Não se preocupe, você não vai ficar bravo.
Se você acha que a correção automática do seu iPhone quebrou recentemente – você está corrigindo inexplicavelmente palavras como “vem” para “coca” e “inverno” para “w Inter” – então você não é o único.
Para julgar por comentários on-line, centenas de slöuth na Internet pensam da mesma forma, com alguns temendo que isso nunca seja resolvido.
A Apple lançou seu sistema operacional mais recente, iOS 26, em setembro. Cerca de um mês depois, abundam as teorias da conspiração, e uma vídeo supostamente mostrando um teclado do iPhone que altera a grafia da palavra “thumb” para “thjmb” recebeu mais de 9 milhões de visualizações.
“Existem muitas formas diferentes de autocorreção”, diz Jan Pedersen, estatístico pioneiro no trabalho de autocorreção para a Microsoft. “É meio difícil saber que tecnologia as pessoas estão realmente usando para fazer suas previsões, porque está tudo abaixo da superfície”.
Um dos padrinhos da autocorreção disse que aqueles que esperam por uma resposta talvez nunca saibam como funciona essa nova mudança – especialmente considerando quem está por trás dela.
Kenneth Church, um linguista computacional que ajudou a criar alguns dos primeiros métodos de autocorreção na década de 1990, disse: “O que a Apple faz é sempre um segredo profundo e obscuro. E a Apple é melhor em guardar segredos do que a maioria das empresas.”
A Internet tem sido burburinhos sobre autocorreção nos últimos anos, desde antes do iOS 26. Mas há pelo menos uma diferença tangível entre o que é a autocorreção agora e o que era anos atrás: inteligência artificial, ou o que a Apple chamouem seu lançamento do iOS 17, um “modelo de linguagem de aprendizado de máquina no dispositivo” que aprenderia com seus usuários. O problema é que isso pode significar muitas coisas diferentes.
Em resposta a uma pergunta do Guardian, a Apple disse que atualizou a correção automática ao longo dos anos com a tecnologia mais recente e que a correção automática agora era um modelo de linguagem no dispositivo. Eles disseram que o problema do teclado no vídeo não estava relacionado à correção automática.
A correção automática é uma evolução de uma tecnologia anterior: a verificação ortográfica. A verificação ortográfica começou por volta da década de 1970 e incluía um comando inicial no Unix – uma linguagem de codificação – que listava todas as palavras com erros ortográficos em um determinado arquivo de texto. Isso era simples: compare cada palavra de um documento com um dicionário e informe ao usuário se alguma palavra não aparecer.
“Uma das primeiras coisas que fiz no Bell Labs foi adquirir os direitos dos dicionários britânicos”, disse Church, que os utilizou em seus primeiros trabalhos sobre autocorreção e em programas de síntese de fala.
A correção automática de uma palavra – isto é, sugerir em tempo real que um usuário pode ter querido dizer “dele” em vez de “deles” – é muito mais difícil. É uma questão de matemática: o computador precisa decidir estatisticamente se por “graff” você provavelmente quis dizer uma girafa – com apenas duas letras de diferença – ou um homófono, como “gráfico”.
Em casos avançados, a correção automática também deve determinar se uma palavra real em inglês que você usou é realmente apropriada para o contexto ou se você provavelmente quis dizer que seu filho adolescente era bom em “matemática” e não em “metanfetamina”.
Até alguns anos atrás, a tecnologia mais recente eram os n-gramas, um sistema que funcionava tão bem que a maioria das pessoas o considerava um dado adquirido – exceto quando parecia não reconhecer nomes menos comuns, ele substituía cuidadosamente os palavrões por alternativas insatisfatórias (algo que poderia ser irritante) ou apócrifas. frases alteradas que “carregava um bebê em um táxi” até “engoliu um bebê em um táxi”.
depois da campanha do boletim informativo
Simplificando, n-gram é uma versão muito básica de LLMs modernos como ChatGPT. Eles fazem previsões estatísticas sobre o que você provavelmente dirá com base no que você disse antes e em como a maioria das pessoas termina a frase que você começou. Diferentes estratégias técnicas afetam os dados que uma autocorreção de n-gramas absorve, diz Church.
Mas eles não são mais o que há de mais moderno; estamos na era da IA.
A nova oferta da Apple, um “modelo de linguagem de transformador”, envolve uma tecnologia que é mais complexa do que a antiga autocorreção, diz Pedersen. Um transformador é um dos principais avanços subjacentes a modelos como ChatGPT e Gemini – torna estes modelos mais sofisticados na resposta a questões humanas.
O que isso significa para a nova autocorreção é menos claro. Pedersen diz que tudo o que a Apple implementou provavelmente será muito menor do que os modelos familiares de IA – caso contrário, não poderia funcionar em um telefone.
Mas, o que é mais importante, é provável que seja muito mais difícil entender o que está errado nas novas autocorreções do que nos modelos anteriores, devido aos desafios de interpretação da IA.
“Existe toda essa área de explicabilidade, interpretabilidade, onde as pessoas querem entender como as coisas funcionam”, disse Church. “Com os métodos mais antigos, você pode realmente obter respostas para o que está acontecendo. As melhores e mais recentes coisas são como mágica. Funciona muito melhor do que os mais antigos. Mas quando acontece, é muito ruim.”
