A rede neural como máquina do tempo: por que ensinar LLMs a pensar à moda antiga

Os modelos de linguagem costumam ser avaliados pelo volume de conhecimento: quanto mais dados a rede neural absorveu, mais inteligente ela é. Mas um grupo de pesquisadores e entusiastas virou essa lógica de cabeça para baixo. Eles reduzem de propósito os conjuntos de dados de treinamento, limitando-os a textos de uma época histórica específica, e obtêm algo totalmente inesperado: uma inteligência artificial que raciocina como se vivesse no século XVII ou no início do século XX.

À primeira vista, a ideia parece uma excentricidade. Por que alguém precisaria de um modelo que não sabe da existência de antibióticos, da teoria da relatividade ou da internet? Mas há uma motivação científica séria por trás disso. Os LLMs atuais são treinados em corpora que abrangem toda a história da escrita até os dias de hoje. Inevitavelmente, eles olham para o passado pelo prisma do presente, com sua terminologia, seus valores e seu conhecimento acumulado. Um modelo treinado apenas com textos anteriores a 1912 não tem essa ótica retrospectiva. Ele não apenas reproduz as palavras da época: reproduz sua forma de pensar, seus pontos cegos, sua certeza em coisas que há muito consideramos equívocos.

Tecnicamente, a abordagem funciona assim. Usa-se a arquitetura de um modelo de linguagem padrão, em geral relativamente compacto, porque o volume de textos históricos é limitado. O corpus de treinamento é formado exclusivamente por fontes datadas de um determinado período: livros, jornais, cartas, tratados científicos, documentos jurídicos. É fundamental excluir qualquer texto escrito depois da data de corte escolhida. Como resultado, o modelo assimila não só o vocabulário e a gramática da época, mas também seu arcabouço epistemológico, ou seja, os limites do que as pessoas daquele tempo consideravam possível, verdadeiro e admissível.

As aplicações desses modelos "temporais" são bem mais amplas do que se poderia imaginar. Na gnosiologia, a ciência do conhecimento, eles permitem investigar como mudaram os próprios mecanismos de formação do saber. É possível perguntar a um modelo de 1650 sobre a natureza das doenças e receber uma resposta baseada na teoria humoral. Não se trata de estilização, mas da convicção sincera de um sistema para o qual a teoria microbiana simplesmente não existe. Isso dá aos cientistas uma ferramenta única para modelar paradigmas históricos de pensamento.

Nas ciências comportamentais, esses modelos ajudam a estudar como o contexto cultural e informacional molda comportamentos e decisões. Se um LLM é colocado dentro do conhecimento de uma época, dá para modelar reações a eventos, decisões econômicas e atitudes sociais, e compará-las com dados históricos reais. Na prática, é uma forma de psicologia histórica computacional que, poucos anos atrás, era impensável.

O potencial educacional também impressiona. Imagine um diálogo interativo com um "sábio" do Iluminismo que não apenas cita textos do século XVIII, mas raciocina de forma coerente dentro da visão de mundo da época. O estudante pode fazer perguntas, debater e se deparar com uma lógica que era impecável para seu tempo, mas hoje parece absurda. É uma maneira poderosa de mostrar que o conhecimento não é uma grandeza absoluta, e sim um processo historicamente condicionado.

Várias iniciativas abertas já trabalham nessa direção. Os projetos citados por especialistas da Beeline Cloud desenvolvem tanto os modelos quanto a metodologia de preparação de corpora históricos. A principal dificuldade é a qualidade dos dados. Textos digitalizados de séculos passados costumam ter erros de reconhecimento, e a seleção de fontes exige conhecimento sério de historiadores, para que o corpus represente o pensamento da época e não apenas sua elite literária.

A abordagem também levanta uma questão fundamental. Se um modelo treinado com textos do passado reproduz os equívocos e preconceitos de seu tempo, o que isso diz sobre os LLMs atuais? Eles são igualmente limitados pelo arcabouço da nossa época; só não sabemos ainda quais das nossas "verdades evidentes" as futuras gerações considerarão ingênuas. Os modelos temporais viram um espelho que lembra que toda inteligência, artificial ou não, é produto de seu tempo. E perceber isso talvez valha mais do que qualquer avanço tecnológico.