Por que não vou ler ficção escrita por LLMs: Perfis estatísticos e o problema da escrita mediana
Chris McCormick, um desenvolvedor de software independente, tem uma posição clara: ele não vai ler ficção escrita por LLMs. Em uma postagem recente no blog, ele explica por quê — e não é sobre qualidade ou enredo, mas sobre a impressão digital estatística da prosa.
O argumento central
McCormick aponta que todo escritor tem um perfil estatístico único — uma tendência a escolher certas palavras em vez de outras. Quando você lê o trabalho de alguém, você absorve esse perfil, e isso empurra sua própria escrita em direções novas. Esse efeito é especialmente forte com ficção, que tende a ser escrita do coração e mais próxima da criatividade natural e crua.
LLMs, no entanto, amostram de uma distribuição que representa um "modo mediano de escrever". Como McCormick coloca: "O perfil estatístico da escrita de LLM é próximo do normal. É literalmente assim que LLMs funcionam." Para ele, ler ficção deve empurrar sua mente para o inesperado, não para a média.
Ele escreve: "Eu simplesmente não quero que minha mente seja empurrada em direção ao estatisticamente normal quando estou lendo ficção. Isso é exatamente o oposto do que eu quero da experiência."
Por que isso importa para desenvolvedores e usuários de IA
Para desenvolvedores que constroem ou usam ferramentas baseadas em LLM, esta é uma lente útil: a "voz" de um LLM é inerentemente média. Se você está usando o mesmo modelo para toda a sua escrita — seja em comentários de código, documentação ou projetos criativos — sua produção pode tender a um estilo homogeneizado. Isso é bom para texto padronizado, mas se a singularidade importa, variar conscientemente suas entradas (incluindo a leitura de autores humanos) pode ajudar.
McCormick até nota que ele parou de ler ficção completamente em alguns momentos, mas sempre volta, porque isso renova seu próprio perfil estatístico. "Suas palavras começam a brilhar levemente", diz ele.
O requisito humano
Sua conclusão: "Para qualquer peça de ficção que eu ler dos anos 2020 em diante, quero saber 'este texto foi escrito por um ser humano em suas próprias palavras'."
O post é um ensaio em primeira pessoa, em vez de um guia técnico, mas levanta uma questão prática para qualquer pessoa que usa ferramentas de escrita com IA: como você preserva seu próprio viés criativo?
📖 Leia a fonte completa: HN LLM Tools
👀 See Also
Treinando GPT-1 em uma RTX 2060 Super 8GB – Prova de Conceito para Pré-treinamento Local
Um desenvolvedor treinou o GPT-1 original (117M parâmetros) em uma RTX 2060 Super local com 8GB VRAM em 1 hora, provando que qualquer pessoa com uma GPU gamer pode pré-treinar um modelo de 1B de parâmetros. O código e os pesos são open-source.
Quando Todos Têm IA, mas a Empresa Ainda Não Aprende Nada: O Meio Confuso da Adoção de IA Corporativa
O modelo de Ethan Mollick mostra que ganhos individuais de produtividade com IA não se transformam automaticamente em aprendizado organizacional. O artigo explora por que as empresas estão presas em um 'meio-termo bagunçado', onde o uso de IA é desigual, oculto e desconectado do conhecimento compartilhado.
Google's TimesFM 2.5: modelo de séries temporais com 200 milhões de parâmetros e contexto de 16k
O Google Research lançou o TimesFM 2.5, um modelo de base com apenas decodificador de 200 milhões de parâmetros para previsão de séries temporais, com comprimento de contexto de 16k e previsão de quantis contínuos até o horizonte de 1k.
OpenAI dissolve equipe de preparação semanas antes da desaceleração crítica do modelo
A OpenAI desativou sua equipe de preparação em julho, semanas antes de um modelo atingir um limite crítico de segurança cibernética. A equipe que avaliava riscos catastróficos não existe mais como unidade.