Por que a IA não conta as letras de strawberry
Por Chatday Editorial Team ·
Peça a um chatbot para organizar seu casamento e ele manda bem. Pergunte quantas vezes a letra R aparece em «strawberry» e tem boa chance de ele dizer dois. A resposta certa é três. Essa é uma das coisas mais estranhas da IA moderna: a mesma ferramenta que explica física quântica tropeça numa tarefa que uma criança de seis anos faz com um lápis.
Não é um bug, e a IA não é burra. É um efeito colateral de como esses sistemas leem para começar, e quando você entende isso, muitas das falhinhas estranhas da IA passam a fazer sentido de uma vez.
O famoso erro do «strawberry», explicado
«Quantos erres tem em strawberry?» virou a maneira favorita da internet de fazer a IA passar vergonha. E por um tempo, quase todo chatbot errava, respondendo «dois» com a alegre certeza de quem nunca errou na vida.
Soletre você mesmo: s-t-r-a-w-b-e-r-r-y. Tem um erre perto do começo e um erre dobrado perto do fim. Três no total. Fácil para uma pessoa, porque a gente olha as letras de verdade. A IA não pode fazer isso, e para entender por quê, dá para olhar como ela lê.
A IA lê em pedaços, não em letras
Essa é a parte que quase ninguém sabe. Antes de um modelo de IA ler sua mensagem, o texto é picado em pedaços chamados tokens. Um token costuma ser uma palavra comum ou um fragmento dela. A palavra «strawberry» muitas vezes é picada em algo como «st», «raw» e «berry».
Agora conte os erres do jeito que o modelo conta. O pedaço «st» não tem nenhum. «raw» tem um. «berry» tem dois erres, mas o modelo vê como um bloco único, não como b-e-r-r-y. Então as letras ficam enterradas dentro dos pedaços, e o modelo precisa lembrar mais ou menos como se escreve cada pedaço, em vez de ler na hora.
Um pesquisador explicou muito bem: é como tentar contar os fios de uma corda sem desfazer o trançado primeiro. O modelo vê a corda trançada (o token), não os fios soltos (as letras).
Por que o mesmo detalhe quebra a conta simples
É por isso também que a IA passa reto por um ensaio de filosofia mas tropeça numa multiplicação de quatro dígitos. Os números também são picados em pedaços, e nem de forma coerente. O número 12345 pode virar «123» e «45», então o modelo nunca alinha direito os dígitos como você faria no papel.
Além disso, a IA não está calculando. Está prevendo a coisa mais provável a dizer com base em tudo que já leu. Isso funciona lindamente com a linguagem, onde «quase certo» já serve, e mal com a aritmética, onde a resposta ou é exata ou está errada. O modelo foi feito para probabilidade, e a matemática quer precisão. Essas duas coisas nem sempre se dão bem. É prima da razão pela qual a IA inventa coisas com total confiança: uma resposta fluida e plausível não é a mesma coisa que uma correta.
Então por que alguns modelos já acertam?
Aqui vem a virada. Hoje, se você perguntar sobre strawberry para a maioria dos chatbots, eles dizem três. A pergunta ficou tão famosa que a resposta certa já está gravada no que eles aprenderam. Os modelos não ganharam visão para letras de repente. Decoraram a piada.
Troque a palavra e a máscara cai. Numa prova cuidadosa de 2025, pesquisadores perguntaram quantos bês tem em «blueberry». Um chatbot popular errou mais ou menos quatro em cada dez vezes, afirmando com confiança que eram três quando são dois, com direito a marquinhas de verificação do lado do trabalho. Outro modelo acertou todas as vezes, indo com paciência letra por letra. A mesma tarefa, resultados bem diferentes, o que mostra que isso é menos uma lei de ferro da IA e mais uma questão de se um modelo específico se dá o trabalho de ir devagar e conferir.
Essa é a versão honesta da história. O problema dos pedaços é real, mas não é tudo. Até uma IA que mostra o raciocínio pode contar errado, porque vai reconhecendo padrões pelos passos em vez de perceber de verdade cada letra. Os modelos «pensantes» mais novos se saem bem melhor nisso que os rápidos, um bom exemplo de IA rápida versus IA esperta na prática. Mas melhor não é a mesma coisa que garantido.
No que a IA é ótima e o que vale conferir
Você não precisa decorar o encanamento. Só precisa de um faro de onde a IA é firme e onde vale fazer ela mostrar o trabalho.
| Tarefa | Como a IA se sai | O que fazer |
|---|---|---|
| Escrever, resumir, gerar ideias | Excelente | Confie e depois dê uma olhada |
| Explicar um conceito em palavras simples | Excelente | Confie |
| Contar letras ou caracteres | Fraco | Peça para soletrar |
| Aritmética longa ou exata | Fraco | Peça passo a passo, ou use uma calculadora |
| Detalhes precisos num documento longo | Variável | Peça para citar a linha original |
O padrão é simples. Quando a tarefa é linguagem, deixe fluir. Quando a tarefa pede exatidão, force a IA a ir devagar ou troque para um modelo que toma cuidado.
Como conseguir mesmo a resposta certa
Três jogadas resolvem quase todo tropeço de contagem ou de conta:
- Faça ela mostrar o trabalho. «Vá letra por letra» ou «resolva passo a passo» empurra o modelo a colocar tudo por escrito onde consegue enxergar, em vez de chutar uma resposta.
- Pergunte duas vezes, ou pergunte a dois modelos. Se a exatidão importa, não confie na primeira resposta rápida. Uma segunda opinião de um modelo diferente pega um monte desses erros.
- Use o modelo certo para cada tarefa. Os modelos rápidos e tagarelas são feitos para velocidade. Para qualquer coisa delicada e exata, um modelo pensante mais lento vale os poucos segundos a mais.
Esse último ponto fica mais fácil quando você não está preso a uma única IA. Dá para alinhar alguns dos melhores modelos na mesma pergunta e ver quem acerta de verdade.
O resumo
O erro da IA em contar letras não é sinal de que ela é secretamente burra. É uma janela para como essas ferramentas funcionam de verdade: leem em pedaços, preveem em vez de calcular, brilhantes com a linguagem e desajeitadas com o literal. Quando você sabe disso, para de se surpreender e passa a conduzir. Peça para ir devagar, faça mostrar o trabalho e, quando a resposta precisa mesmo estar certa, chame um segundo modelo para opinar.
A melhor forma de criar esse faro é cutucar você mesmo. Peça a um modelo para contar os erres, depois peça para soletrar a palavra primeiro e veja a resposta mudar.