O desktop ficou sem T9: por que isso aconteceu e como os LLMs podem resolver

Escrevemos os textos de trabalho principalmente no computador: e-mails, documentação, tickets, código, comentários de código. Mesmo assim, a autocorreção inteligente ficou no celular. Lá, a palavra é corrigida durante a digitação, enquanto no PC o usuário encontra uma linha ondulada vermelha e um menu de contexto no botão direito do mouse.

A diferença é visível desde que os smartphones ganharam teclados sensíveis ao toque, ou seja, há mais de década e meia. Uma análise recente no Habr retoma a questão: por que o desktop não aprendeu mais e se é possível resolver isso com LLMs. A seguir, vemos as causas e o que os modelos de linguagem realmente mudam aqui.

A publicação original em RSS traz apenas um resumo, então o que segue se baseia na arquitetura de entrada de texto, bem conhecida, e no estado do mercado.

Por que o celular ganhou autocorreção e o PC não

No smartphone, o teclado é um aplicativo. Ele vê as coordenadas de cada toque, a probabilidade de acertar as teclas vizinhas e o contexto da frase digitada. A autocorreção ali é uma necessidade: o dedo é maior que a tecla e, sem ela, não dá para escrever. O desenvolvedor do teclado controla toda a camada de entrada, então pode substituir palavras, alterar as anteriores e aprender com os hábitos do dono.

No desktop, o quadro é o oposto. O teclado físico é mais preciso, os erros costumam ser menores e não há necessidade aguda. Além disso, o texto vai parar em navegadores, IDEs, mensageiros, terminais e suítes de escritório, cada um com seu próprio motor de texto. Não há um ponto único para interceptar a entrada e alterar uma palavra com cuidado. É preciso trabalhar por APIs de acessibilidade ou hooks no nível do sistema. Isso é frágil, diferente em cada SO e muitas vezes quebra em campos protegidos.

Há também a questão da confiança. Um programa que lê tudo o que é digitado se parece, por definição, com um keylogger. Para dados corporativos, é um obstáculo sério: advogados e equipes de segurança proibirão uma ferramenta dessas sem hesitar.

O que os modelos de linguagem mudam

A autocorreção clássica se apoia em um dicionário e em estatísticas de n-gramas. Ela corrige bem erros de digitação dentro da palavra, mas entende mal o contexto: não distingue «ложить» de «класть» (duas formas russas) pelo sentido da frase e tropeça no jargão profissional. Um modelo de linguagem olha a frase inteira e avalia qual palavra cabe ali. A Apple já migrou a autocorreção do iOS para um modelo do tipo transformer, e o macOS ganhou sugestões embutidas de continuação. Ou seja, os grandes fabricantes estão dispostos a levar isso ao desktop, embora por ora o façam com cautela e principalmente para um conjunto limitado de idiomas.

A principal mudança está no tamanho. Modelos com alguns bilhões de parâmetros, como a classe Phi-3-mini, com 3,8 bilhões, já rodam em um notebook sem a nuvem. Isso elimina parte do problema de privacidade: o texto não sai da máquina. Continuam a latência e os recursos.

Os parâmetros de referência para uma ferramenta assim são estes:

• latência da sugestão: da ordem de 100 ms, senão ela fica para trás da digitação;
• tamanho do modelo: de centenas de milhões a alguns bilhões de parâmetros, quantizado;
• funcionamento offline, sem enviar texto a um servidor;
• suporte ao russo, com seus casos e ordem livre de palavras, onde modelos fracos erram mais;
• configuração de exceções para senhas, terminal e código.

O que fazer na prática

Se você precisa de correção inteligente no PC agora, há três caminhos viáveis. Primeiro: usar a verificação ortográfica e de estilo do navegador e das suítes de escritório. Ela não substitui o T9, mas cobre parte das tarefas. Segundo: instalar uma ferramenta local baseada em um modelo pequeno e testá-la com seus próprios textos, prestando atenção à latência e ao comportamento no IDE e no terminal. Terceiro: se você desenvolve esse tipo de produto, comece por cenários restritos, como a correção em um único aplicativo ou campo, e só depois avance para o nível do sistema.

Qualquer que seja a escolha, verifique três coisas. Onde o texto é processado: localmente ou na nuvem. Quais aplicativos a ferramenta não toca. E como ela se comporta em russo, não só em inglês. O T9 de desktop ainda é um nicho, mas há bem menos obstáculos técnicos do que alguns anos atrás.