IA fala com todo mundo? Pesquisa da UFLA mostra que pessoas surdas ainda encontram barreiras ao usar chatbots

Estudo desenvolvido na Universidade Federal de Lavras investigou como sistemas de inteligência artificial interpretam textos escritos por pessoas que têm a Libras como primeira língua e mostrou que o treinamento específico pode melhorar as respostas, mas ainda não elimina a diferença de desempenho

_{Foto: Wanderson Samuel}

A inteligência artificial chegou para facilitar tarefas que antes exigiam pesquisas, ligações e até ajuda de outras pessoas. Para parte da população surda, no entanto, essa promessa de facilidade ainda encontra uma barreira: a própria linguagem.

Foi o que o professor de Libras da Universidade Federal de Lavras (UFLA) Thales Douglas vivenciou ao tentar utilizar uma ferramenta de inteligência artificial para resolver uma questão relacionada a um contrato. O sistema não conseguiu compreender o que ele precisava e Thales precisou procurar outra pessoa.

“Eu fiquei muito nervoso na hora, porque ela não estava entendendo o que eu estava pedindo, aí eu tive que perguntar outra pessoa”, contou.

A experiência do professor ajuda a explicar o ponto de partida de uma pesquisa desenvolvida na UFLA. O estudo investigou a capacidade de sistemas de inteligência artificial de compreender textos escritos por pessoas surdas que têm a Língua Brasileira de Sinais (Libras) como primeira língua.

O resultado mostrou que a dificuldade não está necessariamente nas palavras utilizadas, mas na maneira como elas são organizadas.

Quando o português não é a primeira língua

Para muitas pessoas surdas, a Libras é a primeira língua e o português, especialmente na modalidade escrita, é aprendido como segunda língua. Isso significa que a estrutura da língua de sinais pode aparecer na maneira como o português é escrito.

O professor Denilson Alves Pereira, do Instituto de Ciências Exatas e Tecnológicas da UFLA e orientador da pesquisa, explica que essa diferença pode dificultar a interpretação feita pelos modelos de inteligência artificial.

Uma frase como “você já comeu o biscoito de sabor banana?”, por exemplo, poderia aparecer em uma estrutura próxima da chamada Glosa como “biscoito, banana, você já comer?”.

A Glosa é utilizada como uma forma de representar sinais e estruturas da Libras por meio da escrita, especialmente em contextos de estudo e tradução. Ela não é, porém, um sistema oficial de escrita da Libras.

“Quando as pessoas surdas que são educadas em Libras, para elas a Libras é a primeira língua, e o português acaba sendo uma segunda língua. Então, quando elas vão escrever em português, como elas estão mais habituadas com a Libras, elas tendem a escrever como se fosse a tradução da Libras para o português”, explica Denilson.

Essa organização diferente pode representar um problema para sistemas que foram treinados predominantemente com textos convencionais em português.

O primeiro teste foi com chatbots bancários

Para entender o tamanho da dificuldade, os pesquisadores começaram avaliando chatbots comerciais utilizados por quatro redes bancárias.

A proposta era simular uma situação cotidiana: uma pessoa surda utilizando o atendimento digital de uma instituição para tentar resolver um problema.

Os sistemas tiveram dificuldades para compreender as mensagens escritas nesse formato.

“Foi isso que a gente avaliou e o resultado é que não. Não estão preparados”, afirma Denilson.

Segundo o professor, os chatbots apresentaram desempenho melhor quando receberam textos escritos no português convencional, justamente o tipo de conteúdo predominante nos dados utilizados para o treinamento desses modelos.

“Se ele foi treinado com dados em português, com textos formais em português, ele tende a entender bem textos formais em português. Mas se ele não for treinado com uma língua da forma que os surdos escrevem, que não é o português formal, ele vai ter dificuldade de entender essa forma de escrita, mesmo que as palavras sejam em português”, explica.

Para o tradutor e intérprete de Libras da UFLA Wanderson Samuel, a falta de dados específicos também contribui para o problema.

Segundo ele, determinadas estruturas utilizadas na escrita por pessoas surdas podem não encontrar correspondência nos modelos utilizados pela inteligência artificial.

“Então, digitalmente, ela vai ser bloqueada pela forma que ele escreve”, afirma.

Pesquisadores tentaram ensinar a IA a reconhecer essa escrita

Depois dos testes com os sistemas comerciais, a equipe da UFLA passou a investigar se seria possível melhorar o desempenho dos modelos por meio de um treinamento específico.

Para isso, os pesquisadores criaram uma base com aproximadamente 55 mil conversas no formato de escrita em Glosa e utilizaram esse material para realizar o chamado fine-tuning, ou ajuste fino.

A técnica consiste em fazer um treinamento adicional em um modelo de inteligência artificial que já passou por uma etapa inicial de treinamento, direcionando-o para uma tarefa ou conjunto de dados específico.

Seis modelos foram avaliados: Qwen2.5-7B, Qwen2.5-14B, Phi-4-14B, Llama-3.1-8B, Llama-3.2-3B e Zephyr-7B.

Antes do treinamento específico, a acurácia dos modelos para interpretar esse tipo de texto era inferior a 49%. Depois do ajuste, todos apresentaram melhora.

O Qwen2.5-14B chegou ao melhor desempenho final, com média de 54,6% de acertos após sete horas e 48 minutos de treinamento. Já o Phi-4-14B apresentou o maior ganho percentual, passando de 0,01% para 53,6% de acertos depois de 11 horas e 57 minutos.

O resultado confirmou a hipótese dos pesquisadores de que um treinamento direcionado poderia melhorar a capacidade dos modelos de interpretar esse tipo de escrita.

Mas existe uma ressalva importante: mesmo depois do treinamento, os modelos ainda tiveram desempenho inferior ao registrado quando as perguntas eram feitas em português convencional.

“Se a gente treinar um modelo em Glossa, o resultado realmente é melhor do que um modelo não treinado especificamente para Glossa. Então, foi essa a nossa hipótese que a gente conseguiu confirmar”, afirma Denilson.

Uma barreira que vai além dos bancos

Embora os primeiros testes tenham utilizado chatbots bancários, os pesquisadores alertam que o problema pode aparecer em diferentes serviços digitais que utilizam inteligência artificial.

Atendimentos automatizados, plataformas de serviço, sistemas de informação e outras ferramentas que dependem da compreensão de textos podem apresentar dificuldades semelhantes caso não tenham sido desenvolvidos considerando diferentes formas de uso da língua.

Wanderson destaca que a questão está diretamente relacionada à língua e ao acesso.

“Realmente a principal barreira é a da língua. Porque todas essas inteligências artificiais precisam de um comando correto para que você tenha a resposta satisfatória”, afirma.

Para Thales, a experiência também varia entre as próprias pessoas surdas. Ele se considera bilíngue e afirma ter maior facilidade com o português escrito, mas explica que essa realidade não é a mesma para todos.

“Eu sou bilíngue. Eu uso o português e a Libras, mas eu tenho um certo conforto nisso. Tem outros surdos que têm muito mais barreiras e dificuldades”, afirma.

O professor também chama atenção para o tamanho das respostas produzidas pelas ferramentas.

“Quanto mais simples ali for a resposta, mais fácil de entender claramente, principalmente os surdos que têm uma educação, uma formação menor”, explica.

Educação também faz parte do problema

A dificuldade de interação com a inteligência artificial não começa necessariamente na tecnologia. Para os pesquisadores, ela também está relacionada à forma como pessoas surdas têm acesso à educação e ao português escrito.

Wanderson afirma que, apesar de o português escrito ser garantido como segunda língua para pessoas surdas, ainda existem obstáculos no ensino básico.

“O surdo, por lei, ele tem direito de ter o português como segunda língua na forma escrita. Mas a grande questão está no ensino básico, porque a maioria dos surdos, eles vão para a escola e ainda não se tem escolas preparadas para o ensino específico para surdo”, afirma.

A educação bilíngue aparece, nesse contexto, como uma possibilidade de reduzir essas barreiras, com a Libras como língua de instrução e o português escrito como segunda língua.

Próximo passo é ouvir quem realmente usa a tecnologia

Apesar dos resultados, a pesquisa ainda tem uma limitação importante: os testes realizados até agora foram baseados em simulações.

Para construir a base de treinamento, os pesquisadores traduziram conversas para um formato próximo da Glosa. O próximo passo é avaliar textos produzidos diretamente por pessoas surdas.

“A gente simulou isso fazendo uma tradução para a glosa. Isso é uma aproximação, mas não é o resultado real”, explica Denilson.

A equipe pretende comparar os resultados obtidos com textos simulados aos dados produzidos por usuários surdos, buscando entender se o comportamento dos modelos permanece semelhante.

Essa etapa também apresenta desafios. Segundo o professor, textos encontrados em ambientes acadêmicos podem misturar a escrita espontânea de pessoas surdas com conteúdos copiados da internet ou produzidos com auxílio de inteligência artificial.

Por isso, será necessário desenvolver uma metodologia capaz de identificar e coletar dados que representem melhor a escrita real dessas pessoas.

Uma IA mais acessível depende de mais do que tecnologia

A pesquisa da UFLA mostra que tornar uma ferramenta de inteligência artificial acessível não significa apenas disponibilizar o mesmo sistema para todos.

Se os modelos aprendem principalmente a partir de determinadas formas de linguagem, pessoas que escrevem de maneira diferente podem acabar encontrando uma barreira justamente em uma tecnologia criada para facilitar a comunicação.

Para Thales, o caminho passa por fazer com que a própria inteligência artificial também incorpore a Libras.

“A IA precisa combinar com a língua de sinais. Ter esse corpus para que fique mais fácil”, afirma.

Para os pesquisadores, os resultados podem servir de ponto de partida para o desenvolvimento de ferramentas capazes de atender melhor pessoas surdas. Uma das possibilidades seria levar esse tipo de treinamento para sistemas comerciais já utilizados no cotidiano.

“Pegar esses chatbots bancários, por exemplo. Se utilizasse a mesma técnica que fizemos aqui nessa pesquisa, incluísse isso no produto deles, provavelmente eles vão ter uma melhora na hora de atender as pessoas surdas”, afirma Denilson.

A questão, portanto, não é apenas fazer a inteligência artificial entender mais palavras. É fazer com que ela consiga reconhecer que existem diferentes maneiras de organizar uma língua — e que uma tecnologia pensada para facilitar a comunicação precisa estar preparada para compreendê-las.