5 mitos sobre o que a IA vê nas suas fotos
Por Chatday Editorial Team ·
Mostre a foto de um cachorro para uma IA e pergunte quantas patas ele tem. Ela responde quatro. Agora edite a foto para o cachorro ter cinco patas e pergunte de novo. Ela continua dizendo quatro.
Não é pegadinha inventada. É um dos testes de um estudo chamado “Vision Language Models Are Biased”, aceito na ICLR 2026, uma das grandes conferências de pesquisa em IA. Quando os pesquisadores mostraram aos modelos animais com uma pata a mais ou a menos, as IAs acertaram a contagem só 2,12% das vezes.
E, mesmo assim, o mesmo tipo de IA consegue ler uma nota fiscal borrada, explicar uma tela de configurações confusa ou dizer que planta está na sua janela. Afinal, a IA enxerga de verdade as suas fotos ou não? Quase tudo o que as pessoas acreditam sobre isso é meia verdade. Veja cinco crenças comuns, checadas uma por uma.
Mito 1: “A IA olha uma foto do mesmo jeito que você”
Falso. Você olha uma foto e repara no que realmente está ali. Uma IA que lê imagens (o nome técnico é modelo de linguagem visual) faz algo mais parecido com reconhecer e depois lembrar. Ela identifica “cachorro”, lembra que cachorros têm quatro patas e é isso que responde. Os pesquisadores foram diretos: os modelos “não estão contando”.
Com logotipos aconteceu a mesma coisa. Acrescente uma quarta faixa ao famoso logo de três listras da Adidas e os modelos continuam dizendo três. Em sete tipos de imagens editadas (animais, logotipos, tabuleiros de xadrez, jogos de tabuleiro, ilusões de ótica e grades com padrões), os modelos de 2025 testados tiveram média de 17,05% nas perguntas de contagem. Nas imagens originais, sem edição, acertaram todas.
Cerca de três quartos de todas as respostas sobre as imagens editadas eram exatamente o número “esperado”: aquele que o modelo já conhecia, não o que estava na imagem. Um estudo anterior, “Vision Language Models Are Blind”, encontrou o mesmo padrão com formas desenhadas. Ao contar círculos sobrepostos em um logo no estilo olímpico, um modelo do Gemini respondeu “5” em quase 99% dos seus erros, qualquer que fosse o número real. Cinco anéis, como nas Olimpíadas.
Resumindo: a IA é brilhante para reconhecer coisas conhecidas e bem mais fraca para perceber quando algo conhecido foi alterado.
Mito 2: “Uma IA que gabarita uma olimpíada de matemática com certeza sabe ler um relógio”
Demorou um pouco. Esse é o que mais surpreende. Em setembro de 2025, um benchmark chamado ClockBench pediu a modelos de IA que lessem relógios analógicos: a hora, qual ponteiro é qual e o que o relógio mostraria alguns minutos depois. As pessoas tiveram média de 89,1%. O melhor dos 11 modelos testados chegou a 13,3%.
O AI Index 2026 de Stanford usou esse teste como seu exemplo favorito do que os pesquisadores chamam de “inteligência irregular”: uma IA capaz de ganhar ouro na Olimpíada Internacional de Matemática, mas que ainda não consegue dizer as horas com confiança. Relógios são mais difíceis do que parecem. O modelo precisa avaliar ângulos com precisão, diferenciar dois ponteiros parecidos e ainda fazer uma continha, e mostradores analógicos são bem mais raros na internet do que simples números digitais.
A boa notícia é a velocidade com que isso mudou:
| Quando | Melhor nota de IA no ClockBench | Média humana |
|---|---|---|
| Setembro de 2025 (lançamento) | 13,3% | 89,1% |
| Março de 2026 (AI Index de Stanford) | 50,6% (GPT-5.4) | cerca de 90% |
| Novembro de 2026 (ranking público) | 87,8% (Claude Fable 5.2) | 90,7% |
Hoje as cinco primeiras posições do ranking são de Claude Fable 5.2, Gemini 4 Carbon, Gemini 4 Argon, Claude Opus 5.5 e GPT-6 Astra, todos no nível máximo de raciocínio. As pessoas ainda ganham por pouco. Mas a distância passou de “sem chance” para “quase lá” em mais ou menos um ano.
Mito 3: “Uma foto maior e mais nítida resolve os erros”
Quase sempre falso. Parece lógico: se a IA errou, dê a ela uma imagem melhor. Mas no estudo “Blind”, mudar as cores, a espessura das linhas ou a resolução da imagem quase não alterou o desempenho dos modelos ao contar círculos sobrepostos. O problema não era enxergar as formas. A informação estava lá. O difícil era transformá-la na resposta certa.
O que ajudou muito foi tirar a bagunça. No estudo “Biased”, remover o fundo das imagens editadas quase dobrou a precisão, um salto de cerca de 21 pontos percentuais. Um fundo carregado dá à IA mais pistas para se apoiar no que ela espera (“isso é uma fazenda, então é um cachorro normal”) em vez de olhar o que está na frente dela.
Mito 4: “É só pedir para ela olhar de novo”
Quase não funciona. Pedir ao modelo para conferir, ou para se basear só no que está na imagem, aumentou a precisão da contagem em apenas 2 pontos, em média, no estudo “Biased”. Deixar o modelo pensar por mais tempo ajudou até certo ponto, com a precisão subindo para perto de 40%, e depois piorou porque ele começou a pensar demais.
O que funciona melhor é mudar a pergunta. “Quantos são?” convida a uma resposta decorada. Pedir para a IA percorrer a imagem primeiro faz com que ela preste atenção na imagem de verdade:
- “Liste cada pessoa desta foto da esquerda para a direita e depois me diga quantas são.”
- “Descreva para onde apontam o ponteiro das horas e o dos minutos e depois me diga que horas são.”
- “Leia cada linha desta nota fiscal e depois some o total.”
Se a descrição passo a passo estiver errada, você vai perceber na hora, e a ideia é justamente essa. Você vê onde ela escorregou em vez de receber só um número dito com toda a confiança.
Mito 5: “Então a IA de imagem não é confiável o bastante para valer a pena”
Falso, e essa é a crença que mais vale a pena abandonar. Todas as falhas acima vêm de testes feitos de propósito para enganar: logos editados, patas extras, mostradores de relógio estranhos. Eles existem para achar os pontos fracos, e fazem isso muito bem. Também mostram esses pontos fracos diminuindo rápido. A equipe do estudo “Biased” relata que o GPT-6 Astra, lançado em outubro de 2026, marca 84,10% no mesmo teste em que os modelos de 2025 tinham média de 17%.
Um detalhe, porém, continua. Quando o Astra erra, segundo os pesquisadores, em 92,4% das vezes ele dá a resposta memorizada. O hábito não sumiu. Só aparece com muito menos frequência.
No uso do dia a dia, o cenário é bem mais animador. Descrever uma cena, ler texto impresso, explicar um print, identificar um objeto comum: tudo isso joga a favor do ponto forte da IA, que é reconhecer coisas conhecidas. Aqui vai um guia rápido de quando dá para ficar tranquilo e quando vale conferir:
| O que você pergunta | Quanto confiar | Por quê |
|---|---|---|
| “O que tem nesta foto?” | Muito | Reconhecer cenas conhecidas é o forte dela |
| Ler texto impresso, cardápios, placas | Muito | Texto nítido aparece muito no treinamento |
| Explicar um print ou uma mensagem de erro | Muito | Ela lê a tela e conhece o software |
| Contar objetos, principalmente muitos | Confira | Ela pode responder o número esperado |
| Qualquer coisa incomum ou editada | Confira | Ela tende a “corrigir” o estranho para o normal |
| Relógios analógicos, medidores, mostradores | Confira | Melhorou, mas ainda fica atrás das pessoas |
Aliás, com palavras acontece o mesmo. Se você já se perguntou por que a IA tropeçava para contar as letras de uma palavra, nosso artigo sobre por que a IA não consegue contar os R de strawberry mostra que é um primo próximo desse problema.
O jeito mais fácil de ver tudo isso na prática é testar com uma foto da sua própria galeria. Escolha algo do dia a dia, depois algo meio estranho, e peça para a IA explicar o que está vendo. Nosso guia sobre como fazer a IA explicar qualquer foto ou print traz mais ideias do que perguntar.