Por que todo rosto de IA é igual, e por que o público está começando a odiar isso

Há um momento que se repete sem parar no boom dos dramas de IA. Um espectador rola o feed, assiste a um clipe, curte e então percebe que o protagonista masculino desta série tem o mesmo rosto do protagonista masculino da série anterior, e da que veio antes dela. Mesmo formato de rosto, mesmo cabelo, a mesma franja repartida no meio. As capturas comparativas viralizaram, e a reação ganhou um nome no jargão da internet chinesa: nojo fisiológico.

O motivo pelo qual todo rosto de IA converge para o mesmo rosto não é mistério nenhum. É estatística. Um modelo de vídeo precisa manter um rosto consistente de quadro a quadro, e um rosto simétrico, impecável e sem traços marcantes tem a maior tolerância aos pequenos erros que causam o tremido entre quadros. Traços individuais — um nariz torto, uma pinta, olhos assimétricos — são exatamente o que se quebra quando o modelo renderiza o mesmo rosto trinta vezes por segundo. Então o modelo recorre ao rosto “seguro”, aquele que é a média de todos os rostos com que foi treinado. O que sai é o que um pesquisador chamou de “solução média-ótima” estatística.

A economia empurra na mesma direção. Vídeo generativo é cobrado por segundo, e personalizar um rosto individual significa iterar sobre prompts, travar características e calibrar microexpressões quadro a quadro, o que dobra o tempo. A maioria das equipes que persegue um cronograma de publicação diária pula tudo isso e reaproveita um template de sucesso com uma biblioteca pública de rostos. Existe até um mercado cinza para isso: um pacote de vinte mil clipes de drama supostamente pirateados para treinamento é vendido por menos de um dólar. Quando os próprios dados de treinamento vêm do mesmo punhado de fontes, os rostos que ele produz não têm como não se parecer.

O resultado é uma categoria de conteúdo em que os rostos são perfeitos e intercambiáveis. Uma professora de jornalismo de Tsinghua resumiu o problema numa formulação que pegou: o algoritmo consegue calcular uma nota de beleza, mas não consegue calcular a espessura de uma personalidade humana. A imperfeição é o ponto. Sardas, uma leve assimetria, o jeito como o olho se franze quando alguém sorri de verdade, o jeito como a sobrancelha relaxa quando a pessoa está cansada. São essas coisas que permitem distinguir uma pessoa da outra, e são exatamente o que um modelo otimizado para a suavidade lixa e remove.

Há também um argumento evolutivo escondido aqui. Os humanos são programados para ler rostos em busca de identidade e emoção, e dependemos de pequenas diferenças para distinguir as pessoas. Um rosto padronizado, sem marcas distintivas, dispara o mesmo alarme do vale da estranheza: está perto o suficiente do humano para ser registrado como rosto, mas é diferente o bastante para parecer errado. O nojo não é esnobismo. É uma resposta perceptiva a algo que parece quase humano, mas não é bem.

A mesma dinâmica se manifesta em como o modelo trata a própria identidade. Um “ator” de IA é um ajuste estatístico sobre uma distribuição de expressões, não uma pessoa com sistema nervoso autônomo. Rostos reais se movem por causa da fisiologia e da situação; a sobrancelha de uma pessoa cansada relaxa de um jeito específico, uma pessoa genuinamente divertida franze os olhos. O modelo consegue aproximar essas coisas, mas não consegue originá-las, e a diferença aparece como uma planura sutil que os espectadores percebem mesmo sem conseguir nomear. É a diferença entre uma atuação e uma renderização.

Há um dado concreto que mostra o quanto a homogeneização avançou. Relatos descrevem pacotes de material de treinamento com dezenas de milhares de clipes de dramas curtos, supostamente raspados sem permissão, vendidos por menos de um dólar. Quando os dados de treinamento são tão estreitos e tão amplamente reutilizados, os rostos que eles produzem não têm como não convergir. A mesmice não é um acidente de gosto. É a consequência direta de uma cadeia de suprimentos otimizada para volume barato.

Isso não é apenas uma reclamação estética. Está se tornando uma reclamação comercial. Quando toda série parece a mesma série, nada é memorável, e uma categoria que vive de novidade morre na mesmice. O regulador chinês já está elaborando um padrão de qualidade que transforma a distinção dos personagens em item de pontuação próprio, o que é um sinal claro de onde a indústria espera que esteja a próxima onda de competição. Uma categoria que não consegue distinguir seus próprios personagens é uma categoria que ainda não descobriu por que alguém deveria continuar assistindo.

Há um ponto mais profundo por baixo de tudo isso, que se aplica muito além dos dramas curtos. A IA generativa tende à média porque a média é a aposta mais segura, e a aposta mais segura é o que um modelo probabilístico é treinado para fazer. A criatividade humana tende ao específico porque uma escolha específica é a única coisa que se destaca. A disputa entre as duas está acontecendo agora, em tempo real, em escala massiva, num canto da internet que a maioria dos observadores ocidentais não está acompanhando.

O motivo pelo qual isso importa além da estética é que é um prenúncio de uma questão cultural maior. Se o conteúdo mais barato e mais fácil converge todo para o mesmo visual, o mesmo rosto, a mesma voz, então a internet se torna um salão de espelhos refletindo uma única média estatística de volta para si mesma. As pessoas que combatem essa convergência, as que insistem num nariz torto, num dialeto, numa pausa não planejada, não estão sendo nostálgicas. Estão defendendo aquilo que faz a cultura valer a pena.

O paralelo com o problema mais amplo do lixo gerado por IA é exato. A Deezer relata 75 mil músicas de IA enviadas por dia. Uma auditoria de jornais americanos encontrou 9% dos artigos novos sinalizados como gerados por IA. O fio comum é que ferramentas generativas, operadas sem intenção editorial, produzem uma enxurrada de resultados competentes, mas intercambiáveis. O rosto de IA é apenas o exemplo visualmente mais chocante de um fenômeno que está remodelando música, texto e imagens ao mesmo tempo.

A solução não é tornar os modelos menos suaves. É parar de tratar o padrão do modelo como produto final. A distinção dos personagens precisa ser projetada de propósito, exatamente como um diretor de elenco projeta um elenco. As ferramentas já dão suporte a isso: imagens de referência, keyframes, características travadas. O que falta é vontade de gastar o tempo extra, porque a economia do boom recompensa a velocidade. Os criadores que resistem ao rosto médio são os que ainda terão público quando a novidade passar. Essa é a aposta, e é a mesma aposta que todo meio em amadurecimento impõe a seus criadores: seja específico, ou desapareça na média.

Há razões para pensar que a pressão já está mudando. As plataformas que alimentaram o boom recompensando volume agora começam a recompensar distinção, porque um feed cheio de rostos intercambiáveis é um problema de retenção. O padrão de qualidade é uma alavanca; o algoritmo é outra. Assim que a plataforma deixa de recompensar a mesmice, a economia se inverte, e as equipes que desenvolveram músculo para o design de personagens serão as que estarão posicionadas para vencer. O rosto de IA não vai desaparecer. O que vai desaparecer é a ideia de que dá para vencer com o padrão, e isso é um desenvolvimento saudável para todo mundo que realmente quer fazer algo que valha a pena assistir.