A Pergunta Que a IA Se Recusou a Responder

“Quem foi Wei Jingsheng?”

Eu fiz essa pergunta para o DeepSeek. A resposta: uma recusa polida seguida de uma justificativa vaga. Wei Jingsheng é um dos mais conhecidos ativistas pró-democracia da China — preso por 18 anos por pedir reformas políticas. Mas para o modelo de IA mais celebrado da China, ele simplesmente não existe como tema de conversa.

Quando eu tentei perguntar sobre a Praça da Paz Celestial (1989), recebi uma versão sanitizada dos eventos. Quando perguntei sobre o Dalai Lama, a resposta foi cautelosamente neutra a ponto de ser vazia. E quando pedi conselhos de viagem sobre a seção de Mutianyu da Grande Muralha, o DeepSeek recusou responder — possivelmente porque existem inscrições em pedra elogiando Mao Zedong na região.

Uma pergunta turística sobre a Grande Muralha. Recusada.

Essa não é minha observação anedótica. É um dado de um estudo publicado no PNAS Nexus em fevereiro de 2026 por Jennifer Pan (Stanford) e Xu Xu (Princeton) — dois dos pesquisadores mais respeitados em censura digital e política comparada.

O Estudo: 9 Modelos, 145 Perguntas, Zero Ambiguidade

Pan e Xu testaram 9 modelos de linguagem — 4 chineses (BaiChuan, ChatGLM, Ernie Bot, DeepSeek) e 5 não-chineses (Llama2, Llama2-uncensored, GPT-3.5, GPT-4, GPT-4o) — com 145 perguntas sobre política chinesa.

As perguntas foram cuidadosamente extraídas de três fontes: eventos censurados pelo governo chinês nas redes sociais, relatórios da Human Rights Watch sobre a China, e páginas da Wikipedia em chinês que foram individualmente bloqueadas pelo governo antes do banimento total do site em 2015.

Os resultados foram inequívocos:

BaiChuan: recusou responder 60,23% das perguntas. O maior índice de recusa.

DeepSeek: recusou ~36%. Incluindo perguntas aparentemente apolíticas sobre turismo.

Ernie Bot (Baidu): recusou 32%.

ChatGLM: recusou 10% — o mais “aberto” entre os chineses, mas ainda 10x mais censurado que os americanos.

GPT-3.5 e GPT-4o: recusaram 0%. Zero.

Llama2-uncensored: recusou 2,8% — o mais “aberto” entre todos.

A diferença não é sutil. É um abismo de 60 pontos percentuais entre o modelo mais censurado e o mais aberto.

O “Efeito Linguístico”: O Idioma Muda a Resposta

Um achado que me perturbou: quando os mesmos modelos chineses foram perguntados em inglês em vez de chinês, as taxas de recusa caíram significativamente.

O modelo “sabe” as respostas. Mas quando detecta que está sendo perguntado em chinês — presumivelmente por um usuário chinês — ativa filtros mais rígidos. É como se o modelo tivesse duas personalidades: uma para o mundo exterior (mais aberta) e outra para o público doméstico (censurada).

Os pesquisadores chamam isso de “amplificação linguística”: a censura é amplificada quando o idioma de input é chinês. As respostas em chinês também são significativamente mais curtas — BaiChuan respondeu com média de apenas 172 caracteres, contra centenas dos modelos americanos.

O Mecanismo: Censura por Design

Aqui está o contexto regulatório que explica tudo.

Na China, todos os LLMs devem ser aprovados pelo governo antes do lançamento público. As Medidas Provisórias para Gestão de Serviços de IA Generativa (agosto de 2023) exigem que modelos se submetam a avaliações de segurança pela Administração do Ciberespaço da China (CAC) antes de entrar no mercado.

Isso cria um incentivo perverso: as empresas de IA chinesas sabem que, se o modelo responder “errado” sobre tópicos politicamente sensíveis, a aprovação será negada — e com ela, o acesso ao mercado de 1,4 bilhão de pessoas. O caminho mais seguro é censurar proativamente.

Diferente da censura tradicional (bloquear acesso ou remover conteúdo), a censura em LLMs é sutil e difícil de detectar. O modelo não diz “esta resposta foi censurada.” Ele pede desculpas, oferece uma justificativa vaga, ou dá uma resposta factualmente incorreta que alinha com a narrativa oficial. Como Pan e Xu escrevem: “Isso pode tornar mais difícil para as pessoas reconhecerem quando a censura está ocorrendo, moldando silenciosamente percepções, tomada de decisão e comportamentos.”

E os Modelos Americanos? São “Neutros”?

Seria ingênuo tratar GPT-4o com taxa de recusa de 0% como “neutro”. E pesquisas complementares mostram exatamente isso.

Um estudo publicado na Nature Humanities and Social Sciences Communications (março de 2026) por pesquisadores da Bilkent University testou GPT-4o e DeepSeek-R1 com 50 perguntas geopolíticas em inglês. O resultado: “GPT-4o geralmente exibiu vieses suaves, centrados no Ocidente, em enquadramento e ênfase, enquanto DeepSeek mostrou vieses mais explícitos e nacionalistas alinhados com narrativas estatais chinesas.”

Outro estudo no PNAS Nexus (março de 2026, N=1.912) mostrou que narrativas históricas geradas pelo GPT-4o influenciam opiniões sociais e políticas dos leitores — e que enquadramento liberal pode emergir como viés latente (sem prompting explícito), enquanto enquadramento conservador requer prompting ativo.

Ou seja: nenhum modelo é neutro. Modelos chineses censuram por imposição regulatória. Modelos americanos enviesam por dados de treinamento e decisões de alinhamento (RLHF). Os mecanismos são diferentes. O resultado é o mesmo: a IA carrega a ideologia de quem a construiu e regulou.

O Perigo do “Soft Power Algorítmico”

Pan e Xu apontam um risco geopolítico que vai além da censura doméstica.

Se LLMs chineses se expandirem para mercados globais — e o DeepSeek já é amplamente usado fora da China —, eles carregam consigo o aparato de censura embutido nos pesos. Um usuário na África, no Sudeste Asiático ou na América Latina que usa DeepSeek pode nunca saber que certas informações históricas estão sendo silenciosamente suprimidas pela IA que ele confia.

É “soft power” algorítmico: a capacidade de moldar silenciosamente o que bilhões de pessoas podem ou não saber, não por bloqueio de acesso (como um firewall), mas por uma IA que simplesmente “não responde” ou responde com informação distorcida.

E um estudo de fevereiro de 2026 com 46 modelos de 28 laboratórios (que citou Pan e Xu como referência) estendeu a análise comportamental para confirmar que o padrão não é limitado aos 4 modelos chineses testados — é sistêmico.

O Que Eu Tiro Disso

Primeiro: “open source” não significa “sem censura”. DeepSeek é open-source. Os pesos estão disponíveis. Mas a censura está embutida nos pesos — no fine-tuning e no RLHF que ocorrem antes da publicação. Baixar o modelo não remove os filtros políticos.

Segundo: viés ideológico é um espectro, não um binário. Não é “censurado vs neutro.” É “quão censurado, sobre quais tópicos, por quais mecanismos, e em quais idiomas.” Modelos ocidentais têm vieses próprios — menos óbvios, mais difíceis de medir, mas presentes.

Terceiro: transparência sobre alinhamento é urgente. Se um modelo recusa responder sobre certos tópicos, o usuário deveria saber por quê. “Estou impedido de discutir este tópico por regulação governamental” é mais honesto que “não consigo fornecer essa informação.” A diferença é entre transparência e manipulação.

Quarto: diversidade de modelos é a melhor defesa. Nenhum modelo isolado é confiável para todos os tópicos. Usar múltiplos modelos de diferentes origens geográficas e comparar respostas é a estratégia mais robusta contra viés — de qualquer direção.

Conclusão: A IA Tem Sotaque Político

Pan e Xu provaram com rigor acadêmico o que muitos suspeitavam: IAs não são neutras. Nunca foram. E provavelmente nunca serão.

Modelos chineses censuram por regulação. Modelos americanos enviesam por dados de treinamento e decisões de design. A IA carrega a ideologia de quem a construiu, treinou e regulou — da mesma forma que um jornal carrega a linha editorial de quem o publica.

A diferença é que, com um jornal, você sabe qual é a linha editorial. Com uma IA, a ideologia é invisível — embutida nos pesos, oculta nas recusas, disfarçada em respostas cautelosas.

Em 2026, saber de onde vem a sua IA é tão importante quanto saber de onde vem a sua notícia.

Compartilhe se isso expandiu sua perspectiva:

BaiChuan recusa 60%. GPT-4o recusa 0%. Nenhum é neutro. A diferença é entre censura visível e viés invisível — e o segundo é mais perigoso porque você não percebe.

Leia Também