IA e cérebro: o que o estudo do MIT mostra de fato

OPINIÃO

O estudo do MIT mediu EEG de 54 pessoas escrevendo com e sem ChatGPT. Achou menos conectividade e menos memória do texto, mas não prova dano cerebral.

As manchetes disseram que "a IA está desligando o seu cérebro". O estudo por trás delas é um preprint do MIT Media Lab e mede algo mais específico: 54 pessoas escrevendo redações, com e sem ChatGPT, com EEG na cabeça. O que ele encontrou é interessante. "Dano cerebral" não está entre os achados.

O que o estudo fez

O artigo se chama "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task". Os participantes, recrutados em algumas instituições acadêmicas próximas entre si, foram divididos em três grupos de 18:

• LLM: escreveu usando o ChatGPT.
• Buscador: usou o Google.
• Só o cérebro: sem ferramenta nenhuma.

Cada pessoa escreveu redações de 20 minutos em três sessões. Houve uma quarta sessão, que só 18 pessoas completaram, em que os grupos trocaram: quem usava o LLM escreveu sem ferramentas e quem escrevia sozinho passou a usar o LLM. O estudo durou cerca de quatro meses e usou um headset de EEG de 32 canais.

O que ele encontrou

• Conectividade cerebral. Segundo os autores, o grupo “só o cérebro” teve as redes mais fortes e amplas, o buscador ficou no meio e o grupo do LLM teve o acoplamento mais fraco. Essa leitura é contestada (veja os limites).
• Memória do próprio texto. Na primeira sessão, nenhuma das 18 pessoas do grupo do LLM (0 de 18) conseguiu citar corretamente uma frase da redação que tinham acabado de escrever. No buscador, 3 de 18 erraram; no só-cérebro, 2 de 18. A diferença entre buscador e só-cérebro não foi significativa, então o contraste é do LLM contra os dois. Nas sessões seguintes isso melhorou, sem sumir: na segunda, 4 de 18 do grupo do LLM ainda erraram a citação e, na terceira, 6 de 18, segundo a discussão do artigo.
• Sensação de autoria. 9 de 18 no grupo do LLM disseram ser donos completos do texto, contra 16 de 18 no grupo “só o cérebro”.
• Qualidade. O resumo diz que o grupo do LLM teve desempenho pior que o do só-cérebro também na pontuação (professores e um juiz de IA) e que as redações de cada grupo foram homogêneas entre si (entidades nomeadas, n-gramas, temas).
• A troca de grupo. Quem passou de LLM para escrever sozinho mostrou conectividade mais fraca. Quem fez o caminho contrário (do só-cérebro para o LLM) mostrou, segundo o resumo, maior recall de memória e reengajamento de regiões occipito-parietais e pré-frontais.

Os autores chamam o conjunto de "dívida cognitiva", uma hipótese: apoiar-se muito na ferramenta pode reduzir o esforço mental e a prática de pensar por conta própria.

O limite: 54 pessoas, uma tarefa, um modelo

• Preprint. Quando este post foi escrito, o artigo não tinha passado por revisão por pares. Até onde consegui verificar, segue como preprint.
• Amostra pequena. São 54 pessoas, e só 18 na sessão de troca. Os próprios autores dizem que são necessárias amostras maiores.
• Escopo estreito. Só o ChatGPT, só texto, só redação em contexto educacional. Não dá para estender a outras ferramentas ou tarefas.
• EEG mede conectividade, não dano. Menos conexões significativas num grupo, na análise do estudo, significa conexões mais fortes em outro grupo, e não necessariamente menos atividade cerebral geral.

Um comentário crítico, de pesquisadores da Universidade de Viena e da TU Dresden, vai além. Segundo eles:

• Faltou poder estatístico. Pelo cálculo deles, seriam necessários cerca de 159 participantes. Algumas análises por tema usaram só 2 a 4 redações por grupo.
• O padrão de EEG é menos limpo. Em certas faixas de frequência, o grupo do LLM teve mais conectividade que o do buscador, e na beta mais que o só-cérebro. As análises estatísticas e as correções para comparações múltiplas estão pouco descritas.
• Há inconsistências no relato. O artigo diz que 55 pessoas completaram o estudo, mas analisa 54. Os resultados da entrevista da sessão 4 aparecem em direções opostas em duas partes do texto.
• Citar uma frase não prova aprendizado. Para eles, “correct quoting” mede pouco, e a sessão 4 pode refletir efeito de prática. Conclusão deles: faltam evidências fortes de que o LLM prejudique o desempenho em si.

Os autores do comentário reconhecem o valor do estudo. Não li uma eventual resposta dos autores originais.

O que isso tem a ver com dados sintéticos

Pouco, em termos de método, mas muito em termos de leitura. Um estudo com 18 pessoas por grupo vira manchete nacional. Resultados sobre dados sintéticos também viram manchete, e a regra para lê-los é a mesma: qual era a amostra, o que foi medido, qual o escopo. É o que tentamos fazer nas nossas análises de papers.

Há também um paralelo prático. O que mais chamou atenção no estudo não foi a ferramenta, e sim o que acontece quando a pessoa deixa de conferir o que ela produz. Num pipeline de simulação, a geração e a anotação são automáticas, mas as decisões (o que gerar, o que variar, como validar com dado real) continuam sendo humanas.

O que levar

• Leia o método e as críticas. “Estudo do MIT” não diz nada sobre amostra, tarefa ou revisão, e há um comentário público com objeções.
• Use a ferramenta como rascunho. O dado mais claro do estudo é a pouca lembrança do texto entre quem o recebeu pronto. Revisar com critério é o que mantém o esforço.
• Automatize a geração, não a conferência. Qualquer etapa automática precisa de um humano que confira o resultado.

---

Tem uma etapa automática que ninguém mais confere? Conte para nós em uma conversa de diagnóstico. Se dado sintético não for o caminho, dizemos isso também.

Fontes

• Kosmyna, N. et al. Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv 2506.08872, 2025 (preprint).
• Stanković, M., Hirche, E., Kollatzsch, S., Doetsch, J. N. Commentary on Kosmyna et al. (2025). arXiv 2601.00856, submetido em dez/2025.