Um estudo conduzido pela Universidade Federal de Lavras (UFLA) identificou que sistemas de inteligência artificial ainda apresentam sérias dificuldades ao interpretar a escrita de pessoas surdas que utilizam a Língua Brasileira de Sinais (Libras) como primeira língua. A pesquisa, realizada ao longo de 2023, analisou tanto chatbots comerciais quanto modelos de linguagem de código aberto. Os resultados apontam que, apesar de treinamentos específicos melhorarem a taxa de acertos, as IAs permanecem menos eficientes que ao lidar com textos em português padrão.
Desafios das IAs com a escrita de surdos
O principal obstáculo está na diferença estrutural entre a Libras e o português escrito. Usuários surdos costumam empregar a chamada Glosa – um método de transcrição que reproduz a ordem dos sinais – para escrever em português, gerando frases que, embora contenham vocabulário reconhecível, apresentam uma sintaxe atípica para os modelos treinados em textos convencionais.
Por exemplo, a frase “você já comeu o biscoito de sabor banana?” pode ser transcrita como “biscoito, banana, você já comer?”. Essa inversão de elementos confunde os algoritmos que esperam uma sequência sujeito‑verbo‑objeto típica do português.
Além da Glosa, a escassez de corpora específicos para a comunidade surda reduz ainda mais a capacidade de aprendizado das IAs, limitando sua adaptabilidade a novas formas de escrita.
Metodologia da pesquisa da UFLA
Os pesquisadores iniciaram a investigação testando chatbots de quatro grandes bancos, simulando interações com mensagens escritas em Glosa. Cada mensagem foi analisada quanto à capacidade da IA de gerar respostas coerentes e úteis.
Os resultados foram claros: os chatbots falharam em compreender a maioria das solicitações, produzindo respostas genéricas ou completamente fora de contexto. Quando os mesmos sistemas receberam textos em português padrão, o desempenho aumentou significativamente.
Na segunda fase, a equipe criou uma base de dados com aproximadamente 55 mil conversas em Glosa, extraídas de fóruns, redes sociais e transcrições de aulas de Libras. Essa base serviu para realizar o fine‑tuning – ajuste fino – de seis modelos de linguagem de código aberto:
- Qwen2.5‑7B
- Qwen2.5‑14B
- Phi‑4‑14B
- Llama‑3.1‑8B
- Llama‑3.2‑3B
- Outro modelo de referência
Após o treinamento adicional, os modelos foram submetidos a novos testes com mensagens em Glosa. Embora a taxa de acertos tenha subido, ainda ficou aquém dos resultados obtidos com textos convencionais.
Perspectivas e soluções para melhorar a inclusão
Os autores do estudo sugerem três caminhos principais para reduzir a barreira tecnológica:
- Investimento na coleta e curadoria de corpora em Glosa, ampliando o volume de dados disponíveis para treinamento.
- Desenvolvimento de arquiteturas de modelo que incorporem conhecimentos linguísticos da Libras, como regras de sintaxe e semântica específicas.
- Parcerias entre universidades, empresas de tecnologia e organizações da comunidade surda para validar e aprimorar soluções em ambientes reais.
Denilson Alves Pereira, professor orientador, destaca que a inclusão digital de pessoas surdas depende não apenas de ajustes técnicos, mas também de políticas públicas que garantam o acesso a recursos de IA adaptados às suas necessidades.
Wanderson Samuel, tradutor e intérprete de Libras da UFLA, reforça que a falta de dados específicos é um gargalo que pode ser superado com a colaboração de usuários surdos, que podem contribuir com exemplos reais de escrita em Glosa.
Em síntese, embora a inteligência artificial tenha avançado rapidamente, ainda há um longo caminho a percorrer para que ela seja verdadeiramente inclusiva. Estudos como o da UFLA são fundamentais para mapear lacunas e orientar investimentos que tornem a comunicação digital mais equitativa para todos.
