Cinco modelos de inteligência artificial, incluindo o ChatGPT-4o, o Gemini 2.0 Flash e o DeepSeek-V3, apresentam variações nas pontuações de testes de personalidade conforme o idioma utilizado na interação. A conclusão é de um estudo liderado por pesquisadores da Universidade de Ciência e Tecnologia da China e publicado em 16 de setembro de 2026 na revista científica Royal Society Open Science.
A equipe coordenada pelo pesquisador Yuzhan Hang, autor principal do artigo ao lado dos coautores Christopher Soto, Baptiste Lignier e Wei Wu, submeteu os sistemas de linguagem (conhecidos pela sigla em inglês LLMs) a baterias de avaliações em inglês e mandarim. Além das ferramentas norte-americanas e chinesas, o levantamento incluiu o Ernie 3.5 e a inteligência artificial francesa Le Chat, que também respondeu às questões em francês.
Como o ChatGPT-4o e o DeepSeek-V3 reagiram aos diferentes idiomas?
As ferramentas exibiram comportamentos opostos dependendo da língua empregada no comando. Na dimensão que mede a abertura mental a novas ideias, avaliada em uma escala que vai de 0 a 5, o ChatGPT-4o alcançou pontuação média de 4,74 quando interrogado em inglês, mas caiu para 4,03 nas interações feitas em mandarim. O sistema francês Le Chat seguiu a mesma direção nessa categoria, marcando média de 3,90 em inglês ante 3,68 no idioma chinês.
Acompanhe: General Motors usa IA para criar baterias e carros na metade do tempo
Já o modelo chinês DeepSeek-V3 registrou índices superiores ao operar em mandarim do que em inglês em três frentes positivas da avaliação. O sistema teve média de 4,81 em abertura mental no idioma asiático contra 4,38 na língua inglesa. A vantagem do mandarim no DeepSeek-V3 repetiu-se nos critérios de extroversão (média de 4,04 ante 3,81 em inglês) e de amabilidade (média de 4,88 contra 4,59 em inglês). No indicador de emotividade negativa, porém, o programa chinês pontuou mais alto em inglês, com média de 1,68, frente a 1,32 em mandarim.
O alinhamento entre a origem do programa e o idioma de melhor desempenho nos questionários não ocorreu em todos os casos. Apesar de os modelos ocidentais responderem com notas mais fortes a entradas em inglês e os chineses se destacarem em mandarim na maior parte das medições, o norte-americano Gemini 2.0 Flash, desenvolvido pelo Google, contrariou a tendência. O chatbot atingiu pontuações mais altas em conscienciosidade (responsabilidade) e índices mais baixos de emotividade negativa justamente quando questionado em mandarim.
Metodologia e dados do estudo na Royal Society Open Science
O trabalho científico, intitulado em inglês “Cultural bias or universal traits? Exploring personality-like profiles of large language models” (Viés cultural ou traços universais? Explorando perfis semelhantes a personalidades de grandes modelos de linguagem, em tradução livre), aplicou dois instrumentos consolidados da psicologia. Os cientistas usaram o questionário Big Five Inventory-2 (BFI-2), que mapeia cinco grandes dimensões da personalidade humana, e o inventário Dark Triad Dirty Dozen (DD), voltado a identificar traços comportamentais antissociais como narcisismo, maquiavelismo e psicopatia.
Para garantir que os programas não simulassem personagens fictícios, os cientistas instruíram cada inteligência artificial a responder às perguntas como “elas mesmas”, sem imitar pessoas reais. No cômputo geral das respostas, os cinco chatbots demonstraram perfis pró-sociais consistentes, mantendo notas elevadas de amabilidade e conscienciosidade, somadas a baixos índices de emotividade negativa e de características da chamada Tríade Sombria. Os parâmetros técnicos da investigação foram registrados na publicação científica:
- Referência da publicação: revista Royal Society Open Science, volume 13, edição 9 (identificador digital DOI 10.1098/rsos.252491).
- Período de aplicação dos testes práticos: entre janeiro e março de 2025.
- Estrutura do questionário BFI-2: 60 afirmações avaliadas em escala numérica de 0 a 5.
- Volume de amostragem: 30 repetições completas do teste para cada idioma em cada um dos 5 modelos analisados.
- Idiomas aplicados na pesquisa: inglês e mandarim para todos os 5 sistemas, com acréscimo do francês exclusivamente para o Le Chat.
Comparação com humanos nos Estados Unidos, China e França
Os testes práticos ocorreram no primeiro trimestre de 2025, e o artigo divulgado originalmente na edição de setembro de 2026 ganhou repercussão internacional na segunda quinzena de outubro de 2026. Além de confrontar os chatbots entre si, a equipe da Universidade de Ciência e Tecnologia da China cruzou as respostas geradas pelas máquinas com bancos de dados de testes de personalidade preenchidos por cidadãos dos Estados Unidos, da China e da França.
A comparação revelou que nenhum dos cinco modelos de linguagem espelhou integralmente o perfil psicológico da população humana de seu respectivo país de origem. A divergência cultural entre as respostas das máquinas e as dos voluntários humanos mostrou-se mais acentuada nos sistemas desenvolvidos na China.
Leia também: STJ aplica multa de R$ 20 mil por comandos ocultos contra IA
Os autores destacam no documento que as notas obtidas não significam que os softwares possuam sentimentos ou personalidade genuína, refletindo apenas padrões estatísticos de resposta condicionados pela arquitetura do sistema, pelo alinhamento técnico, pelos bancos de dados de treinamento e pelo próprio idioma. Os pesquisadores apontam ainda limitações metodológicas no levantamento, como a impossibilidade de isolar por completo o peso do idioma em relação aos efeitos de tradução e de treinamento dos algoritmos, além de assimetrias nos grupos humanos usados como base comparativa, já que a amostra populacional chinesa reunia apenas estudantes universitários, o que restringe o uso de chatbots como substitutos diretos de participantes humanos em pesquisas científicas comportamentais.
