Descrições Automáticas de Imagens por IA: Desafios Éticos e Diretrizes para Inclusão no Contexto do GC6

• Julia M. Rossetti Universidade Federal de Mato Grosso http://orcid.org/0009-0008-2394-1643
• Vih Angel S. Silva Universidade Federal de Mato Grosso https://orcid.org/0009-0001-1080-1464
• Luciana C. L. F. Borges Universidade Federal de Mato Grosso https://orcid.org/0000-0001-6251-3010
• Thiago M. Ventura Universidade Federal de Mato Grosso https://orcid.org/0000-0002-3758-5466
• Cristiano Maciel Universidade Federal de Mato Grosso https://orcid.org/0000-0002-2431-8457
• Patricia C. de Souza Universidade Federal de Mato Grosso https://orcid.org/0000-0003-4385-3751
• Eunice P. S. Nunes Universidade Federal de Mato Grosso https://orcid.org/0000-0002-9051-5862

DOI: https://doi.org/10.5753/ihc_estendido.2025.16059

Resumo

Introdução: A descrição automática de imagens por sistemas de inteligência artificial é essencial para a acessibilidade de pessoas com deficiência visual, mas pode reproduzir vieses e comprometer a representatividade. Objetivo: Analisar implicações éticas na geração de descrições, considerando apagamento identitário, viés racial, estereótipos de gênero e invisibilização da deficiência, usando ChatGPT e Gemini. Metodologia: Estudo qualitativo e exploratório com sete imagens contendo marcadores identitários, descritas pelos dois modelos e analisadas por conteúdo temático. Resultados: Algumas descrições, embora coerentes, apresentaram omissões, linguagem genérica e estereótipos, apontando a necessidade de diretrizes para descrições mais representativas e inclusivas.

Palavras-chave: Inteligência Artificial, Acessibilidade Digital, Descrição Automática de Imagens, Ética em IA, Representatividade, Inclusão, GC6

Referências

Adewumi, T., Alkhaled, L., Gurung, N., van Boven, G., & Pagliai, I. (2024). Fairness and bias in multimodal AI: A survey. Disponível em: [link]. Acesso em: 19 ago. 2025.

Almeida, N. M. & Mazzoni, A. F. (2020). Design centrado na pessoa com deficiência: práticas inclusivas na criação de tecnologias assistivas. Revista Brasileira de Design da Informação (InfoDesign), 17(2): 145–159.

Bardin, L. (2016). Análise de conteúdo. Edições 70, Lisboa.

Benjamin, R. (2019). Race after Technology: Abolitionist Tools for the New Jim Code. Polity Press, Oxford.

Birhane, A. & van Dijk, J. (2020). Robot rights? Let’s talk about human welfare instead. In Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, pp. 207–213. ACM.

Brasil (2018). Lei nº 13.709, de 14 de agosto de 2018. Lei geral de proteção de dados pessoais (LGPD). Diário Oficial da União, Brasília. Acesso em: 26 ago. 2025.

Cerejeira, T. L. T. & Alves, J. F. (2022). Narração na audiodescrição por pessoas com deficiência visual: expandindo o campo profissional. Revista Educação e Cultura Contemporânea, 19(59): 114–129.

Chen, M., Cao, Y., Zhang, Y., & Lu, C. (2024). Quantifying and mitigating unimodal biases in multimodal large language models: A causal perspective. Disponível em: [link]. Acesso em: 19 ago. 2025.

D’Ignazio, C. & Klein, L. (2020). Data Feminism. MIT Press, Cambridge, MA.

Duarte, E. F., Alves, D. D., Carneiro, N., Matos, E. S., Baranauskas, M. C. C., & Mendoza, Y. L. L. (2024). GranDIHC-BR 2025–2035 – GC6: Implications of Artificial Intelligence in HCI: A Discussion on Paradigms, Ethics, and Diversity, Equity and Inclusion. In Anais do Simpósio Brasileiro sobre Fatores Humanos em Sistemas Computacionais (IHC), pp. 1027–1045. SBC.

Google AI (2023). Gemini: A multimodal AI system. Disponível em: [link]. Acesso em: 12 maio 2025.

Jiang, L., Zhu, A., & Oppegaard, B. (2025). Audio description automatons: Exploring perspectives on personas for generative AI description writing assistants. In Extended Abstracts of the CHI Conference on Human Factors in Computing Systems. ACM.

Neves, J. (2022). Translation and accessibility: The translation of everyday things. In Zanettin, F. & Rundle, C. (Eds.), Routledge Handbook of Translation and Methodology, pp. 441–456. Routledge.

Noble, S. U. (2018). Algorithms of Oppression: How Search Engines Reinforce Racism. New York University Press.

OpenAI (2025). ChatGPT (versão de maio 2025). Disponível em: [link]. Acesso em: 14 maio 2025.

Pexels (2024). Sobre o Pexels. Disponível em: [link]. Acesso em: 29 mar. 2025.

Pixabay (2024). Termos de serviço. Disponível em: [link]. Acesso em: 29 mar. 2025.

Prabhu, V. U. & Birhane, A. (2020). Large image datasets: A pyrrhic win for computer vision? Disponível em: [link]. Acesso em: 19 ago. 2025.

Rossetti, J. M. R., Borges, L. C. L. F., & Souza, P. C. (2025). Descrição automática de imagens por IA: uma leitura ética e representativa. In Anais do XXIV Simpósio Brasileiro sobre Fatores Humanos em Sistemas Computacionais (IHC 2025). SBC.

Santos, S. & Cavalcante, T. (2020). Acessibilidade e audiodescrição: Um olhar para a aprendizagem dos estudantes com deficiência visual. Educação: Teoria e Prática, 30: 1–19.

Seo, J., Kamath, S. S., Zeidieh, A., Venkatesh, S., & McCurry, S. (2024). Maidr meets AI: Exploring multimodal LLM-based data visualization interpretation by and with blind and low-vision users. In Proceedings of the 26th International ACM SIGACCESS Conference on Computers and Accessibility, pp. 1–31. ACM.

UNESCO (2021). Recommendation on the ethics of artificial intelligence. Technical report, UNESCO, Paris. Aprovada em nov. 2021. Acesso em: 19 ago. 2025.

Venkit, P. N., Srinath, M., & Wilson, S. (2023). Automated ableism: An exploration of explicit disability biases in sentiment and toxicity analysis models. Disponível em: [link]. Acesso em: 19 ago. 2025.

W3C (2018). Accessibility requirements for people with low vision. Disponível em: [link]. Acesso em: 29 mar. 2025.

West, S. M., Whittaker, M., & Crawford, K. (2019). Discriminating systems: Gender, race and power in AI. AI Now Institute, New York. Acesso em: 19 ago. 2025.