necessidade de novas ferramentas teóricas para compreender a co-construção de sentido em ambientes híbridos.

O artigo conclui que a entrada dos LLMs nas práticas comunicativas exige uma mudança de ver a comunicação como um processo exclusivamente humano para reconhecê-la como uma performance híbrida que envolve máquinas, exigindo uma reavaliação dos papéis, contextos e teorias que definem a investigação pragmática.

Mais como este