Semelhança em textos gerados por IA pode ser medida
12 de outubro de 2026 · 2 min de leitura
Um estudo recente explora a semelhança em textos gerados por inteligência artificial, analisando como diversos autores produzem conteúdo similar ao utilizar modelos de linguagem. O fenômeno é caracterizado por uma estrutura comum nos textos, incluindo introduções com teses gerais, subseções e listas de benefícios, que acabam se repetindo entre diferentes autores.
A pesquisa aponta que a semelhança nos textos pode ser atribuída a três principais fatores. O primeiro é o processo de decodificação dos modelos, onde a escolha das palavras mais prováveis resulta em produções textuais semelhantes entre usuários que fazem solicitações parecidas. O segundo fator é o treinamento adicional dos modelos, que, ao serem ajustados com preferências humanas, tendem a perder diversidade nas respostas. Por fim, o comportamento dos usuários também influencia, com textos gerados em conjunto com modelos treinados em preferências apresentando menor diversidade em comparação com aqueles escritos com modelos básicos.
Para medir a semelhança entre textos, uma abordagem sugerida é o uso de shingling, que divide o texto em sequências de palavras sobrepostas. A semelhança é então calculada pela proporção de sequências comuns. Outra técnica mencionada é o MinHash, que transforma cada texto em uma assinatura curta, permitindo uma comparação mais eficiente entre grandes volumes de dados.
Além das palavras, a estrutura dos textos também apresenta semelhanças. Análises mostram que textos gerados por modelos possuem um ritmo mais uniforme e menos variação na extensão das frases, em contraste com a escrita humana, que tende a ser mais dinâmica. A pesquisa sugere que a diversidade nos textos pode ser aumentada incorporando materiais originais e evitando formatos rígidos de solicitação aos modelos de IA.