Compreenda os principais termos e conceitos da tecnologia que está transformando os negócios
Filtrar por letra:
A
Algoritmo
Conjunto de instruções e regras que um computador segue para executar tarefas ou resolver problemas. Em IA Generativa, algoritmos complexos são usados para processar dados e gerar outputs criativos.
Aprendizado de Máquina (Machine Learning)
Ramo da inteligência artificial que permite aos sistemas aprender e melhorar automaticamente com a experiência, sem ser explicitamente programado para cada tarefa.
Aprendizado Profundo (Deep Learning)
Subcampo do aprendizado de máquina que utiliza redes neurais artificiais com múltiplas camadas para modelar abstrações de alto nível em dados. É uma técnica fundamental para a maioria dos sistemas de IA Generativa.
Agente de IA
Sistema de IA que pode operar de forma autônoma, tomar decisões e realizar tarefas em nome de um usuário humano, muitas vezes integrando diferentes modelos e ferramentas.
B
Bias (Viés)
Presença de inclinações sistemáticas nos modelos de IA, frequentemente refletindo preconceitos nos dados de treinamento. A detecção e mitigação de viés é uma preocupação ética importante no desenvolvimento de IA.
Benchmark
Teste padronizado usado para avaliar e comparar o desempenho de diferentes sistemas de IA em tarefas específicas.
C
ChatGPT
Modelo de linguagem desenvolvido pela OpenAI, capaz de gerar texto em formato de diálogo, respondendo a perguntas e mantendo conversas de forma natural.
Computação em nuvem
Uso de servidores remotos hospedados na internet para armazenar, gerenciar e processar dados, em vez de um computador local. Muitos sistemas de IA Generativa são executados em plataformas de nuvem devido à alta demanda computacional.
Contexto
Informações anteriores ou circunstanciais que um modelo de IA utiliza para gerar respostas mais relevantes. Modelos modernos podem considerar milhares de tokens de contexto.
D
Diffusion Models
Modelos que geram imagens adicionando ruído gradualmente a um sinal e depois revertendo esse processo. Exemplo: Stable Diffusion e DALL-E.
Dataset
Conjunto de dados usado para treinar, validar e testar modelos de IA. A qualidade e diversidade destes dados são cruciais para o desempenho do modelo.
E
Embeddings
Representações vetoriais de conceitos (palavras, imagens, etc.) que capturam suas características semânticas, permitindo que os modelos compreendam relações entre diferentes elementos.
Engenharia de Prompts
Prática de otimizar as instruções dadas a modelos de IA para obter resultados mais precisos e relevantes.
F
Fine-tuning
Processo de refinar um modelo de IA pré-treinado em dados específicos para melhorar seu desempenho em tarefas particulares ou adaptar seu comportamento.
Foundation Models
Grandes modelos de IA treinados em vastos conjuntos de dados que servem como base para múltiplas aplicações através de adaptação e fine-tuning.
G
GPT (Generative Pre-trained Transformer)
Família de modelos de linguagem desenvolvidos pela OpenAI, treinados para prever a próxima palavra em uma sequência de texto, resultando na capacidade de gerar conteúdo coerente.
GPU (Graphics Processing Unit)
Hardware especializado crucial para treinamento e execução de modelos de IA devido à sua capacidade de realizar muitos cálculos em paralelo.
H
Hallucination
Fenômeno em que modelos de IA geram informações falsas ou incorretas, apresentando-as como factuais com aparente confiança.
I
Inferência
Processo de utilizar um modelo treinado para gerar previsões ou outputs a partir de novos dados de entrada.
IA Generativa
Subcampo da inteligência artificial focado em criar algoritmos capazes de gerar conteúdo novo e original como texto, imagens, música, código e outros tipos de mídia.
IA Multimodal
Sistemas de IA capazes de processar e gerar diferentes formas de informação (texto, imagem, áudio) simultaneamente.
L
LLM (Large Language Model)
Modelos de linguagem com bilhões ou trilhões de parâmetros, treinados em vastos corpus de texto, capazes de compreender e gerar conteúdo textual complexo.
LangChain
Framework para desenvolvimento de aplicações que combinam modelos de linguagem com outras fontes de computação e conhecimento.
M
Modelo
Representação matemática treinada para realizar tarefas específicas em IA, como classificação de imagens ou geração de texto.
Machine Learning Operations (MLOps)
Conjunto de práticas para implantar e manter modelos de machine learning em produção de maneira confiável e eficiente.
N
NLP (Processamento de Linguagem Natural)
Campo da IA focado na interação entre computadores e linguagem humana, incluindo compreensão, geração e tradução de texto.
Rede Neural
Sistema de computação inspirado nas redes neurais biológicas, composto por nós interconectados que processam e transmitem informações, formando a base de muitos sistemas de IA moderna.
O
Overfitting
Problema em que um modelo se ajusta demais aos dados de treinamento, aprendendo ruídos e peculiaridades ao invés de padrões generalizáveis, resultando em baixo desempenho com dados novos.
P
Parâmetros
Valores internos de um modelo de IA que são ajustados durante o treinamento. Modelos modernos de IA Generativa podem ter centenas de bilhões de parâmetros.
Prompt
Instrução ou entrada fornecida a um modelo de IA para orientar sua geração de conteúdo ou resposta.
R
Retrieval-Augmented Generation (RAG)
Técnica que melhora modelos generativos combinando-os com sistemas de recuperação de informação, permitindo acesso a conhecimentos externos durante a geração.
Reinforcement Learning from Human Feedback (RLHF)
Método de treinamento que utiliza feedback humano para refinar o comportamento de modelos de IA, tornando-os mais úteis, precisos e seguros.
S
Synthetically Generated Content (SGC)
Conteúdo criado por sistemas de IA em vez de humanos, podendo incluir texto, imagens, áudio, vídeo ou código.
Semantic Search
Técnica de busca que considera o significado contextual dos termos de consulta, não apenas correspondências de palavras-chave.
T
Tokens
Unidades básicas de texto processadas por modelos de linguagem, podendo ser palavras, partes de palavras ou caracteres individuais.
Temperatura
Parâmetro que controla a aleatoriedade nas saídas de um modelo de IA. Temperaturas mais altas produzem resultados mais diversos e criativos, enquanto temperaturas mais baixas geram respostas mais determinísticas.
Transformer
Arquitetura de rede neural que revolucionou o processamento de linguagem natural, introduzindo o mecanismo de atenção que permite aos modelos focar em partes relevantes dos dados de entrada.
V
Vector Database
Banco de dados especializado em armazenar e consultar embeddings vetoriais, frequentemente usado em aplicações de IA para pesquisa semântica e recomendações.
Dúvidas sobre algum termo específico?
Entre em contato com nossa equipe para esclarecer dúvidas ou sugerir novos termos para o glossário.