Antes de existir o retrato, já existia a régua.
Notícias Relacionadas
Pois bem, antes de eu te explicar qualquer coisa, eu quero que você faça uma coisa comigo, e vai levar três minutos, é de graça e você faz no mesmo celular em que está lendo. Abra qualquer gerador de imagem gratuito, desses que já vêm dentro do aplicativo que você usa, e peça, sem colocar nenhum adjetivo, sem dizer cor, sem dizer cabelo, sem dizer nada: “gere a foto de uma pessoa de rosto bonito”. Depois peça “gere a foto de um médico brasileiro”. Depois peça “gere a foto de um paciente de cirurgia plástica facial”. Guarde as três e olhe com calma para a cor da pele, para o formato do nariz e para a textura do cabelo que apareceram ali sem que ninguém tivesse pedido.
Agora faça a quarta, que é a que interessa. Descreva você, a sua cor, o seu cabelo, o seu nariz, e peça a mesma foto. Repare se a máquina obedece de primeira, se ela suaviza no meio do caminho aquilo que você pediu, ou se ela simplesmente devolve outra pessoa.
Já se imaginou, você mesmo daí do outro lado que está lendo agora, você já se imaginou sendo medido a vida inteira por uma vara que não foi cortada no seu tamanho? Porque foi isso que acabou de acontecer na sua mão, e eu preciso que você entenda que a máquina funcionou exatamente como foi ensinada nesse momento, acertando em cheio aquilo que alguém, muito antes dela, decidiu chamar de rosto normal.
Essa decisão é bem mais velha que o computador. A palavra cânone vem do grego kanón, que quer dizer vara reta, o caniço que os antigos usavam justamente para medir, e repare na coincidência: a mesma vara que aparece enrolada pela serpente no bastão de Asclépio, símbolo da medicina até hoje na porta da unidade de saúde do seu bairro, é também a vara que serviu para dizer quem tinha o corpo certo e quem não tinha.
Aliás, muito antes de a Grécia formular qualquer cânone de proporção do corpo humano, os egípcios já desenhavam gente dentro de uma grade de quadrados, um sistema de proporção que eles usaram e ensinaram durante milênios, e que é a razão pela qual as figuras nos túmulos guardam a mesma medida atravessando dinastias inteiras. Já imaginam a cor de quem estava desenhando e de quem estava sendo desenhado ali, correto?
Porém a régua que a minha especialidade herdou não veio do Egito. Eu sou cirurgião plástico facial, e isso quer dizer, na prática, que eu analiso faces como forma de trabalho. Os cânones de proporção facial que a cirurgia usa até hoje, aquelas medidas que dizem em quantas partes um rosto se divide e qual ângulo o nariz deveria fazer com o lábio, foram formulados a partir da escultura europeia e depois refinados pela antropometria do século XIX, que era uma ciência de medir crânio e nariz com o propósito declarado de hierarquizar povos. Quando eu abro um artigo e encontro um valor de referência para a projeção da ponta nasal, eu sei de onde aquele número saiu, e sei que ele não saiu de um rosto parecido com o meu.
E aqui a história da arte e a história da medicina são a mesma história, porque essa medição não começou no hospital, começou no ateliê. Em 1865 e 1866, a expedição Thayer, chefiada pelo naturalista Louis Agassiz, fotografou homens e mulheres escravizados no Brasil, de frente e de perfil, com o objetivo declarado de produzir prova visual da inferioridade dos povos africanos, e essas fotografias estão hoje guardadas no Peabody Museum, em Harvard. Mais de um século depois, a artista Rosana Paulino pegou uma dessas imagens, recortou, costurou e suturou aquele corpo de volta em trabalhos como a série Assentamento, devolvendo história a uma mulher que tinha sido reduzida a medida. Eu insisto nessa ponte porque aquela fotografia antropométrica é a avó direta do banco de imagens que treina reconhecimento facial hoje, e porque a artista já fez com aquele arquivo o trabalho de reparação que a engenharia ainda não fez.
Inclusive, se isso parece coisa de museu, lembre de algo mais recente e mais banal: durante décadas a indústria fotográfica calibrou a cor dos filmes a partir de cartões com uma modelo branca, os chamados cartões Shirley, e o resultado é que pele negra saía subexposta em foto de formatura, de casamento e de família no mundo inteiro, por decisão de fábrica. A câmera nunca foi neutra, e o modelo que aprendeu olhando as fotos dela também não nasceu neutro.
Há também o risco de a gente achar que isso melhora sozinho, com o tempo e com computador mais potente. Em 2018, as pesquisadoras JoyBuolamwini e TimnitGebru avaliaram os sistemas de análise facial de três grandes empresas de tecnologia, medindo quanto eles erravam ao classificar o gênero de uma pessoa a partir da foto do rosto, e encontraram 0,8% de erro para homens de pele clara e quase 35% para mulheres de pele escura, chegando a 46,8% entre as mulheres de pele mais escura da escala. A máquina enxergava com nitidez quem tinha servido de molde e errava em todo o resto, e guarde essa data, porque o estudo saiu em 2018, foi publicado em conferência e as empresas foram avisadas em público.
E é justamente aí que entra o trabalho da cientista da computação Nina da Hora (@ninadhora), publicado este ano, 2026, na revista da FAccT (Fairness, Accountability, andTransparency), a conferência da ACM (Association for Computing Machinery) sobre justiça e transparência algorítmica. Ela cunhou o termo epistemicídio computacional para descrever sistemas de reconhecimento facial que fabricam um rosto canônico, alinham todo mundo a ele e negam existência computacional a quem não encaixa, e testou três arquiteturas diferentes e recentes, encontrando o mesmo padrão de disparidade racial nas três. Ou seja, oito anos e uma geração inteira de modelos depois, trocar de arquitetura não resolve, porque a régua que todas elas herdaram é a mesma.
A proposta que ela apresenta é recusar com precisão determinados usos e construir reparação computacional junto com as populações afetadas, e não sobre elas. O termo dela tem linhagem brasileira, vale dizer, porque epistemicídio é conceito que Sueli Carneiro elaborou para nomear o apagamento sistemático do saber negro, e a Nina levou esse conceito para dentro do código.
Isso desce direto para quem decide compra, e é a parte que eu queria que chegasse na mesa do diretor de hospital, do gestor público de saúde e de quem investe em saúde digital. Existe uma pergunta só que separa fornecedor sério de vendedor de slide, e ela é: me mostre o desempenho do seu algoritmo separado por subgrupo. Desempenho médio esconde desempenho ruim em minoria, e essa é hoje a discussão central em periódicos como o NEJM AI, que vem publicando sobre avaliação confiável de inteligência artificial clínica em populações diversas. Num país com a composição racial que o nosso tem, comprar algoritmo sem exigir esse recorte é comprar risco assistencial e risco jurídico dentro do mesmo pacote.
Por isso eu bato tanto na tecla do estudo. Eu vim de escola pública e passei a vida fazendo prova para entrar em lugar que não tinha sido desenhado para mim, e a prova de agora, a do letramento em inteligência artificial, tem uma particularidade que eu nunca tinha visto antes: que é, até o advento do GPT, não tinha cursinho, não tinha apostila e não tinha ninguém que já tinha feito a prova três vezes antes de você.
Esse momentoé raro o suficiente para a gente não desperdiçar. Se quiser começar hoje e sem gastar nada, faça o teste lá de cima. Se quiser ir mais fundo, fica o livro do século e um dos meus preferidos: Um Defeito de Cor, da Ana Maria Gonçalves, que fala justamente sobre aquilo que nenhum manual de tecnologia ensina, que é quem ganha o direito de ter a própria história registrada. Quer tecnologia maior que essa?
Duas ressalvas de médico antes de encerrar. Não suba foto do seu rosto nem do rosto de outra pessoa em ferramenta gratuita, porque imagem facial é dado pessoal sensível e você não sabe onde ela vai parar, e repare que o teste que eu pedi é de geração de imagem e não exige nenhuma foto sua. E nada do que você conversar com uma inteligência artificial substitui consulta, exame e olho no olho, então se apareceu dúvida sobre o seu corpo, procure a unidade básica mais perto de você, o SUS ou uma clínica popular.
Primeiro o diagnóstico, depois o tratamento e se possível, sempre a prevenção. O diagnóstico está feito, a régua não foi cortada no nosso tamanho. O tratamento é aprender a mexer na ferramenta antes que ela termine de aprender sem a gente. E a prevenção é garantir que nenhum rosto volte a ser treinado dentro de uma medida só.
Faça o teste, salve as quatro imagens e mande para alguém que precisa ver isso. Diferentemente do que pregam, uma vela não perde nada ao compartilhar sua chama com outra vela.
Escrevo do negro para o negro.
Sejam médicos, sejam mágicos, sejam fodas.
Eu sou Dr. Lucas Diniz, cirurgião plástico facial pela USP, CRM-SP 194459, RQE 111712, pesquisador de Inteligência Artificial para Cirurgias Craniofaciais da perspectiva da população negra.
Este texto é informativo e educativo e não substitui consulta, diagnóstico ou tratamento médico formal.
Notícias Recentes
Participe de nosso grupo no Telegram
botão abaixo para acessar as novidades.