Glossário de IA

Sistema de IA que vai além de responder perguntas: pode executar ações, usar ferramentas, tomar decisões sequenciais e trabalhar de forma autônoma para completar objetivos complexos.

Fenômeno em que um modelo de IA gera informações falsas, inventadas ou incorretas com aparente confiança, sem indicar que está errando.

Application Programming Interface — interface que permite a programas se comunicarem entre si. No contexto de IA, é como desenvolvedores acessam modelos como GPT ou Claude para integrá-los em aplicações.

Técnica de prompting que instrui o modelo a raciocinar passo a passo antes de dar uma resposta final, melhorando significativamente o desempenho em problemas que exigem raciocínio.

Campo da IA dedicado a fazer computadores interpretarem e compreenderem informações visuais — imagens, vídeos e, cada vez mais, transmissões em tempo real.

A quantidade máxima de texto (em tokens) que um modelo consegue processar de uma vez — inclui o histórico da conversa, instruções do sistema e a resposta gerada.

Subconjunto de machine learning que usa redes neurais com muitas camadas (profundas) para aprender representações complexas de dados. É a tecnologia por trás da maioria dos avanços recentes em IA.

Tipo de modelo generativo que aprende a criar imagens (ou outros dados) revertendo um processo de adição progressiva de ruído. Base do DALL-E, Stable Diffusion e Midjourney.

Representação numérica de texto (ou outro dado) como um vetor de alta dimensão, capturando seu significado semântico de forma que textos similares fiquem 'próximos' no espaço vetorial.

Abordagem em que o modelo recebe alguns exemplos no prompt do formato de resposta esperado, aprendendo a tarefa pelo padrão dos exemplos sem nenhum treinamento adicional.

Processo de continuar o treinamento de um modelo pré-treinado em um conjunto de dados específico para adaptá-lo a um domínio, tarefa ou estilo particular.

Generative Pre-trained Transformer — família de modelos de linguagem criada pela OpenAI que popularizou os assistentes de IA modernos, como o ChatGPT.

O processo de usar um modelo de IA já treinado para gerar respostas ou previsões a partir de novos dados. É o que acontece toda vez que você usa o ChatGPT ou outro sistema de IA.

Large Language Model — um tipo de modelo de IA treinado em quantidades massivas de texto para entender e gerar linguagem humana com alto nível de coerência.

Low-Rank Adaptation — técnica eficiente de fine-tuning que treina apenas uma pequena fração dos parâmetros do modelo, reduzindo drasticamente o custo computacional sem sacrificar qualidade.

Campo da IA em que sistemas aprendem automaticamente a partir de dados, melhorando seu desempenho em tarefas específicas sem serem explicitamente programados para cada regra.

Sistema de IA treinado para entender e gerar texto com base em padrões estatísticos aprendidos de grandes volumes de dados textuais. É o conceito base por trás do ChatGPT e similares.

Modelos ou sistemas de IA capazes de processar e gerar múltiplos tipos de dados — como texto, imagem, áudio e vídeo — dentro de uma única interface.

Natural Language Processing (Processamento de Linguagem Natural) — campo da IA dedicado a fazer computadores entenderem, interpretarem e gerarem linguagem humana.

O texto de entrada que você fornece a um modelo de IA para obter uma resposta. A forma como o prompt é escrito influencia diretamente a qualidade e o tipo de resposta gerada.

A prática de formular e otimizar prompts para extrair os melhores resultados de modelos de IA. Envolve técnicas como exemplos, instruções claras e estruturação estratégica do contexto.

Retrieval-Augmented Generation — técnica que combina busca em uma base de conhecimento com geração de texto, permitindo que o modelo responda com informações atualizadas e específicas.

Sistema computacional loosamente inspirado no cérebro humano, composto por camadas de nós interconectados (neurônios artificiais) que aprendem padrões ajustando o peso das conexões.

Reinforcement Learning from Human Feedback — técnica de treinamento que usa avaliações humanas para alinhar o comportamento do modelo com preferências humanas, tornando-o mais útil e menos prejudicial.

Parâmetro que controla o grau de aleatoriedade nas respostas de um modelo. Temperatura baixa = respostas mais previsíveis e focadas; temperatura alta = respostas mais criativas e variadas.

Unidade básica de texto que um LLM processa. Pode ser uma palavra inteira, parte de uma palavra ou um caractere especial. A cobrança de APIs de IA geralmente é feita por tokens.

Parâmetro de amostragem que limita as escolhas do modelo ao conjunto mínimo de palavras cuja probabilidade acumulada atinge um valor p, controlando diversidade sem perder qualidade.

Arquitetura de rede neural introduzida em 2017 que revolucionou o processamento de linguagem e se tornou a base de praticamente todos os LLMs modernos.

Capacidade de um modelo de executar uma tarefa sem nenhum exemplo, apenas com a descrição da instrução. Modelos modernos são surpreendentemente bons nisso para muitas tarefas.