Tentando entender a IA? Comece do básico com nosso glossário de mais de 100 termos de IA.
Acelerador - Hardware especializado projetado para facilitar cálculos de IA mais rápidos para treinamento e inferência de modelos de maior desempenho.
Alinhamento de IA - Esforço para garantir que os sistemas de IA se comportem de maneiras que se alinhem com os valores e intenções humanas.
Assistente de IA - Ferramentas alimentadas por IA projetadas para auxiliar usuários em várias tarefas, como responder perguntas, fornecer recomendações ou oferecer orientação.
Auditoria de IA - Processo de avaliação de sistemas de IA quanto à conformidade com padrões éticos, métricas de desempenho e requisitos regulatórios.
Viés de IA - Erros sistemáticos em sistemas de IA que podem levar a resultados injustos ou discriminatórios, muitas vezes refletindo preconceitos nos dados de treinamento.
Governança de IA - Políticas, práticas e estruturas para gerenciar o desenvolvimento e uso de tecnologias de IA de forma responsável.
Alfabetização em IA - Compreensão dos conceitos, capacidades e limitações da IA, permitindo interação informada com e avaliação de sistemas de IA.
Gestão de Riscos de IA - Estratégias e práticas para identificar, avaliar e mitigar potenciais impactos negativos dos sistemas de IA.
Segurança de IA - Campo focado no desenvolvimento de sistemas de IA que sejam confiáveis, controláveis e não causem danos não intencionais.
Justiça Algorítmica - Abordagens para garantir que os sistemas de IA tomem decisões sem discriminar grupos ou indivíduos específicos.
Inteligência Artificial Geral (IAG) - Um sistema de IA teórico que pode rivalizar e exceder as habilidades cognitivas humanas em uma ampla variedade de tarefas.
Inteligência Artificial (IA) - Sistemas de computador que podem criar, raciocinar e resolver problemas que historicamente exigiriam um humano para realizar.
Superinteligência Artificial (ASI) - IA hipotética que supera a inteligência humana em todos os domínios, levantando profundas questões éticas e existenciais.
Atenção (também mecanismo de atenção ou modelo de atenção) - Mecanismo em redes neurais que permite que os modelos de IA se concentrem em partes específicas dos dados de entrada, melhorando o desempenho em tarefas como tradução de linguagem e análise de imagem.
Retropropagação - Algoritmo em aprendizado de máquina que treina redes neurais calculando erros e ajustando pesos para trás através das camadas.
BERT (Representações de Codificador Bidirecional de Transformers) - Um modelo de IA baseado em transformers que processa texto olhando tanto para as palavras anteriores quanto para as seguintes para cada token, também conhecido como treinamento bidirecional.
Big Data - Conjuntos de dados extremamente grandes que requerem técnicas e ferramentas de IA especializadas para processamento e análise.
Cadeia de Pensamento - Técnica de prompt de IA que encoraja modelos de linguagem a raciocinarem passo a passo ao resolver problemas, para melhorar a qualidade da saída.
Chatbot - Ferramentas alimentadas por IA como o ChatGPT que são projetadas para engajar-se em conversas de som natural com humanos.
Sala Chinesa - Um experimento mental que desafia a noção de que os sistemas de IA realmente entendem a linguagem, questionando a natureza da inteligência da máquina.
Computação - Poder de processamento e recursos necessários para executar tarefas de IA que influenciam a escala e complexidade dos modelos.
Visão Computacional - Campo da IA que treina computadores para interpretar e entender informações visuais do mundo.
Redes Neurais Convolucionais (CNNs) - Redes neurais especializadas projetadas para processar dados em forma de grade, particularmente eficazes para tarefas de análise de imagem.
Pré-treinamento Contrastivo de Linguagem-Imagem (CLIP) - Um modelo de PNL que aprende a conectar texto e imagens, permitindo tarefas versáteis de reconhecimento visual.
Janela de Contexto - A quantidade de informação que um modelo de IA pode considerar de uma vez ao fazer previsões ou respostas.
IA Conversacional - Sistemas de IA que podem interagir com pessoas de maneira natural e conversacional, tipicamente através de uma interface de chat.
Modelo Personalizado - Um modelo de IA treinado em dados específicos para realizar uma tarefa particular, muitas vezes personalizado para as necessidades únicas de um indivíduo ou organização.
Aumento de Dados - O processo de aumentar artificialmente a quantidade ou diversidade de dados de treinamento, ajudando os modelos de IA a generalizar melhor para novas situações.
Rotulagem de Dados - O processo de adicionar tags descritivas a dados brutos, permitindo que os sistemas de IA aprendam a partir de exemplos rotulados.
Pré-processamento de Dados - O processo de limpar e formatar dados brutos, tornando-os adequados para o treinamento de modelos de IA e melhorando os resultados de aprendizado.
Conjunto de Dados - Uma coleção de informações usadas para treinar e testar modelos de IA, permitindo que eles aprendam padrões e façam previsões.
Aprendizado Profundo - Uma técnica de aprendizado de máquina que usa redes neurais para analisar e aprender a partir de grandes quantidades de dados.
Deepfake - Técnica de geração de imagens de IA que substitui uma pessoa em uma imagem ou vídeo existente pela aparência de outra pessoa.
Difusão - Modelo de IA que gera imagens gradualmente retirando ruído de padrões aleatórios, produzindo saídas de alta qualidade e diversas.
Descenso Duplo - Um fenômeno em aprendizado de máquina onde o desempenho do modelo inicialmente melhora, depois piora e melhora novamente à medida que a complexidade do modelo aumenta.
Incorporação - Uma técnica de aprendizado de máquina que converte dados discretos em vetores numéricos, ajudando os modelos de IA a entender relações entre itens.
Emergência - Um fenômeno onde comportamentos complexos de IA surgem de regras ou interações simples, muitas vezes de maneiras inesperadas.
Aprendizado de Ponta a Ponta - Uma técnica de aprendizado de máquina onde um modelo aprende todos os passos de uma tarefa diretamente da entrada para a saída, sem estágios intermediários projetados manualmente.
IA Ética - Diretrizes e padrões para desenvolver e implantar sistemas de IA de maneiras que respeitem os direitos humanos e valores.
IA Explicável (XAI) - Abordagens que tornam os processos de tomada de decisão de IA compreensíveis para os humanos, aumentando a transparência e a confiança.
Sistemas Especialistas - Programas de IA que emulam a tomada de decisão de especialistas humanos em domínios específicos, usando regras predefinidas e bases de conhecimento.
Aprendizado de Poucos Exemplos - Uma técnica de aprendizado de máquina onde um modelo é treinado para alcançar bom desempenho com apenas um pequeno número de exemplos de treinamento.
Fine-tuning - O processo de refinar um modelo de IA pré-treinado treinando-o em um conjunto de dados menor para melhorar o desempenho em tarefas específicas.
Aprendizado Federado - Abordagem para treinar modelos de IA através de múltiplos dispositivos ou servidores, preservando a privacidade dos dados mantendo os dados brutos localizados.
Propagação para Frente - Algoritmo em aprendizado de máquina onde os dados de entrada fluem através das camadas de uma rede neural para produzir uma saída ou previsão.
Modelo de Fundação - Modelo de IA em larga escala treinado em vastas quantidades de dados, servindo como uma base versátil para várias tarefas downstream. Modelos de fundação tipicamente custam centenas de milhões de dólares para treinar.
Penalidade de Frequência - Um parâmetro de IA que desencoraja o modelo de gerar repetidamente as mesmas palavras ou frases.
IA Generativa - Sistemas de IA que podem criar novo conteúdo, como imagens, vídeos ou texto, baseados em padrões aprendidos a partir de seus dados de treinamento.
Transformador Gerativo Pré-treinado (GPT) - Uma rede neural artificial baseada na arquitetura do transformador que pode gerar texto semelhante ao humano prevendo a próxima palavra em uma sequência.
Descida de Gradiente - Método de otimização usado em aprendizado de máquina para treinar modelos ajustando repetidamente parâmetros para minimizar erros.
GPU - Processador especializado otimizado para computação paralela para acelerar o treinamento e inferência de modelos de IA.
Alucinar/Alucinação - Um fenômeno em que um modelo de IA gera conteúdo que não está incluído em seu treinamento, resultando em saída sem sentido ou falsa.
Camada Oculta - A camada do meio em uma rede neural que aprende e representa características complexas dos dados de entrada.
Ajuste de Hiperparâmetros - O processo de definir as configurações ótimas para um modelo de IA para alcançar o melhor desempenho.
Legendagem de Imagens - Técnica de processamento de imagens de IA que gera descrições em linguagem natural do conteúdo em imagens.
Colorização de Imagens - Técnica de processamento de imagens de IA que adiciona cor a imagens em escala de cinza ou preto e branco.
Redução de Ruído de Imagens - Técnica de processamento de imagens de IA que remove ruído ou artefatos indesejados de imagens para melhorar sua qualidade.
Geração de Imagens - Técnica de processamento de imagens de IA de criar novas imagens do zero, frequentemente baseadas em descrições de texto ou outras imagens.
Inpainting de Imagens - Técnica de processamento de imagens de IA para reconstruir partes faltantes ou danificadas de uma imagem.
Reconhecimento de Imagens - Técnica de processamento de imagens de IA que identifica e classifica objetos ou cenas em imagens digitais.
Segmentação de Imagens - Técnica de processamento de imagens de IA que divide uma imagem em múltiplos segmentos ou objetos, identificando os pixels que pertencem a cada um.
Tradução de Imagem para Imagem - Técnica de processamento de imagens de IA que pega uma entrada de imagem (por exemplo, foto) e a usa para gerar uma nova imagem.
Upscaling de Imagens - Técnica de processamento de imagens de IA que aumenta a resolução de uma imagem enquanto mantém ou melhora a qualidade.
Aprendizado Incremental - Capacidade de um sistema de IA de atualizar continuamente seu conhecimento a partir de novos dados sem esquecer informações previamente aprendidas.
Inferência - Uma vez que um modelo de IA foi treinado, inferência é o processo de usar o modelo treinado para gerar novas previsões ou saídas.
Ajuste de Instruções - O processo de guiar um modelo de linguagem pré-treinado para produzir saídas de maior qualidade usando melhores prompts e exemplos.
Modelo de Linguagem Grande (LLM) - Um modelo de IA treinado em grandes quantidades de texto, capaz de entender e gerar linguagem semelhante à humana.
Espaço Latente - Uma representação comprimida de dados aprendida por um modelo que captura suas características e padrões mais importantes.
Função de Perda - Um método para quantificar a diferença entre as saídas previstas de um modelo e os valores reais.
Aprendizado de Máquina (ML) - Um subconjunto de IA que usa algoritmos e estatísticas para identificar padrões e extrair insights de dados sem programação explícita.
Tradução Automática - O uso de algoritmos de aprendizado de máquina para traduzir automaticamente texto de uma língua para outra.
Mistura de Especialistas - Um modelo de IA que combina múltiplos modelos especializados (especialistas) para resolver diferentes partes de um problema, com uma rede de portas selecionando o especialista apropriado para uma determinada entrada.
Compressão de Modelo - Técnicas usadas para reduzir o tamanho e as necessidades computacionais de modelos de IA para que possam ser implantados em dispositivos com recursos limitados.
Implantação de Modelo - O processo de integrar um modelo de IA treinado em um ambiente de produção, tornando-o disponível para uso no mundo real.
Avaliação de Modelo - Avaliação do desempenho de um modelo de IA usando dados de teste, garantindo que ele atenda a padrões de precisão e confiabilidade.
Explicabilidade de Modelo - Técnicas usadas para entender e interpretar como um modelo de IA chega a suas decisões, promovendo transparência e confiança.
Interpretabilidade de Modelo - Técnicas usadas para medir quão facilmente os humanos podem entender o raciocínio por trás das previsões de um modelo de IA, auxiliando na validação e melhoria.
Monitoramento de Modelo - Observação contínua de modelos de IA implantados para garantir desempenho consistente e detectar potenciais problemas ou desvios.
Treinamento de Modelo - O processo de ensinar um modelo de IA a fazer previsões precisas expondo-o a exemplos rotulados.
Versionamento de Modelo - Sistema para rastrear diferentes iterações de modelos de IA, facilitando a colaboração e permitindo a reversão se necessário.
IA Multimodal - Sistemas de IA que podem processar e produzir conteúdo em formatos de dados mistos (por exemplo, texto, imagens, áudio).
Reconhecimento de Entidades Nomeadas (NER) - Uma técnica de PNL que identifica e classifica entidades nomeadas (como pessoas, organizações, localizações) no texto.
Processamento de Linguagem Natural (PLN) - Um subconjunto de IA que se concentra em capacitar computadores a entender, interpretar e gerar linguagem humana.
NeRF (Campos de Radiância Neural) - Uma rede neural artificial que cria cenas 3D a partir de imagens 2D aprendendo como a luz interage com objetos na cena a partir de diferentes ângulos.
Função Objetivo - Um método usado em problemas de otimização (como aprendizado de máquina) para definir o objetivo que o algoritmo visa alcançar.
Overfitting - Overfitting ocorre quando um modelo corresponde muito de perto aos seus dados de treinamento e tem um desempenho ruim em novos dados e previsões.
Parâmetros - As configurações internas de um modelo de IA que determinam como ele processa dados de entrada e gera saída.
Marcação de Parte do Discurso (POS) - Uma técnica de PNL que rotula palavras em um texto com suas categorias gramaticais (por exemplo, substantivo, verbo, adjetivo).
Penalidade de Presença - Um parâmetro de IA que desencoraja o modelo de gerar palavras que já apareceram no texto anterior.
Pré-treinamento - A fase inicial de treinamento de um modelo de linguagem em um grande conjunto de dados de texto e código antes do fine-tuning em uma tarefa específica.
Prompt - A entrada de texto inicial dada a um modelo de IA, que define o contexto e orienta a saída do modelo.
Engenharia de Prompt - O processo de projetar e refinar prompts para extrair as melhores respostas de modelos de IA.
Injeção de Prompt - O ato de criar prompts maliciosos de IA para manipular um modelo de IA a gerar saídas não intencionais ou prejudiciais.
Vazamento de Prompt - Um ataque de injeção de prompt que engana um modelo de IA a divulgar seu prompt de sistema, que pode conter informações confidenciais ou sensíveis.
Aprendizado por Reforço - Uma técnica de aprendizado de máquina onde um agente aprende a tomar decisões recebendo recompensas ou penalidades por ações tomadas em um ambiente.
Aprendizado por Reforço a partir de Feedback Humano (RLHF) - Uma técnica de IA na qual o feedback humano é usado para guiar o processo de aprendizado em algoritmos de aprendizado por reforço.
Regularização - Uma técnica de IA usada para prevenir overfitting adicionando restrições a um modelo de aprendizado de máquina.
IA Responsável por Design - Abordagem que integra considerações éticas e impacto social em cada estágio do desenvolvimento do sistema de IA.
RoBERTa (Abordagem de Pré-treinamento BERT Robustamente Otimizada) - Uma versão otimizada do BERT que é treinada em mais dados por períodos mais longos, resultando em melhor desempenho em tarefas de compreensão de texto.
Análise de Sentimento - Uma técnica de PNL que determina o tom emocional ou opinião expressa em um texto.
Singularidade - Ponto hipotético no tempo onde a IA ultrapassa a inteligência humana, levando a consequências tecnológicas e sociais imprevisíveis.
Sequências de Parada - Palavras ou frases específicas que sinalizam para um modelo de IA parar de gerar texto.
Transferência de Estilo - Técnica de processamento de imagens de IA que aplica o estilo artístico de uma imagem ao conteúdo de outra.
Aprendizado Supervisionado - Uma técnica de aprendizado de máquina onde um modelo é treinado em dados rotulados, aprendendo a prever a saída a partir da entrada.
Inteligência Artificial Simbólica - Abordagem de IA baseada na representação explícita de conhecimento e raciocínio baseado em lógica, contrastando com métodos de aprendizado de máquina.
Temperatura - Um parâmetro de IA que controla a aleatoriedade da saída; temperaturas mais baixas tornam as saídas previsíveis, enquanto temperaturas mais altas encorajam saídas mais criativas e inesperadas.
TensorFlow - Biblioteca de software de código aberto para implementação e implantação de modelos de aprendizado de máquina em várias plataformas.
Token - A menor unidade significativa de texto que um modelo de IA pode processar, muitas vezes representando um caractere ou uma palavra.
Limite de Token - O número máximo de tokens que um modelo de linguagem pode processar em uma única entrada ou gerar em uma única saída.
Amostragem Top-k - Uma técnica de IA que seleciona a próxima palavra dentre as k opções mais prováveis, mantendo a saída mais previsível.
Top-p (Amostragem de Núcleo) - Uma técnica de IA que seleciona a próxima palavra do menor conjunto de palavras seguintes mais prováveis cuja probabilidade cumulativa excede um limiar p.
TPU - Processador personalizado projetado pelo Google para execução eficiente de cargas de trabalho de aprendizado de máquina.
Aprendizado por Transferência - Uma técnica de aprendizado de máquina onde um modelo pré-treinado é adaptado para uma nova, mas relacionada tarefa, usando seu conhecimento existente.
Transformer - Uma arquitetura de rede neural artificial que pode rastrear relacionamentos para dados sequenciais para transformar sequências de entrada em sequências de saída.
Teste de Turing - Um teste para inteligência proposto por Alan Turing, onde a inteligência é definida como a incapacidade de um humano determinar se está falando com outro humano ou um computador.
Underfitting - Underfitting ocorre quando um modelo é muito simples para capturar os relacionamentos subjacentes nos dados de treinamento, resultando em desempenho ruim em novos dados.
Aprendizado Não Supervisionado - Uma técnica de aprendizado de máquina que encontra padrões ocultos ou estruturas intrínsecas em dados de entrada sem respostas rotuladas.
Dados de Validação - Uma porção separada de um conjunto de dados que não é mostrada ao modelo durante o treinamento para avaliar o desempenho do modelo.
XLNet - Um modelo de linguagem que melhora a compreensão de contexto prevendo palavras em todas as ordens possíveis.
Aprendizado Zero-Shot - Uma técnica de aprendizado de máquina que se refere à capacidade de um modelo treinado de fazer previsões corretas em novas classes ou tarefas que não viu antes durante o treinamento.
.png)
