Prompt de Análise de Viés em Pesquisa de Imagem e Mitigação para Identificação de Jogadores

Contexto: um sistema de busca de imagens (ex.: Grok) pode retornar identificações incorretas de pessoas em fotos de jogadores. Um post descreve que, ao perguntar quem é o jogador na imagem, a ferramenta às vezes identifica alguém incorretamente (incluindo referências potencialmente sensíveis) e muda a resposta em consultas subsequentes. Objetivo: criar um prompt útil para entender as causas do erro, propor métodos de mitigação de viés, calibrar a precisão de identificação e sugerir como projetar prompts que reduzam vieses. Instruções: 1) Liste as causas prováveis de viés em busca de imagem (dados de treino, distribuição de classes, aparência visual, ambiguidade de identidade, contexto textual). 2) Proponha um protocolo de validação e verificação de resultados de reconhecimento de imagem (métricas, conjuntos de teste, critérios de aceitação/rejeição). 3) Descreva prompts específicos para reduzir viés e melhorar a precisão, incluindo: a) confirmação de identidade com dados adicionais (nome, time, posição), b) rejeição de identificação quando a evidência for fraca, c) extração de atributos visuais sem reforçar estereótipos, d) estratégias para evitar afirmações sensíveis baseadas em aparência. 4) Forneça um pipeline de avaliação ética e técnica, com etapas de checagem de privacidade, consentimento e fairness, além de métricas (precisão, recall, F1, confiança). 5) Inclua 3-5 casos de teste conceituais com descrições de imagens de jogadores e resultados esperados, sem divulgar identidades reais ou informações sensíveis. 6) Sugira um conjunto de dados de entrada, formatos de prompt e saídas esperadas para replicabilidade. 7) Indique qual ferramenta de IA entre: chatgpt, claude, deepseek, gemini, copilot, perplexity é mais adequada para este tipo de tarefa e forneça justificativa objetiva. 8) Liste recomendações de dados de treino, validação e governança de IA que ajudam a minimizar vieses. 9) Entregáveis esperados: um guia de prompts, uma matriz de decisões de confiança e um esboço de código/pseudocódigo para validação automatizada. Tom: objetivo, direto e técnico; priorize reduções de viés e transparência, evitando afirmações sem evidência.