Regimes de verdade produzidos por inteligência artificial generativa

a imagem sintética de Marisa Maiô

Resumo

Em 3 de junho de 2025, Raony Phillips publicou um vídeo com a imagem sintética de uma apresentadora de programa de auditório, gerada por inteligência artificial (IA), nomeada por ele de Marisa Maiô. Essa personagem é uma mulher branca, de cabelo preto e curto, com franja, maquiada, que aparenta ter mais de 60 anos e estar acima do peso. Em seu perfil pessoal e verificado no Instagram (@raonyphillips), ele se descreve como “artista independente, escritor, compositor, ator, ilustrador e diretor”. Raony ficou conhecido midiaticamente pela série “Girls in the house” veiculada no canal Rao TV no YouTube desde 2015, criada e simulada no “The Sims”, jogo eletrônico de simulação da vida real.

O destaque da imagem sintética gerada está na vestimenta inusitada para uma apresentadora de programa de auditório: um maiô preto. É dessa roupagem que lhe foi atribuído o sobrenome (Maiô), que também brinca com a sonoridade do nome principal (Marisa). De imediato, é possível notar uma mistura de humor, pastiche e nonsense (algo sem sentido, nexo ou coerência lógica), que culminaram em sua ampla circulação midiática em plataformas de redes sociais online (Instagram, YouTube, TikTok e Facebook) e noticiabilidade por parte de veículos jornalísticos brasileiros.

O amplo alcance dessa imagem sintética também contribuiu para que ela fosse apropriada pela publicidade, em parceria de anúncios feitos no próprio programa de Marisa, assemelhando-se às técnicas de product placement (inserção comercial de produto em alguma situação do cotidiano), quando um apresentador ou uma apresentadora discorrem sobre as características e os benefícios de um produto ou um serviço durante a exibição do conteúdo audiovisual. Marcas como OLX e Magazine Luiza realizaram inserções publicitárias com Marisa, cujas publicações foram veiculadas no perfil oficial da personagem no Instagram (@marisamaiooficial) e agrupadas por meio da hashtag #programamarisamaiô. As publicações, em sua maioria de caráter semanal, registraram uma média de 100.200 curtidas e 2.300 comentários, em um conjunto de 13 postagens publicadas entre 3 de julho e 13 de agosto de 2025 no perfil oficial, quando os dados para este artigo foram coletados. O perfil analisado possui 202 mil seguidores e segue apenas sete outros perfis.

Como a própria publicação apresenta em comentário do idealizador desse conteúdo, a geração da imagem realizada por inteligência artificial (IA) recorreu à utilização da ferramenta Veo2 da Google. Essa versão foi lançada pela referida empresa em 16 dezembro de 2024, e desde maio de 2025 foi atualizada para a versão mais recente, o Veo3. Como descrito na plataforma online da ferramenta, trata-se de um recurso que possibilita a criação de vídeos de até oito segundos de duração em alta qualidade. A facilidade de uso da ferramenta é destacada na página inicial da plataforma mencionada: “É só descrever o que você pensou e assistir suas ideias tomarem forma com geração nativa de áudio sintético.” Como se pode observar, os próprios usuários têm a possibilidade de escrever comandos (prompts) para que a ferramenta gere imagens estáticas, vídeos ou áudios.

            Foi nesse contexto de lançamento e popularização de ferramentas de inteligência artificial generativa (GenIA), sobretudo com o modelo GPT, a partir de 2020 (Mucci, 2025, online), que Marisa Maiô foi gerada. Nesse sentido, uma primeira interpelação de usuários de plataformas de redes sociais online que se deparam com essa imagem sintética levanta questões que tensionam a dimensão representativa de imagens dessa ordem, suscitando reflexões acerca da veracidade de tal representação. Em vista disso, este artigo busca problematizar: em que medida a imagem sintética de Marisa Maiô gerada por inteligência artificial generativa estabelece outros regimes de verdade?

            O problema a ser investigado busca dialogar com estudos e pesquisas que têm se debruçado sobre a condição ontológica da imagem na cultura digital e na cultura dos dados (Santaella, 2022), caracterizadas por processos de digitalização, datificação, algoritmização e plataformização da web e das sociedades (Gillespie, 2010; Dijck, 2017; Dijck; Poell; Waal, 2018; Gillespie, 2018; Helmond, 2019; Poell; Nieborg; Dijck, 2020; Lemos, 2021). Igualmente, como feito em publicações anteriores (autor removido; Telles, 2025; Lemos, 2025), este trabalho objetiva verificar como se dá a construção do grau de veracidade de imagens sintéticas que se deslocam, em seu nível representacional, de um referente calcado no real experienciado e percebido para um referente que passa a ser o próprio banco de dados que serve para treinamento e aprendizado de máquina por parte de ferramentas de inteligência artificial generativa. Em função disso, configuram-se também como imagens metassintéticas e autorreferentes, que abstraem a realidade (Salgado; Cortez; Ribeiro, 2025), como este trabalho busca elucidar.

Este artigo se caracteriza por uma abordagem exploratória, reflexiva e argumentativa, que busca aprofundar como os regimes de verdade são fabricados por imagens sintéticas. Em vista disso, busca analisar criticamente as fontes teóricas e as tensiona por meio de estudo de caso, tematizar e discutir a geração de imagens sintéticas por GenIAs, atentando para suas dinâmicas lógicas e operacionais de autorreferencialidade e metassíntese. Igualmente, procura tratar dos regimes de verdade, sobretudo conforme as formulações oferecidas por Michel Foucault (1988b apud Lorenzini, 2020; 2009), que auxiliam na compreensão dos graus de veracidade ofertados pelas imagens sintéticas. Também busca analisar a imagem sintética de Marisa Maiô, avaliando os regimes de verdade fabricados conforme cinco categorias analíticas derivadas do operador analítico “regime de verdade”: institucional, técnica, numérica, testemunhal e ritual/espetacular. Por fim, objetiva destacar como as categorias analíticas contribuem para a investigação da constituição de regimes de verdade por imagens sintéticas em plataformas de redes sociais online, retomando as reflexões teóricas e evidenciando a pertinência da noção foucaultiana de “regime de verdade” para investigar a emergência de outros modos de produção do verdadeiro na cultura dos dados, tensionando as fronteiras entre o real, o sintético e o hiper-real.

A noção de “regimes de verdade”, formulada por Michel Foucault em seus cursos no Collège de France, especialmente em “Do Governo dos Vivos” (1979-1980), refere-se ao conjunto de procedimentos, discursos e práticas por meio dos quais a verdade é produzida, legitimada e articulada ao exercício do poder.  regime de verdade não constitui apenas uma abstração filosófica, mas um dispositivo histórico-institucional que sustenta práticas de governo, possibilitando a legitimação do poder por meio de manifestações do verdadeiro. Em outros termos, pela manifestação daquilo que passa a ser tomado como verdadeiro em função de uma representação atestada institucionalmente por uma autoridade que lhe atribui sentido de verdade.

Na cultura dos dados, marcada pela digitalização e pela emergência de imagens sintéticas geradas por GenIAs (Santaella, 2022), a noção foucaultiana adquire atualidade. Tais imagens, como a de Marisa Maiô, circulam sem referencialidade direta no real, instaurando formas próprias de credibilidade baseadas na coerência algorítmica e na repetição midiática. Em vista disso, há um deslocamento do pacto mimético para o interior dos cálculos probabilísticos, em que o verdadeiro se torna aquilo que é reconhecido de modo performativo pelos sistemas midiáticos digitais de circulação e pelos públicos. Em outras palavras, os regimes de verdade passam a operar não mais apenas pela correspondência com um referente empírico, mas pela probabilidade, pela plausibilidade algorítmica e pela legitimação coletiva de conteúdos sintéticos em função de seus efeitos.

Nos termos de Telles (2025, p. 67), “[t]rata-se, portanto, de uma transformação não apenas técnica, mas também epistêmica, em que a percepção do real passa a ser mediada por uma lógica estatística que, embora enraizada em dados do mundo, tende a produzir efeitos normativos sobre o que se torna visível ou crível.” A relação saber-poder na cultura dos dados se instaura pelo controle contínuo, difuso e em tempo real, que modula comportamentos e fluxos coletivos por máquinas informáticas e digitais (Deleuze, 1992). A atualização da noção de “regimes de verdade” exige, portanto, tensionar o argumento histórico e institucional foucaultiano: se outrora a verdade era articulada pela razão de Estado ou pela ciência, agora ela é performada por sistemas algorítmicos que produzem “verdades operacionais” em rede, deslocando o eixo do governo pela verdade para o governo pelos dados.

A relação biunívoca entre a presença de um objeto real preexistente à imagem e a sua projeção ou fixação em um suporte material operada tecnicamente por meio da captura de um instante em termos ópticos (raios luminosos) era o que atestaria a “verdade” da imagem, como sintetiza Couchot (1993) ao discorrer sobre e ao comparar as lógicas figurativas da fotografia e das imagens numéricas. Na lógica da primeira, a imagem se apresenta como representação que opera a ilusão do real, representando algo ao qual não se tem acesso direto.

Na lógica das segundas, também nomeadas como imagens de síntese por Machado (1994), isto é, geradas ou processadas por computador, baseadas em algoritmos de visualização, altamente calculadas, coerentes e formalizadas, independentes de câmeras para sua criação e com grande flexibilidade para manipulação e metamorfose, há uma “total ruptura com a lógica figurativa subjacente à imagem gerada até então pelos procedimentos óticos (ótico-químicos e ótico-eletrônicos)” (Couchot, 1993, p. 39). Trata-se da substituição do automatismo analógico (fotográfico, cinematográfico e televisivo) pelo automatismo calculado, no qual a informação relativa à imagem é tratada numericamente (computacionalmente, digitalmente), como destaca esse autor.

O automatismo das imagens técnicas tem buscado, cada vez mais, desprender a mão e o olhar, relação indexical mais evidente na pintura, no desenho e na escultura, técnicas que prescindem da observação e do gesto manual. Isso incorre, como enfatiza Guimarães (2020), ancorada nos pressupostos da semiótica proposta por C. S. Peirce, na ênfase da percepção icônica ou iconicidade em detrimento da indexicalidade ou no caráter indicial. A força do índice na fotografia já havia sido observada por Barthes (1984), para quem havia uma fantasmagoria na imagem fotográfica. Isso porque esse tipo de imagem técnica apresenta “um vestígio de uma ausência, de um ‘referencial’ sempre diferido, nem ‘referente’ nem ‘referência’, mas um rastro do ‘ter estado aí’” (Telles, 2025, p. 56).

A suposta objetividade das imagens, então, garantia de sua “verdade”, atrelava-se à captura do real e à fixação deste na imagem por meio de um dispositivo técnico. Com efeito, como sustenta Bazin (1958/2014, p. 32), “a objetividade da fotografia lhe confere um poder de credibilidade ausente em qualquer obra pictórica”. Todavia, como atenta Flusser (2014, p. 216), “as fotografias não são, portanto, imagens objetivas. Primeiro porque elas codificam seu significado exatamente como outros tipos de imagem, segundo porque, bem diferente das imagens tradicionais, elas ainda podem manipular seu significado”.

O aprimoramento dos dispositivos técnicos, como o da câmera fotográfica, em termos de qualidade de imagens geradas digitalmente, em alta resolução, somada à sofisticação dos processos e dos procedimentos de impressão a cores, bem como o melhoramento dos gráficos nos videogames e nas qualidades câmeras e de imagens no cinema e na televisão, tal como analisado por Zylinska (2017), tendem a supostamente ampliar os graus de verossimilhança entre o real e a sua representação, fortemente induzindo a uma veracidade das imagens.

Na era das GenIAs, mais do que representar o real, trata-se de simulá-lo numericamente ou digitalmente, sem depender de um registro físico ou óptico do mundo. A máquina deixa de prescindir do “objeto real” diante de si mesma para sua captura e representação, como na câmera fotográfica analógica ou digital (Couchot, 2003). As imagens sintéticas geradas por Gen IAs, portanto, são produzidas por meio de inferências estatísticas baseadas em padrões aprendidos de grandes bancos de dados. ​Esse processo não captura o que aconteceu, mas simula o que poderia ter acontecido, operando em um regime de plausibilidade visual que se baseia na consistência interna dos modelos algorítmicos. Assim, a verossimilhança dessas imagens decorre da organização estatística dos dados, e não de uma interação direta com o mundo empírico.