A Frase Que Me Fez Rir — E Depois Me Assustou

“As gestantes passaram a ter desejos incontroláveis por números primos.”

Essa frase está em um artigo científico publicado. Em uma revista de obstetrícia. Revisado por pares. Aceito com “pequenas revisões” e elogiado como “muito bem escrito e interessante.”

Quando eu li a história de Pascual D. Diago — professor de educação matemática na Universidade de Valência — minha primeira reação foi rir. A segunda foi um frio na espinha. Porque o que ele fez não é apenas uma piada. É um diagnóstico do estado da ciência em 2026 — e das consequências para a IA.

O Experimento do Professor

Diago estava cansado de receber spam de revistas científicas predatórias — aquelas que te mandam emails pedindo artigos, cobram taxas de publicação e aprovam qualquer coisa sem revisão real. A gota d’água veio quando recebeu um convite do Clinical Journal of Obstetrics and Gynecology — uma área completamente fora do seu campo (educação matemática).

Em vez de ignorar, ele decidiu testar o sistema. Usou o ChatGPT para gerar o artigo mais absurdo possível para a área de obstetrícia.

O resultado foi uma obra-prima do absurdo: a tese central afirmava que ensinar geometria pélvica para grávidas reduzia a ansiedade do parto em 13,7%. O texto misturava a sequência de Fibonacci em gráficos de trabalho de parto. E a cereja do bolo: gestantes passavam a ter desejos por números primos.

Os gráficos não explicavam nada. As conclusões eram patentemente impossíveis. As fontes citadas continham mensagens cifradas geradas pela IA dizendo basicamente “eu estou mentindo, isto é um texto falso.” Como Diago escreveu no Retraction Watch: “Uma olhada superficial no resumo ou nas fontes teria sido suficiente para perceber que nada fazia sentido.”

A cronologia: em outubro de 2025, ele enviou o manuscrito sob o pseudônimo “Pascual Chiago”. Em 12 de novembro, uma tal “Susan Lee” (não listada no staff da revista) exigiu resposta urgente às revisões em 24 horas. Diago reenviou o mesmo arquivo cinco minutos depois, apenas destacando passagens aleatórias em amarelo, sem fazer nenhuma alteração real. Em menos de uma hora, recebeu aceite final. Chegou uma fatura de $2.949 para publicação. Ele não pagou — mas o artigo foi publicado mesmo assim. E Diago foi convidado para palestrar em um congresso de ginecologia.

20.000 Revistas Predatórias (E Não É Exceção)

A primeira reação que muita gente tem é: “isso é uma revista caça-níqueis, não conta.” Mas o problema é muito maior.

Estima-se que existam mais de 20.000 revistas científicas predatórias operando globalmente. O modelo de negócios é simples: cobrar taxas de publicação de pesquisadores desesperados por volume no currículo, ignorando completamente qualquer revisão real. Pesquisadores sob pressão de “publish or perish” pagam — e o currículo cresce com publicações que ninguém leu.

Mas o lixo não está restrito a revistas de fundo de quintal.

NeurIPS 2025: O Lixo Chegou ao Topo

Em janeiro de 2026, a GPTZero escaneou 4.841 dos 5.290 papers aceitos na NeurIPS 2025 — simplesmente uma das conferências de IA mais prestigiadas do planeta, com taxa de aceitação de 24,52%.

O resultado: 100+ citações completamente alucinadas espalhadas por 51 papers aceitos. Referências a autores, papers e DOIs que não existem. Fabricações geradas por IA que variavam de placeholders óbvios (nomes como “John Doe and Jane Smith”) a citações “uncanny valley” que pareciam completamente legítimas — nomes reais de autores combinados com títulos falsos de papers e DOIs fabricados.

Cada um desses papers passou por revisão de pelo menos 3 revisores. Cada um venceu 15.000+ submissões concorrentes. Cada um foi apresentado publicamente na NeurIPS em novembro de 2025.

A GPTZero cunhou o termo “vibe citing” — citação por vibe. Assim como vibe coding produz código que parece funcionar mas quebra sob pressão, vibe citing produz referências que parecem legítimas mas desmoronam sob verificação.

E um dado do Retraction Watch de 2026 é ainda mais alarmante: uma análise de papers indexados no PubMed encontrou que 1 em cada 277 papers publicados nas primeiras 7 semanas de 2026 referencia um paper que não existe. Esse número era 1 em 458 em 2025, e 1 em 2.828 em 2023. O salto coincide precisamente com a adoção massiva de ferramentas de escrita com IA.

O Loop do Lixo: Por Que Isso Importa Para a IA

Aqui está onde a história fica realmente preocupante — e conecta com tudo que eu escrevi sobre dados de treinamento.

Os modelos de linguagem de fronteira são treinados varrendo a internet em busca de dados de “alta qualidade” — e artigos científicos estão entre as fontes mais valorizadas. PubMed, arXiv, repositórios institucionais — tudo isso é tratado como “gold standard” pelos pipelines de treinamento.

Quando o ecossistema científico é inundado por textos falsos — papers com citações alucinadas, dados inventados, conclusões impossíveis — as empresas de tecnologia acabam usando esse “lixo acadêmico” para treinar os modelos do ano que vem.

É um ciclo de retroalimentação: a IA gera dados falsos → humanos publicam sem ler → a próxima IA aprende com essas mentiras → gera dados falsos mais sofisticados → humanos publicam → …

Como eu discuti no post sobre o Fim da Internet Infinita: os dados públicos de qualidade estão acabando. E agora descobrimos que parte dos dados que achávamos ser de qualidade (papers acadêmicos) está contaminada. O “ouro” tem impurezas.

A ScienceDirect publicou um paper em abril de 2026 dedicado inteiramente a esse problema: “Hallucinations in generative AI: A threat to scholarly integrity and the urgent need for publisher-led academically supervised verification.” O título diz tudo.

O Que Eu Tiro Disso

Primeiro: “publicado” não significa “verdadeiro”. Isso deveria ser óbvio, mas na prática muita gente trata artigos científicos como fatos verificados. Em 2026, precisamos de um nível adicional de ceticismo — mesmo com papers peer-reviewed.

Segundo: a crise é sistêmica, não anedótica. Diago é a piada. NeurIPS é o alerta. PubMed com 1 em 277 é o dado epidemiológico. O problema não é uma revista predatória — é o ecossistema inteiro sob pressão de volume, velocidade e ferramentas que facilitam a fabricação.

Terceiro: verificação de citações deveria ser automatizada e obrigatória. A GPTZero está trabalhando com ICLR e outros publishers para integrar verificação de alucinações como etapa formal de publicação. Isso deveria ser padrão em toda revista séria.

Quarto: quem treina IA precisa de curadoria de dados muito mais rigorosa. Se papers acadêmicos estão contaminados, os pipelines de treinamento precisam de filtros que não existem hoje em escala. O “lixo acadêmico gerado por IA treinando a próxima IA” é o loop mais perigoso do ecossistema.

Conclusão: Quem Vai Revisar os Revisores?

O experimento de Diago prova que a inteligência humana falhou na sua função mais básica de curadoria. No momento em que transformamos a publicação científica em uma linha de montagem monetizada, abrimos a porteira para que o lixo digital tome conta da base de conhecimento.

Se não criarmos mecanismos rígidos de auditoria — humana e tecnológica — para artigos científicos, em breve não conseguiremos distinguir uma descoberta médica real de um delírio estatístico de um chatbot.

E a ironia final: o professor de matemática que provou que o sistema está quebrado foi convidado para palestrar sobre obstetrícia. Isso diz tudo que precisamos saber.

Compartilhe se isso mudou como você lê papers:

Gestantes desejando números primos. Fibonacci no parto. Aceito com “pequenas revisões”. Se a ciência não consegue filtrar isso, como esperamos que a IA treinada nesses dados seja confiável?

Leia Também