O Fenômeno dos Nomes Fantasma: Como a IA Está Contaminando a Publicação Acadêmica

Imagine a seguinte situação: você encontra um pesquisador publicado em dezenas de artigos, apresentado como especialista em vulcões, astronauta, autor de thriller e主持人 de podcast. Só que essa pessoa nunca existiu. Ela é um nome fantasma — inventado repetidamente por modelos de IA que nunca conheceram ninguém com esse nome.

Uma pesquisa recente (arXiv:2606.02184) revelou um dos efeitos colaterais mais curiosos da explosão da IA generativa: nossos sistemas de IA desenvolveram preferências distintas por certos nomes fictícios. E isso não é apenas uma curiosidade. Está criando problemas reais para editoras acadêmicas, repositórios científicos e qualquer pessoa que tenta verificar se um conteúdo na internet foi realmente escrito por um humano.

Por Que a IA Adora Certos Nomes

Quando você pede para um modelo de IA criar um especialista fictício ou um coautor de pesquisa, ele não escolhe de um pool neutro de nomes. Cada família de modelos tem seus favoritos. O Claude, aparentemente, adora Elena Vasquez e Marcus Chen como dupla, frequentemente adicionando Amara Okafor para formar um trio. O GPT tende a usar Elara Voss, mas sem um parceiro fixo. Já o Gemini prefere Aris Thorne e Lena Petrova.

Não é por acaso. Os pesquisadores descobriram que a taxa de coocorrência desses pares de nomes supera amplamente o que seria esperado pelo acaso. É como se cada modelo de IA tivesse lido os mesmos romances de ficção e continuasse escalando os mesmos personagens em novos papéis.

O mais interessante é que essas preferências são específicas por família de modelo e até por versão. Quando uma empresa como Anthropic, Google ou OpenAI atualiza seu modelo, as preferências de nomes fantasmas frequentemente mudam. Isso cria o que os pesquisadores chamam de "pegadas comportamentais datáveis" — marcadores temporais que podem ajudar a determinar quando um conteúdo foi criado, baseado nos nomes que utiliza.

O Problema da Poluição Acadêmica

É aqui que a coisa fica séria. Os pesquisadores identificaram uma contaminação massiva no Zenodo, o repositório oper pelo CERN que emite DOIs reais da DataCite. Encontraram 1.655 registros com autores fantasmas dizendo ser publicados em periódicos que não existem, com datas de publicação fabricadas.

Isso não é apenas sobre artigos falsos esquecidos em algum canto da internet. Esses registros carregam DOIs reais registrados na DataCite, tornando-os capturáveis por qualquer agregador científico que ingere metadados de DOI. Isso inclui Google Scholar, ResearchGate, bases de dados acadêmicas, índices de citação — toda a infraestrutura que pesquisadores dependem para encontrar trabalhos legítimos.

As evidências sugerem data retroativa intencional. Timestamps do servidor da DataCite provam que alguém registrou esses DOIs propositalmente para fazer o conteúdo parecer mais antigo do que realmente é. E aqui está a prova definitiva: 991 desses registros foram registrados em um único mês. Isso não é crescimento orgânico. É um evento de contaminação coordenado.

Os pesquisadores também descobriram que nomes fantasmas aparecem no ResearchGate formando grupos de pesquisa sintéticos com colaboradores de várias famílias de modelos. As datas de publicação nesses registros fornecem uma proxy temporal confiável para janelas de implantação de modelos — essencialmente criando uma linha do tempo de quando diferentes modelos de IA foram lançados, baseada em quando seus "nomes favoritos" começaram a aparecer em pesquisas publicadas.

Por Que Isso Importa Para Desenvolvedores e Líderes de Tech

Você pode estar pensando: "Não sou do meio acadêmico, por que deveria me importar?" Aqui está o motivo:

Primeiro, é um sinal de alerta para autenticidade de conteúdo. Se repositórios acadêmicos — que presumivelmente têm padrões mais rigorosos que a maioria dos cantos da internet — podem ser tão facilmente poluídos, imagine o que está acontecendo com descrições de produtos, textos de marketing, notícias e documentação técnica. Estamos entrando em uma era onde "gerado por IA" não é mais a exceção; está se tornando o padrão.

Segundo, revela padrões ocultos na saída de IA. Entender que modelos de IA têm esses vieses e preferências não é apenas academicamente interessante — é praticamente útil. Se você está construindo aplicações que dependem de conteúdo gerado por IA, saber que modelos têm "nomes favoritos", frases e arquétipos de personagens pode ajudar a construir melhores sistemas de detecção e garantia de qualidade.

Terceiro, destaca a necessidade de práticas de desenvolvimento assistido por IA que levem esses quirks em conta. Aqui na NameOcean, estamos pensando muito sobre como a IA está mudando o desenvolvimento web, hospedagem e presença digital. Esta pesquisa é um lembrete de que ferramentas de IA são poderosas, mas não neutras. Elas carregam suas próprias impressões digitais, seus próprios vieses, suas próprias tendências. Desenvolvedores espertos precisam entender esses padrões, não apenas usar as ferramentas cegamente.

O Problema da Infraestrutura de DOI

Talvez o aspecto mais preocupante desta pesquisa seja o que ela revela sobre a infraestrutura de DOI. DOIs (Digital Object Identifiers) são Supostos para ser a espinha dorsal da comunicação acadêmica — links permanentes e confiáveis para trabalhos científicos. São confiáveis porque presume-se que apontam para conteúdo real com autores reais.

Mas o sistema atual não tem mecanismo para verificar que um registro de DOI corresponde a autores humanos reais que realmente conduziram a pesquisa. Contanto que você possa pagar a taxa de registro e fornecer metadados, você recebe um DOI legítimo. O sistema confia que os registrantes estão agindo de boa fé.

Isso cria um paralelo interessante com registro de domínios. Na NameOcean, sabemos que nomes de domínio são frequentemente a primeira linha de defesa para identidade de marca e confiança. Da mesma forma, DOIs são Supostos para sinalizar confiabilidade no mundo acadêmico. Quando essa confiança é abusada, ela mina todo o sistema — assim como domain spoofing ou ataques baseados em DNS podem minar a confiança na infraestrutura web.

O Que Podemos Fazer?

Os pesquisadores sugerem várias abordagens para enfrentar este problema:

1. Registros de DOI poderiam implementar verificações que marquem padrões suspeitos — como centenas de artigos aparecendo de periódicos que não existem, ou nomes de autores que aparecem em frequência impossível em publicações não relacionadas.

2. Desenvolvedores de modelos de IA poderiam rastrear e auditar seus padrões de geração de nomes mais cuidadosamente, potencialmente reduzindo a memorização de combinações específicas de nomes.

3. Instituições acadêmicas e editoras poderiam implementar verificação mais rigorosa antes de aceitar artigos, incluindo verificação de identidade de autores.

4. Ferramentas de detecção poderiam ser desenvolvidas para identificar conteúdo com autores fantasmas baseado nos sinais reveladores que os pesquisadores identificaram.

Para desenvolvedores construindo aplicações que interagem com conteúdo gerado por IA, a lição é clara: trate a saída de IA com ceticismo apropriado e construa verificação em seus fluxos de trabalho. Não assuma que conteúdo que parece profissional foi necessariamente criado por um profissional.

O Quadro Geral

Esta pesquisa é um vislumbre fascinante do campo emergente de forense de IA — o estudo de como sistemas de IA deixam rastros de seu comportamento que podem ser detectados e analisados. À medida que conteúdo gerado por IA se torna ubíquo, esses rastros se tornam cada vez mais importantes para manter confiança e autenticidade.

Para a comunidade de tecnologia, é um lembrete de que ainda estamos nos primeiros dias de entender como esses sistemas se comportam em escala. O fenômeno dos nomes fantasmas é apenas um exemplo dos padrões inesperados que emergem quando milhões de pessoas começam a usar as mesmas ferramentas de IA. Haverá mais surpresas pela frente.

O que você acha sobre esse fenômeno de autoria fantasma? Está preocupado com conteúdo gerado por IA poluindo a infraestrutura acadêmica e digital? Adoraríamos ouvir sua perspectiva.

Tem perguntas sobre desenvolvimento assistido por IA ou como construir presença digital confiável? Confira as soluções de vibe hosting da NameOcean, projetadas para a era da IA.