Resumo Técnico: Cripar IA: Reimaginando a IA Através das Experiências Vividas de Deficiência

Declaração do Problema

Apesar de décadas de progresso em padrões de acessibilidade e estruturas legais, o desenvolvimento de Inteligência Artificial (IA) continua a marginalizar sistematicamente pessoas com deficiência (PcD). Esforços atuais para tornar a IA "acessível" frequentemente dependem de uma visão de mundo capacitista que enquadra a deficiência como um déficit médico a ser corrigido, posiciona a percepção de corpos não deficientes como a "verdade fundamental" autoritária e trata pessoas com deficiência como receptores passivos de proteção, em vez de co-criadores ativos. Consequentemente, modelos de IA frequentemente exibem degradação de desempenho e viés em tarefas relacionadas à deficiência (por exemplo, falhar em reconhecer bengalas brancas ou transcrever fala com gagueira) e reforçam estereótipos. O artigo argumenta que simplesmente curar conjuntos de dados mais representativos ou envolver pessoas com deficiência em ciclos de feedback limitados é insuficiente; as dinâmicas de poder subjacentes, as premissas epistemológicas e as estruturas de trabalho da pesquisa em IA devem ser fundamentalmente reimaginadas.

Metodologia e Estrutura

O artigo propõe "Cripar IA" como uma estrutura orientadora enraizada na teoria crip, uma tradição de estudos críticos que desmonta pressupostos capacitistas e centraliza as experiências vividas de deficiência. Em vez de um método prescritivo, os autores oferecem uma estrutura generativa construída sobre três princípios interconectados:

1. Expor a Política da Deficiência: Este princípio desafia a classificação rígida de "deficiente" versus "não deficiente" e questiona como as práticas de IA constroem certos corpos-mentes como deficientes. Ele defende afastar-se de modelos médicos que buscam "corrigir" o desvio de um padrão normativo, reconhecendo, em vez disso, a deficiência como uma experiência moldada socio-politicamente. Ele convida a contestar normas capacitistas em narrativas de IA (por exemplo, equiparar inteligência à fluência) e a afirmar formas diversas de expressão humana.
2. Honrar Criptemologias: Este princípio desafia a suposição de que pessoas com corpos não deficientes detêm a autoridade última sobre o conhecimento. Ele centraliza as "criptemologias" — formas distintas de conhecimento geradas através de corpos-mentes e comunidades deficientes. Isso envolve mudar da simulação de percepções de corpos não deficientes para apoiar formas de saber deficientes (por exemplo, triangulando informações através de estruturas espaciais) e fundamentar o design de sistemas nas práticas do mundo real, dependentes de contexto, de usuários com deficiência, em vez de benchmarks descontextualizados.
3. Respeitar o Trabalho Crip: Este princípio reconhece a acessibilidade como um trabalho contínuo, cheio de atritos e coletivo, em vez de uma solução técnica pontual. Ele reconhece o trabalho invisível que pessoas com deficiência realizam para navegar em um mundo capacitista e desafia a visão delas como receptores passivos. Ele convida a examinar como os sistemas de IA redistribuem o trabalho, potencialmente introduzindo novos encargos (por exemplo, engenharia de prompts ou coleta de dados) sobre os usuários, e enfatiza a necessidade de práticas relacionais de cuidado e ajuda mútua.

Estudos de Caso e Aplicação

Os autores demonstram a aplicação desta estrutura através de três estudos de caso extraídos de sua própria pesquisa e da literatura mais ampla:

• Surdez e IA de Língua de Sinais: O artigo critica sistemas que reduzem a língua de sinais a tokens lineares ou dependem de intérpretes ouvintes como a "verdade fundamental", frequentemente perdendo elementos não manuais cruciais, como expressões faciais. Aplicando a estrutura, os autores defendem sistemas fundamentados em práticas de sinalização lideradas por surdos, reconhecendo a fluidez do "translinguagem" (mistura de sinais, texto e narrativa visual) e mudando o objetivo da mera tradução para o apoio ao florescimento da própria língua de sinais.
• Cegueira e IA Assistiva Visual: Sistemas assistivos visuais atuais frequentemente dependem de trabalhadores de multidão videntes para gerar descrições "precisas", ignorando as estratégias subjetivas e multissensoriais de interpretação de sentido de usuários Cegos e de Baixa Visão (CBV). A estrutura sugere afastar-se de uma única "verdade fundamental" em direção a sistemas que apoiam usuários CBV na triangulação de informações de múltiplas fontes (IA, humanos, motores de busca) e que se alinham às suas necessidades e fluxos de trabalho específicos de informação.
• Gagueira e IA de Fala: Sistemas de IA de fala otimizados para fluência frequentemente falham com pessoas que gaguejam (PQG), cortando a fala ou interpretando mal as desfluências. O artigo argumenta contra estruturas médicas que veem a gagueira apenas como um defeito a ser corrigido. Em vez disso, propõe sistemas que respeitam a experiência subjetiva do falante, apoiam legendagem verbatim para normalizar a desfluência e utilizam práticas de coleta e anotação de dados lideradas por PQG que capturam conhecimento incorporado (por exemplo, respiração, tom) frequentemente perdido por anotadores não PQG.

Contribuições e Resultados Chave

O artigo não apresenta novos resultados experimentais ou um modelo algorítmico específico. Em vez disso, sua contribuição primária é teórica e metodológica:

• Uma Nova Estrutura: Estabelece "Cripar IA" como uma abordagem estruturada para centralizar experiências vividas de deficiência em todo o pipeline de IA, desde a curadoria de dados até a avaliação.
• Análise Crítica de Práticas Atuais: Identifica sistematicamente como as iniciativas atuais de "IA acessível" inadvertidamente reforçam o capacitismo ao depender de modelos médicos, epistemologias de corpos não deficientes e papéis passivos de usuários.
• Diretrizes Acionáveis: Através dos três princípios e estudos de caso, fornece implicações concretas para pesquisadores, como mudar de classificações diagnósticas rígidas para entendimentos fluidos da neurodiversidade, fundamentar avaliações em fluxos de trabalho do mundo real em vez de benchmarks isolados e reconhecer o trabalho emocional e cognitivo envolvido na acessibilidade.

Significado e Afirmações

Os autores posicionam este trabalho como uma evolução necessária além do discurso atual de "tornar a IA acessível". Eles afirmam que, sem uma mudança fundamental de perspectiva, o desenvolvimento de IA continuará a falhar comunidades deficientes e a reforçar o capacitismo sistêmico. O significado do artigo reside em seu chamado para:

1. Legitimar o Conhecimento Deficiente: Tratar a experiência vivida de deficiência não apenas como uma fonte de dados, mas como uma forma válida e essencial de expertise (criptemologia) para o desenvolvimento de IA.
2. Transformar o Ecossistema de IA: Ir além de acomodações superficiais e transformar todo o pipeline de IA, incluindo conjuntos de dados, arquiteturas e governança, para refletir a diversidade de corpos-mentes humanos.
3. Fomentar Solidariedade Interseccional: Conectar a cripar IA com outros esforços orientados para a justiça (descolonial, feminista, queer, teoria racial crítica) para abordar a natureza entrelaçada do capacitismo com outros sistemas de poder.

O artigo conclui com um reconhecimento modesto de que "cripar" é um esforço contínuo e coletivo e que a estrutura deve permanecer situada e sensível ao contexto, evitando a abstração de diversas experiências deficientes em um monólito. Ele serve como ponto de partida para reimaginar a IA através da lente da justiça da deficiência.