A expansão da inteligência artificial generativa introduziu uma questão que, no domínio dos estudos linguísticos, já não pode ser tratada como uma curiosidade tecnológica: quem decide que português é reconhecido, reproduzido e legitimado por uma máquina? A pergunta torna-se particularmente relevante em Angola, onde o português é língua oficial, língua de escolarização e de comunicação interétnica, mas se encontra em contacto permanente com diferentes línguas angolanas. O problema, portanto, não consiste simplesmente em saber se um sistema de inteligência artificial “fala português”. É necessário perguntar qual português os seus dados permitem reconhecer e quais variedades são invisibilizadas quando o algoritmo produz aquilo que apresenta como português correcto.
Este texto delimita-se à representação do português angolano em sistemas de inteligência artificial generativa e de processamento de linguagem natural, tomando como referência a norma ortográfica estabelecida pelo Acordo Ortográfico da Língua Portuguesa de 1990 (AO90). O objectivo não é discutir a validade do Acordo nem defender a substituição da norma ortográfica por uma suposta “norma algorítmica”. O problema é outro: compreender até que ponto sistemas treinados predominantemente com grandes volumes de dados disponíveis na Internet conseguem representar uma variedade linguística cuja produção escrita digital é quantitativamente menos expressiva e cuja descrição normativa ainda não se encontra plenamente institucionalizada.
O AO90 é, neste contexto, uma referência importante. O acordo foi assinado em Lisboa, em 16 de Dezembro de 1990, com participação de Angola e dos demais países signatários, tendo como finalidade declarada contribuir para a unidade essencial da língua portuguesa. Todavia, unidade ortográfica não significa uniformidade linguística. Esta distinção é fundamental. Uma ortografia comum pode regular a representação gráfica das palavras sem eliminar diferenças fonológicas, morfossintácticas, lexicais, semânticas ou pragmáticas existentes entre as variedades do português.
É precisamente aqui que surge o problema da inteligência artificial. Os grandes modelos de linguagem aprendem padrões a partir de enormes conjuntos de textos. Consequentemente, a sua competência linguística depende, em larga medida, da natureza, distribuição e qualidade dos dados utilizados no seu desenvolvimento. Bender et al. (2021) chamam a atenção para os riscos associados a modelos linguísticos de grande escala, sobretudo quando estes são construídos sobre enormes quantidades de dados cuja composição e proveniência nem sempre são suficientemente conhecidas ou documentadas. Os autores defendem, entre outras medidas, maior atenção à documentação e curadoria dos conjuntos de dados.
Para Angola, esta questão é particularmente problemática. Se uma tecnologia aprende português sobretudo a partir de corpora produzidos em Portugal e no Brasil, a sua capacidade de representar o português utilizado em Angola pode ficar condicionada por uma assimetria estrutural: a máquina conhece melhor aquilo que foi mais abundantemente escrito, digitalizado e disponibilizado. Não se trata necessariamente de uma intenção explícita de excluir Angola. É uma consequência do próprio regime de produção e distribuição dos dados. Porém, uma consequência não deixa de produzir efeitos sociais.
A literatura sobre o português de Angola já demonstrou que não estamos perante uma simples reprodução do português europeu. Chavagne (2005), numa investigação ampla sobre o português em Angola, descreveu características fonológicas, lexicais e sintácticas próprias e mostrou a importância do contacto com as línguas bantu na formação da variedade angolana. Do mesmo modo, Mingas (2000) analisou a interferência do Kimbundu no português falado em Luanda, contribuindo para demonstrar que determinadas estruturas do português angolano não podem ser compreendidas adequadamente se forem analisadas exclusivamente a partir da norma europeia.
A consequência para a inteligência artificial é contundente: se os modelos linguísticos forem avaliados apenas pela proximidade relativamente ao português europeu, poderão transformar características legítimas do português angolano em “erros”. Uma construção frequente entre falantes angolanos pode ser corrigida automaticamente porque não corresponde ao padrão dominante nos dados de treino. Um termo de uso corrente em Angola pode ser substituído por outro mais frequente em Portugal ou no Brasil. Uma construção sintáctica própria pode ser classificada como inadequada. O algoritmo, neste caso, não está simplesmente a corrigir a língua: está a aplicar uma determinada concepção de língua.
É neste ponto que a distinção entre norma e normalização algorítmica se torna indispensável. A norma linguística é uma construção social, histórica e institucional. O algoritmo, porém, pode produzir uma aparência de neutralidade: apresenta uma determinada forma como “correcta” sem revelar necessariamente os critérios linguísticos, estatísticos ou socioculturais que sustentaram essa escolha. A correcção automática pode, assim, converter uma preferência estatística numa prescrição linguística.
Blodgett et al. (2020) são particularmente importantes para esta discussão. Ao analisarem estudos sobre enviesamento em tecnologias de processamento de linguagem natural, os autores mostram que o problema do enviesamento linguístico não pode ser reduzido a uma questão puramente técnica. A tecnologia está relacionada com hierarquias sociais e com relações de poder; por isso, é necessário perguntar que comportamento do sistema é considerado problemático, para quem e porquê.
Aplicada ao contexto angolano, esta perspectiva permite formular uma questão incómoda: quando uma inteligência artificial corrige sistematicamente o português angolano segundo padrões externos, está a corrigir um erro ou está a reproduzir uma hierarquia linguística?
A questão torna-se ainda mais séria no domínio da educação. Imagine-se um estudante angolano a utilizar uma ferramenta de inteligência artificial para produzir um trabalho académico. Se o sistema considerar automaticamente inadequadas determinadas construções recorrentes no português angolano, o estudante poderá ser levado a abandonar formas linguísticas próprias para se aproximar do modelo dominante apresentado pela tecnologia. A IA passaria, assim, de instrumento auxiliar de escrita a agente indirecto de normalização linguística.
Não significa isto defender que toda e qualquer construção utilizada em Angola deva ser automaticamente considerada normativa. Seria cientificamente insustentável. Uma língua de escolarização necessita de normas, sobretudo em contextos formais. O problema está em outra parte: não se pode confundir norma escolar, norma ortográfica e descrição sociolinguística. O AO90 estabelece princípios ortográficos comuns; não determina que todas as variedades do português tenham de apresentar a mesma sintaxe, o mesmo léxico ou a mesma pronúncia. O próprio texto do acordo resulta de um compromisso entre diferentes países lusófonos.
A UNESCO, na sua Recomendação sobre a Ética da Inteligência Artificial, reconhece precisamente que os sistemas de IA podem reproduzir ou ampliar desigualdades e estabelece a necessidade de respeitar a diversidade cultural e linguística. O documento recomenda que os sistemas sejam desenvolvidos tendo em conta diferentes grupos linguísticos e defende o acesso a conteúdos e serviços localmente relevantes, respeitando o multilinguismo e a diversidade cultural.
Para Angola, esta recomendação deveria ser tomada como uma questão de política linguística e tecnológica, não apenas como princípio ético abstracto. É necessário produzir corpora representativos do português angolano, documentar as suas variedades, criar recursos lexicográficos e gramaticais digitais, desenvolver bancos de dados de fala e escrita e incluir investigadores angolanos nos processos de construção e avaliação das tecnologias linguísticas.
O problema é que Angola corre o risco de entrar na era da inteligência artificial como consumidora de tecnologias linguísticas produzidas a partir de outras realidades sociolinguísticas. Se não houver investimento na documentação digital das línguas e variedades angolanas, os algoritmos continuarão a aprender Angola de forma indirecta, fragmentária e frequentemente através de dados produzidos fora do país.
A questão, portanto, não é saber se o algoritmo fala português. A questão é saber de quem é o português que o algoritmo fala.
Esta pergunta desloca o debate da tecnologia para a política linguística. Uma inteligência artificial não nasce linguisticamente neutra. Ela é alimentada por dados, modelos, critérios de avaliação e decisões humanas. Quando esses elementos privilegiam determinadas variedades, instituições ou comunidades linguísticas, o sistema tende a reproduzir essa distribuição de poder.
O desafio angolano não consiste em rejeitar a norma portuguesa nem o AO90. Consiste em impedir que a norma ortográfica seja transformada, pela tecnologia, numa espécie de norma total, capaz de decidir aquilo que conta como português legítimo em todos os níveis da língua. O AO90 pode estabelecer uma convenção ortográfica comum; não deve ser convertido numa licença para apagar a diversidade estrutural do português em Angola.
Em última análise, a discussão sobre IA e português angolano revela um problema maior: quem possui os dados possui também parte do poder de representar linguisticamente uma sociedade. Se Angola não produzir os seus próprios recursos linguísticos digitais, outros continuarão a produzir modelos sobre Angola a partir de dados insuficientes, assimétricos ou indirectos.
A inteligência artificial pode contribuir para a valorização do português angolano, mas isso não acontecerá automaticamente. Será necessário construir corpora, dicionários, gramáticas, bases de dados de fala, recursos computacionais e critérios próprios de avaliação. Caso contrário, o algoritmo fará aquilo que os instrumentos normativos fizeram durante muito tempo: apresentará como universal uma variedade particular.
E aqui reside a provocação central: o verdadeiro perigo não é a máquina falar português europeu; é a máquina fazer-nos acreditar que esse é o único português que merece ser reconhecido como correcto.
Fernando Chilumbo é estudante de Língua e Literaturas em Língua Portuguesa na Universidade Agostinho Neto, professor e investigador em Linguística, com interesse no português de Angola, Sociolinguística, contacto linguístico e políticas linguísticas.
Leave a Reply