Estudo da UFLA indica que inteligências artificiais têm dificuldade em compreender a escrita de surdos

Pesquisadores da Universidade Federal de Lavras (UFLA) identificaram que modelos de inteligência artificial e chatbots apresentam dificuldades significativas para compreender a escrita em português de pessoas surdas que utilizam a Língua Brasileira de Sinais (Libras) como primeira língua. O estudo revela que a estrutura textual adotada por esse grupo, muitas vezes influenciada pela organização da Libras, não é plenamente interpretada pelas ferramentas digitais convencionais.

A barreira linguística ocorre porque, para muitos surdos, o português escrito funciona como uma segunda língua. Isso pode levar à utilização da Glosa — um recurso usado por estudantes e intérpretes para registrar a estrutura da língua de sinais em texto, embora não seja um sistema oficial de escrita. Na Glosa, a ordem das palavras difere do português padrão; por exemplo, a pergunta “você já comeu o biscoito de sabor banana?” pode ser escrita como “biscoito, banana, você já comer?”.

Testes em sistemas bancários e modelos gratuitos

A primeira fase da investigação simulou interações entre usuários surdos e chatbots de quatro instituições bancárias. Os resultados indicaram que esses sistemas não estão preparados para interpretar mensagens nesse formato, apresentando desempenho superior apenas quando recebiam textos em português convencional.

Diante disso, a equipe testou modelos de linguagem gratuitos e executáveis localmente, aplicando a técnica de fine-tuning (ajuste fino). O processo consistiu em um treinamento adicional utilizando uma base de aproximadamente 55 mil conversas no formato de Glosa. Foram avaliados seis modelos: Qwen2.5-7B, Qwen2.5-14B, Phi-4-14B, Llama-3.1-8B, Llama-3.2-3B e Zephyr-7B.

Os dados mostraram que, sem o treinamento específico, a acurácia dos modelos era inferior a 49%. Após o ajuste, houve melhora no desempenho:

• O Qwen2.5-14B obteve a maior média final, com 54,6% de acertos, após quase oito horas de treinamento.
• O Phi-4-14B registrou o maior salto percentual, subindo de 0,01% para 53,6% de acertos, após quase 12 horas de processamento.

Apesar do avanço, a taxa de acertos permaneceu abaixo daquela obtida com o português convencional. Em comparativos linguísticos, o modelo Qwen2.5-7B (sem ajuste) atingiu 68,5% de acurácia em inglês e 57% em português, superando os índices alcançados em textos de Glosa mesmo após o treinamento.

Impactos na acessibilidade digital

A falta de dados específicos para o treinamento de IAs pode criar bloqueios digitais para pessoas surdas em diversos serviços, já que a eficácia dessas ferramentas depende de comandos precisos. Além da estrutura da frase, a complexidade das respostas também é um obstáculo: textos excessivamente longos dificultam a compreensão, especialmente para usuários com menor formação escolar.

O estudo, orientado pelo professor Denilson Alves Pereira, do Instituto de Ciências Exatas e Tecnológicas da UFLA, confirmou que o treinamento direcionado melhora a interpretação, mas ainda não equipara a ferramenta ao uso do idioma padrão.

Próximas etapas da pesquisa

Até o momento, a base de dados foi construída via traduções simuladas para o formato de Glosa. O próximo objetivo dos pesquisadores é validar se esses resultados se mantêm ao analisar textos produzidos espontaneamente por pessoas surdas.

A coleta de dados reais é considerada um desafio, pois textos acadêmicos podem conter fragmentos copiados da internet ou gerados por outras IAs. A meta final é desenvolver metodologias para extrair dados autênticos e sugerir a incorporação desse treinamento especializado em sistemas comerciais para ampliar a acessibilidade digital.