Учёные Aalto University создали ИИ-модель чтения для AR и персонализации текстов

Pesquisadores da Aalto University (Finlândia), em conjunto com parceiros internacionais, criaram o modelo computacional de leitura humana mais preciso até hoje. O novo sistema utiliza aprendizado por reforço — uma variante de IA do mundo da robótica — para reproduzir e explicar as decisões que o leitor toma ao percorrer um texto.

Por que simular a leitura "à maneira humana" é tão difícil?

Os movimentos oculares durante a leitura estão entre os processos cognitivos mais complexos de modelar: uma pessoa toma dezenas de decisões inconscientes por segundo. Os pesquisadores reproduziram três tipos principais desses movimentos: sacadas (deslocamentos rápidos do olhar entre palavras), fixações (pausas para processamento de informações) e regressões (retornos ao texto quando um trecho não é compreendido).

Os modelos anteriores eram construídos com base em estatísticas e regras fixas da psicolinguística — e lidavam mal com as diferenças individuais entre leitores. O agente de RL funciona de forma diferente: ele aprende por tentativa e recebimento de feedback, formando gradualmente uma estratégia adaptativa sensível ao contexto — comprimento e frequência das palavras, complexidade sintática e objetivo do leitor.

• Desenvolvedor: Aalto University (Finlândia) em conjunto com parceiros internacionais
• Método: reinforcement learning — aprendizado por reforço
• Objeto: sacadas, fixações e regressões oculares durante a leitura
• Resultado: o modelo computacional de leitura mais preciso até agosto de 2026
• Aplicações: personalização de textos, realidade aumentada, acessibilidade e diagnóstico

"O novo modelo utiliza aprendizado por reforço — uma variante de IA do

mundo da robótica — para explicar e reproduzir as decisões que os leitores tomam ao percorrer um texto", conforme descrito na pesquisa da Aalto University.

Para que será aplicado o novo modelo?

Personalização de conteúdo: se o sistema souber como um leitor específico percebe o texto, ele poderá ajustar dinamicamente o comprimento das frases, a formatação e o posicionamento dos destaques. Para plataformas educacionais, isso afeta a assimilação do conteúdo; para veículos de mídia, afeta o engajamento e a retenção do leitor.

Realidade aumentada: óculos e capacetes de AR precisam saber exatamente para onde o usuário está olhando em tempo real, a fim de sobrepor informações com precisão no ponto de foco, sem atraso ou deslocamento. Rastreadores oculares por hardware são precisos, mas caros e com alto consumo de energia. Um modelo preditivo em nível de software reduz a dependência de hardware especializado.

Acessibilidade e diagnóstico: pessoas com dislexia ou déficit de atenção têm estratégias de leitura que diferem sistematicamente do padrão. Um modelo preciso pode identificar essas diferenças e ajudar a projetar interfaces de texto que sejam mais fáceis de ler para esses usuários.

De acordo com a descrição da pesquisa da Aalto University, a aplicação de RL permitiu, pela primeira vez, reproduzir o mecanismo real de tomada de decisão na leitura — e não um padrão médio de movimentos oculares extraído de um conjunto de dados.

O que isso significa

Modelos acadêmicos de leitura existem desde os estudos clássicos de psicolinguística da década de 1980. A transição para a abordagem de RL muda sua natureza: de descritivos, eles passam a ser explicativos e potencialmente adaptativos de forma individual. Para desenvolvedores de interfaces de AR, plataformas EdTech e editoras, esta é uma nova ferramenta de personalização sem sensores de alto custo. A questão em aberto é: até que ponto o modelo se generaliza para diferentes idiomas, sistemas de escrita e tipos de texto.

Perguntas frequentes

O que é aprendizado por reforço no contexto da leitura?

O aprendizado por reforço (reinforcement learning) é um método de IA no qual um agente aprende por tentativa e erro, recebendo feedback do ambiente. A mesma tecnologia é usada em robótica e no treinamento de agentes de jogos; os pesquisadores da Aalto University a aplicaram à modelagem de como um leitor toma decisões ao percorrer um texto.

Em que o novo modelo se diferencia dos anteriores?

Os modelos anteriores forneciam previsões médias com base em estatísticas e regras fixas. O novo reproduz um mecanismo adaptativo de tomada de decisão — dependente do contexto e mais próximo do comportamento de um indivíduo específico, em vez de um grupo médio de participantes.