Modelo de grande linguagem revela aumento de discurso contrarian sobre o clima no Congresso dos Estados Unidos

Por que isso importa para eleitores comuns

Quando membros do Congresso dos EUA falam sobre mudança climática, eles não estão apenas debatendo ciência — eles moldam o que o público acredita e quais políticas chegam a ser consideradas. Este estudo usa uma nova e poderosa ferramenta de IA baseada em linguagem para vasculhar três décadas de discursos no Congresso, revelando como os argumentos que colocam em dúvida a ação climática mudaram ao longo do tempo, quais políticos mais os empregam e quão estreitamente eles acompanham grandes disputas sobre políticas climáticas. Entender esses padrões ajuda os cidadãos a reconhecer pontos de discurso que atrasam ou bloqueiam soluções, mesmo quando soam razoáveis à primeira vista.

Mapeando a nova linguagem da resistência

Os pesquisadores começaram atualizando um catálogo detalhado, ou “taxonomia”, de argumentos comuns usados para questionar a ciência climática ou postergar a ação. Trabalhos anteriores já haviam agrupado esses argumentos em temas familiares, como alegações de que o aquecimento global não está ocorrendo, que os humanos não são responsáveis, ou que os impactos serão leves. O novo estudo refinou as categorias relacionadas a soluções, distinguindo argumentos que atacam políticas climáticas propostas daqueles que elogiam os combustíveis fósseis como essenciais. Também separou críticas à ciência climática em si de ataques a cientistas e defensores. Esse mapa mais detalhado facilita distinguir entre dúvidas sinceras e pontos de discurso elaborados para minar a confiança ou atrasar mudanças.

Um modelo de IA treinado para identificar padrões

Para aplicar esse quadro ao enorme arquivo de discursos do Congresso, a equipe construiu um modelo de grande linguagem personalizado — um tipo de IA treinada para entender e rotular textos. Primeiro usaram ferramentas existentes focadas em clima para extrair parágrafos que mencionassem mudança climática de mais de 2,5 milhões de trechos de discursos no plenário entre 1994 e 2024. Especialistas humanos então rotularam manualmente uma amostra desses parágrafos usando a taxonomia revisada, fornecendo exemplos de dezenas de tipos específicos de alegações. A IA foi ajustada com esses exemplos usando um método que a ensina a “pensar em voz alta”, percorrendo seu raciocínio antes de escolher rótulos. Isso permitiu que um modelo relativamente pequeno e econômico apresentasse desempenho quase tão bom quanto sistemas muito maiores e mais caros, sendo prático para rodar em coleções enormes de discursos.

Da negação direta a argumentos de adiamento

Uma vez treinada, a IA examinou discursos relacionados ao clima ao longo de 30 anos de debates no Congresso. Constatou que a forma mais comum de discurso contrarian não era a negação direta do aquecimento global, mas alegações repetidas de que as soluções climáticas são demasiado custosas ou inviáveis. Argumentos de que as políticas matariam empregos, prejudicariam pessoas vulneráveis ou constituiriam uma “guerra contra a energia americana” representaram sozinhos cerca de um terço de todas as alegações contrarian. Elogios aos combustíveis fósseis como necessários para o crescimento econômico e a segurança energética também foram amplos. Ataques diretos à ciência climática e assertivas de que o aquecimento não é real ou não é causado por pessoas apareceram com menos frequência, mas dispararam em momentos políticos-chave, como as negociações de Kyoto em 1997, o debate sobre cap-and-trade em 2008–2009 e o Acordo de Paris e o Clean Power Plan em 2015. Com o tempo, a negação não desapareceu; em vez disso, argumentos focados no adiamento acumularam-se sobre ela.

Quem está falando e de onde vêm

A análise revelou uma divisão partidária marcante. Para cada discurso no plenário de um democrata que incluía uma alegação contrarian sobre o clima, havia cerca de 13 desses discursos por republicanos. No total, os republicanos foram responsáveis por mais de nove em cada dez discursos contrarian em todas as categorias. Quando os autores ajustaram pelos números de representantes que cada estado envia ao Congresso, um punhado de estados fortemente dependentes de combustíveis fósseis — como Alasca, Wyoming e Virgínia Ocidental — destacou-se como hotspots intensos, especialmente para alegações de que as soluções não funcionariam ou de que o país precisa de combustíveis fósseis. Modelagem estatística mostrou que identidade partidária e ideologia política foram, de longe, os preditores mais fortes de discurso contrarian. Fatores como idade, gênero, contribuições de campanha de interesses de combustíveis fósseis e emprego local em combustíveis fósseis também importaram, mas seus efeitos foram comparativamente modestos.

O que isso significa para o debate público

Os autores enfatizam que nem toda observação cética sobre políticas climáticas é desinformação; as pessoas podem levantar preocupações reais sobre custos ou justiça. Mas, porque os discursos no Congresso influenciam fortemente a cobertura da mídia e a opinião pública, o uso sistemático de certos argumentos pode borrar a linha entre debate saudável e obstrução organizada. O estudo mostra que, à medida que a ciência climática se solidificou, a resistência no Congresso deslocou-se para lançar dúvidas sobre soluções e defender os combustíveis fósseis, especialmente entre os republicanos. Ao combinar insights psicológicos sobre como argumentos enganosos funcionam com IA moderna capaz de rastreá-los em larga escala, os autores defendem que podemos monitorar melhor a disseminação dessas narrativas, desenhar checagens de fatos e educação pública mais eficazes e preservar espaço para uma discussão democrática genuína sobre como enfrentar a mudança climática.

Citação: Coan, T.G., Malla, R., Nanko, M.O. et al. Large language model reveals an increase in climate contrarian speech in the United States Congress. Commun. Sustain. 1, 37 (2026). https://doi.org/10.1038/s44458-025-00029-z

Palavras-chave: desinformação climática, Congresso dos EUA, combustíveis fósseis, política climática, modelos de grande linguagem