Investigador critica leis de transparência de dados de treino de IA por serem insuficientes
Um artigo publicado a 29 de outubro na Tech Policy Press argumenta que as novas leis de transparência sobre dados de treino de IA, nos EUA e na UE, revelam pouco sobre como e porquê os conjuntos de dados são montados.
Will Orr, investigador de pós-doutoramento na Universidade Vanderbilt, publicou a 29 de outubro de 2026 na Tech Policy Press um artigo de opinião em que critica as atuais leis de transparência de dados de treino de modelos generativos de IA. Segundo o autor, saber apenas o que está dentro de um conjunto de dados diz pouco sobre porque foi montado daquela forma, quem beneficia com isso ou como pode ser contestado. O artigo analisa a lei californiana de Transparência de Dados de Treino (AB 2013), em vigor desde 1 de janeiro de 2026, que obriga desenvolvedores de IA generativa a publicar um resumo de alto nível dos dados de treino em doze categorias, e o artigo 53.º do AI Act europeu, que exige um "resumo suficientemente detalhado" do conteúdo dos dados.
O artigo nota que a xAI, de Elon Musk, contestou judicialmente a lei californiana, alegando que esta força a divulgação de segredos comerciais e obriga à expressão forçada; um tribunal federal da Califórnia rejeitou o recurso em março, e a xAI recorreu da decisão. Como exemplo de opacidade persistente, o autor cita documentos judiciais da Meta, tornados públicos, que mostram a empresa a testar métodos de filtragem através de "ablação experimental", incluindo a troca de livros de ciência, tecnologia e ficção provenientes de uma biblioteca pirata, com um engenheiro da Meta a ter corrido mais de cem destas experiências durante o desenvolvimento do Llama 4.
O autor recomenda que as regras de transparência exijam também a divulgação dos critérios e padrões usados para definir qualidade dos dados, um registo contínuo das decisões de construção dos conjuntos de dados e das suas justificações, e acesso de auditores independentes aos processos de recolha e tratamento. O artigo cita ainda o Índice de Transparência de Modelos de Fundação de Stanford (dezembro de 2025), que concluiu que os dados de treino continuam a ser um dos aspetos mais opacos dos sistemas de IA.
Perguntas frequentes
O que exige a lei californiana AB 2013?
Obriga desenvolvedores de IA generativa a publicar um resumo de alto nível dos dados de treino, em doze categorias, desde 1 de janeiro de 2026.
Como reagiu a xAI à lei californiana?
Contestou-a em tribunal, alegando que viola segredos comerciais; perdeu em primeira instância em março de 2026 e recorreu.
Fontes
- Tech Policy Press www.techpolicy.press
- IAPP iapp.org
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.