Reconhecimento de insinuações no discurso diplomático chinês e russo usando grandes modelos de linguagem

Lendo nas Entrelinhas

Quando diplomatas falam em público, aquilo que não dizem pode importar tanto quanto as palavras escolhidas. Este estudo investiga se a inteligência artificial moderna consegue captar as insinuações sutis e as mensagens veladas em coletivas de imprensa dos ministérios das Relações Exteriores da China e da Rússia — sinais que ouvintes humanos frequentemente deixam passar, mas que podem influenciar as relações internacionais.

Por que as Insinuações Importam nas Relações Mundiais

A linguagem diplomática é projetada para ser cautelosa e polida. Governos precisam defender seus interesses sem provocar abertamente rivais ou alarmar a opinião pública. Como resultado, autoridades muitas vezes dependem de insinuações — frases que soam neutras na superfície, mas que criticam, alertam ou sinalizam uma posição política de forma discreta. Interpretar mal essas insinuações já contribuiu, no passado, para crises e desconfianças entre Estados. Entender essas mensagens indiretas é especialmente difícil entre línguas e culturas diferentes, onde conhecimentos compartilhados não podem ser dados como garantidos.

Da Teoria Clássica às Máquinas Inteligentes

Durante décadas, linguistas e filósofos estudaram como falantes implicam mais do que dizem literalmente. Teorias iniciais focavam sobretudo nas intenções do falante e assumiam que um ouvinte racional poderia reconstruir o significado oculto. Trabalhos posteriores em “pragmática cognitiva” enfatizaram que entender insinuações também depende dos processos mentais do ouvinte, de seu contexto cultural e do entorno comunicativo. Com base nessas ideias, os autores descrevem as insinuações como estratificadas: a redação visível (nível verbal–semântico), as formas de pensar moldadas culturalmente por trás dela (nível linguístico–cognitivo) e os motivos e estratégias do falante, como crítica, alerta ou preservação de prestígio (nível motivacional–pragmático).

Como o Sistema de IA Foi Construído

Os pesquisadores reuniram quase 1.400 trechos de pergunta–resposta de coletivas oficiais dos ministérios das Relações Exteriores da China e da Rússia realizadas em 2024. Linguistas especialistas anotaram manualmente 498 instâncias em que porta-vozes faziam insinuações em vez de falar de modo direto. Eles agruparam esses casos em três tipos: “insinuações fixas” com formulações estáveis e repetidas (por exemplo, fórmulas diplomáticas de uso corrente), “insinuações culturais” cujo significado depende de conhecimento cultural compartilhado e metáforas, e “insinuações contextuais” que só podem ser reconhecidas observando atentamente a situação imediata e os motivos. Esses exemplos foram usados para construir uma base de conhecimento externa e para projetar um conjunto de regras de raciocínio para um grande modelo de linguagem.

Ensinando o Modelo a Raciocinar em Etapas

A equipe combinou duas técnicas de IA. A Geração-Aumentada por Recuperação (RAG) permite que o modelo busque exemplos relevantes na base de insinuações personalizada sempre que processa uma nova resposta de coletiva. O prompting em Cadeia de Pensamento (CoT) então força o modelo a raciocinar passo a passo: identificar a língua, dividir a resposta em sentenças, checar padrões conhecidos de insinuação, decidir se uma sentença expressa um motivo particular (como crítica ou alerta) por meio de uma estratégia reconhecida (como afirmação factual, contraste ou ironia) e, finalmente, rotulá-la como insinuação fixa, cultural, contextual ou “sem insinuação”. O sistema também realiza uma autoverificação para garantir que o sentido implícito seja realmente diferente da redação literal.

Quão Bem Funcionou?

Para testar o sistema, os autores usaram dados novos de coletivas de imprensa de 2025 em ambas as línguas. No geral, o modelo aprimorado teve um desempenho crível ao identificar mensagens ocultas: detectou a maioria das insinuações genuínas (alta sensibilidade) e alcançou um equilíbrio respeitável entre capturar e superestimar casos (pontuação F1 de 0,83 para russo e 0,76 para chinês). Foi especialmente eficaz com insinuações fixas em ambas as línguas, sustentando a ideia de que padrões estáveis são mais fáceis para máquinas aprenderem. No entanto, teve mais dificuldade com insinuações culturais e contextuais em chinês do que em russo. Os autores atribuem essa lacuna a diferenças de estilo: o discurso diplomático russo frequentemente usa metáforas vívidas e contrastes nítidos que sinalizam crítica ou alerta de modo claro, enquanto o discurso chinês se apoia mais em fórmulas neutras, provérbios e polidez dependente do contexto, que são mais difíceis para o modelo distinguir de enunciados literais.

O que os Erros Revelam — e Como Melhorar

Ao examinar os equívocos, os autores identificaram três problemas recorrentes. Às vezes o modelo “lê demais” o texto, inventando significados ocultos onde não existiam. Às vezes detectava uma insinuação, mas atribuía o tipo errado, borrando a linha entre casos fixos e contextuais. E às vezes tratava simplesmente uma redação direta como insinuação porque certas palavras sensíveis ou padrões familiares estavam presentes. Para enfrentar essas fraquezas, o artigo sugere adicionar muitas frases diplomáticas claras de “sem insinuação” como exemplos negativos, obrigar o sistema a ancorar suas inferências mais firmemente na pergunta real e no contexto circundante, comparar sentenças com a base de conhecimento mais de uma vez com reescritas, e inserir uma etapa de pré-filtro e autoavaliação que pergunte: isto já está explícito, ou é realmente implícito?

Por Que Isso Importa para o Público em Geral

Para não especialistas, a lição principal é que grandes modelos de linguagem já podem ajudar analistas a vasculhar grandes volumes de declarações oficiais e sinalizar trechos onde governos podem estar falando nas entrelinhas. Ao mesmo tempo, o estudo evidencia o quanto a diplomacia depende de cultura, história e estilo — fatores que continuam desafiadores mesmo para IA avançada. Ao unir teoria linguística com ferramentas modernas de IA, este trabalho aponta para sistemas mais confiáveis de monitoramento de sinais sutis na política global, deixando claro que o julgamento humano e a expertise transcultural ainda são essenciais para interpretar o que fica por dizer.

Citação: Guo, Y., Wang, X. Hint recognition in Chinese and Russian diplomatic discourse using large language models. Sci Rep 16, 5751 (2026). https://doi.org/10.1038/s41598-026-36338-z

Palavras-chave: linguagem diplomática, significado implícito, grandes modelos de linguagem, análise cross-linguística, geração com recuperação de informação