Questão de Língua Portuguesa

Texto 2 Texto-base para as questões 9 e 10 Apresentada por Nina da Hora, dissertação de mestrado analisa racismo algorítmico e exclusões produzidas pela IA Daniela Prandi - 12 maio 2026 Antes de reconhecer alguém diante da câmera, um sistema de inteligência artificial (IA) precisa decidir se aquele rosto “existe”. É justamente nesse momento, anterior à identificação, que, segundo a cientista da computação Ana Carolina Silva das Neves da Hora, mais conhecida como Nina da Hora, começam os apagamentos produzidos pelas tecnologias de reconhecimento facial, tema de sua tese de mestrado, Do Rosto ao Vetor: Epistemicídio Computacional no Reconhecimento Facial, defendida nesta segunda-feira (11), no Instituto de Computação (IC). Orientada pela professora Sandra Avila, do IC, e coorientada pela antropóloga Marisol Marini, da Universidade de São Paulo (USP), a tese teve na banca examinadora a socióloga Angela Figueiredo, da Universidade Federal do Recôncavo Baiano (UFRB), e o pesquisador Virgílio Almeida, da Universidade Federal de Minas Gerais (UFMG). A pesquisa combina reflexão teórica e experimentos computacionais para analisar desigualdades em arquiteturas de detecção facial amplamente utilizadas em sistemas de IA. Da Hora propõe o conceito de “epistemicídio computacional”, inspirado nos trabalhos da filósofa Sueli Carneiro sobre o apagamento de sujeitos negros na produção do conhecimento. O trabalho multidisciplinar reúne computação, antropologia, artes visuais, estudos raciais e filosofia. A pesquisadora auditou arquiteturas de detecção facial utilizando uma base criada pela Meta, dona do Facebook, do Instagram e do WhatsApp, a partir de vídeos enviados por pessoas de países como Brasil, Índia, Síria e Indonésia. Os resultados revelaram desigualdades profundas nos processos de detecção facial. “O dano já começa antes, quando o sistema sequer detecta aquele rosto como um rosto válido”, explica. Em um dos experimentos, pessoas acima de 85 anos tiveram apenas 44% de taxa de detecção, enquanto grupos mais jovens alcançaram índices superiores a 90%. Em outros casos, determinados grupos simplesmente desapareciam dos sistemas. “Tivemos grupos com 0%. Normalmente, quando aparece um 0%, você roda o sistema de novo e tenta corrigir. Mas quis investigar por que aquelas pessoas tinham desaparecido”, diz. Segundo Da Hora, os sistemas simplificam realidades complexas ao transformar diversidade humana em categorias rígidas. “É como se não existissem variações. Ou você é branco ou você é negro. Mas nós sabemos que isso não representa países como o Brasil.” Mais do que erros técnicos, a pesquisadora vê nesses resultados a materialização de escolhas políticas e históricas. “A etapa do reconhecimento só acumula problemas. Primeiro, o sistema precisa decidir que existe um rosto ali.” Em muitos casos, afirma, nem mesmo a autodeclaração das pessoas é suficiente. “Quando eu mando um vídeo dizendo quem eu sou, pessoas do outro lado podem dizer que eu não sou aquilo que estou dizendo. E, às vezes, a palavra delas vai valer mais.” Segundo a pesquisadora, o problema não está apenas na precisão técnica. “A questão não é fazer a tecnologia funcionar melhor”, afirma. “É perguntar por que estamos insistindo em tecnologias que transformam pessoas em padrões de vigilância.” Da Hora vê a expansão dessas tecnologias como parte de uma transformação maior nas formas de controle social e circulação da informação. “O reconhecimento facial e as inteligências artificiais são vendidos como solução para tudo. Mas, muitas vezes, o que elas produzem é exclusão e aprofundamento de desigualdades. Eu queria entender o que se perde quando você transforma o rosto de uma pessoa em vetor matemático”, afirma.