Um relatório da UNESCO e da University College London avaliou até 33 modelos de linguagem com nove conjuntos de dados sobre clima e meio ambiente, em 13 idiomas. Diante de perguntas neutras sobre fatos climáticos estabelecidos, os sistemas acertaram cerca de 90% das respostas. As limitações apareceram quando precisaram interpretar novas informações: mesmo os modelos mais fortes tiveram média de 75% nessas tarefas. Ao avaliar como duas políticas climáticas funcionam em conjunto, a precisão caiu para 33,8%, perto dos 33,3% esperados em uma escolha aleatória entre três respostas.
A equipe também testou como os sistemas reagiam quando uma pessoa contestava uma resposta correta. Nesse experimento, com 15 modelos, oito em cada dez cederam já diante da primeira discordância leve. O desempenho também variou por idioma: a média em inglês foi de 88,6%, contra 81,4% em urdu e 78,3% em suaíli. Os números dizem respeito aos modelos, perguntas e versões avaliados; não descrevem toda resposta produzida por qualquer sistema de IA.
Por que isso importa
O estudo separa a capacidade de recuperar fatos conhecidos da tarefa mais difícil de avaliar novas evidências e interações entre políticas. Também mostra que uma resposta correta pode mudar sob pressão durante uma conversa. Isso não significa que toda informação climática gerada por IA esteja errada, mas reforça a importância de conferir afirmações relevantes em fontes científicas e testar o desempenho em cada idioma, em vez de presumir que os resultados em inglês se aplicam a todos.
Fontes e leituras complementares
Esta história foi escrita com palavras próprias. Estes links identificam as notícias e os anúncios usados para verificar os detalhes.




