Metadados de Proveniência como Lastro Ético para a IA Generativa: Um Framework para Transparência e Conformidade

Metadados de Proveniência como Lastro Ético para a IA Generativa: Um Framework para Transparência e Conformidade

• Autor
• Matheus Gabriel Bezerra Santos
• Co-autores
• Felipe Ivo da Silva
• Resumo

• O avanço da Inteligência Artificial Generativa (IAGen) e dos Grandes Modelos de Linguagem (LLMs) é impulsionado por coleções massivas de dados de treinamento frequentemente subdocumentados. Essa opacidade dificulta a verificação de consentimento, o respeito aos direitos autorais e a mitigação de vieses. Este artigo propõe um framework de metadados de proveniência como um 'lastro ético' para sistemas de IA, permitindo que a IA explicite se a informação gerada provém de fontes confiáveis, protegidas por direitos autorais ou bases públicas. A metodologia consiste em uma análise exploratória da integração entre padrões técnicos, como o C2PA para autenticidade e o PREMIS para preservação. Os resultados preliminares indicam que o uso de metadados criptograficamente verificáveis é essencial para a transparência algorítmica e para o cumprimento da LGPD.

• Palavras-chave
• Metadados de Proveniência, IA Generativa, Lastro Ético, Transparência Algorítmica, C2PA, LGPD.
• Área Temática
• Organização do Conhecimento e Metadados

Voltar Download