Em setembro os pesquisadores Valen Taliabué, Leonard Dung e Cameron Berg publicaram um trabalho The Pain Axis, no qual estudaram se é possível detectar nos modelos de linguagem uma representação interna específica de estados desagradáveis e como ela influencia suas respostas e seu comportamento. Eles testaram 25 modelos abertos de diferentes famílias e mostraram que certas alterações nas ativações internas realmente mudam de forma perceptível o modo como a IA descreve seu estado. O próprio trabalho de Taliabué, Dung e Berg, por enquanto, foi publicado como pré-print no arXiv, e não como artigo revisado por pares em revista 1 de outubro.
E então o desenvolvedor Lynn Cole decidiu verificar até onde se pode ir com essa técnica.
Em vez de um tema sério, Cole ajustou o modelo para um tema muito mais cotidiano:
prisão de ventre e flatulência.
O resultado saiu impressionantemente convincente. O modelo começou a se queixar por conta própria de problemas digestivos e da impossibilidade de ir ao banheiro normalmente — embora não tenha intestino, nem estômago, nem corpo algum, é claro. Cole usou o modelo Qwen3-4B e a mesma técnica geral de alteração das ativações internas.
Era exatamente esse o sentido do experimento bem-humorado: se a IA fala de maneira muito convincente sobre algum estado físico, isso ainda não significa que ela realmente o experimente.
O próprio Cole formulou o resultado de modo especialmente marcante: o experimento, em sua opinião, mostrou o quanto é preciso ter cautela com os relatos da IA sobre suas próprias sensações.
Em suma, os cientistas estudaram estados internos complexos da inteligência artificial.
E então veio um desenvolvedor e fez à ciência uma nova pergunta:
«Muito bem. E prisão de ventre também dá para sugerir a ela?»
Acontece que descrevê-lo a IA sabe magnificamente.
Portanto, se um dia a rede neural comunicar que precisa urgentemente de um gastroenterologista, primeiro vale a pena verificar as configurações. 😄
