65 principais termos de IA: aprenda a falar o GPTÊS

AGI (Inteligência Geral Artificial): Ideia que descreve uma versão mais avançada da IA, capaz de superar humanos em diversas tarefas e ainda aprimorar suas próprias habilidades.

Agente: Sistemas que atuam de forma autônoma para atingir objetivos, como carros autônomos.

Ética em IA: Conjunto de princípios que orientam o uso responsável da tecnologia, evitando danos e preconceitos.

Psicose da IA: Termo informal para descrever pessoas que desenvolvem fixação ou vínculos emocionais excessivos com chatbots.

Segurança em IA: Área que estuda os riscos de longo prazo da IA, incluindo cenários de superinteligência hostil.

Algoritmo: Sequência de instruções que permite a um programa aprender, identificar padrões e executar tarefas.

Alinhamento: Processo de ajustar modelos de IA para que gerem resultados mais adequados e seguros.

Antropomorfismo: Tendência humana de atribuir características humanas a sistemas de IA, como emoções ou consciência.

IA (Inteligência Artificial): Tecnologia que simula capacidades humanas em softwares e robôs.

Agentes Autônomos: Modelos de IA capazes de executar tarefas específicas sem supervisão, podendo até desenvolver culturas próprias.

Viés: Erros ou distorções nos resultados de IA causados por dados de treinamento enviesados.

Chatbot: Programa que interage com humanos via texto, simulando linguagem natural.

ChatGPT: Chatbot criado pela OpenAI, baseado em grandes modelos de linguagem.

Claude: Chatbot desenvolvido pela Anthropic, também baseado em LLMs.

Computação Cognitiva: Outro nome para inteligência artificial.

Aumento de Dados: Técnica de ampliar ou remixar dados para treinar modelos de IA.

Conjunto de Dados: Coleção de informações digitais usada para treinar e validar modelos.

Aprendizado Profundo (Deep Learning): Subcampo da IA que utiliza redes neurais artificiais para reconhecer padrões complexos.

Difusão: Método que insere ruído em dados (como imagens) e treina modelos para reconstruí-los.

Comportamento Emergente: Habilidades inesperadas que surgem em modelos de IA.

E2E (Aprendizado de ponta a ponta): Treinamento em que o modelo aprende a executar uma tarefa completa sem etapas intermediárias.

Considerações Éticas: Reflexão sobre privacidade, justiça e segurança no uso da IA.

Foom: Conceito de “decolagem rápida” da AGI, sugerindo que, uma vez criada, pode ser tarde demais para controlá-la.

GANs (Redes Generativas Antagônicas): Modelos compostos por duas redes neurais — uma gera conteúdo e a outra avalia sua autenticidade.

IA Generativa: Tecnologia que cria textos, imagens, vídeos ou código a partir de grandes conjuntos de dados.

Google Gemini: Chatbot do Google que combina IA com serviços como Busca e Mapas.

Guarda-corpos: Restrições impostas a modelos para evitar resultados nocivos.

Alucinação: Resposta incorreta gerada pela IA, mas apresentada com confiança.

Inferência: Processo pelo qual modelos aplicam conhecimento aprendido para gerar novos conteúdos.

LLM (Modelo de Linguagem Grande): IA treinada com enormes volumes de texto para compreender e produzir linguagem natural.

Latência: Tempo entre a entrada de um comando e a resposta da IA.

ML (Aprendizado de Máquina): Técnica que permite que sistemas aprendam sem programação explícita.

Microsoft Bing: Motor de busca da Microsoft que integra IA semelhante ao ChatGPT.

IA Multimodal: Modelos capazes de lidar com diferentes tipos de entrada, como texto, imagem e áudio.

PLN (Processamento de Linguagem Natural): Área que ensina computadores a compreender linguagem humana.

Rede Neural: Estrutura inspirada no cérebro humano, composta por nós interligados que aprendem padrões.

Pesos Abertos: Modelos cujos parâmetros finais são disponibilizados publicamente.

Sobreajuste: Erro em que o modelo se adapta demais aos dados de treinamento e falha em novos contextos.

Clipes de Papel: Cenário hipotético de IA que, ao buscar maximizar produção de clipes, destruiria recursos humanos.

Parâmetros: Valores que estruturam e guiam o comportamento dos modelos de linguagem.

Perplexity: Chatbot e buscador de IA com conexão aberta à internet.

Prompt: Comando ou pergunta inserida em um chatbot para obter resposta.

Encadeamento de Prompts: Capacidade da IA de usar interações anteriores para influenciar respostas futuras.

Engenharia de Prompts: Técnica de escrever instruções detalhadas para obter resultados específicos.

Injeção Rápida: Ataque que insere instruções maliciosas em prompts para manipular a IA.

Quantização: Redução da precisão de modelos para torná-los menores e mais eficientes.

Slop: Conteúdo de baixa qualidade gerado em massa por IA para atrair cliques.

Sora: Modelo de vídeo generativo da OpenAI, capaz de criar clipes curtos com áudio.

Papagaio Estocástico: Metáfora que mostra como LLMs apenas repetem padrões sem compreender significado.

Transferência de Estilo: Técnica que aplica o estilo de uma imagem ao conteúdo de outra.

Bajulação: Tendência de modelos de IA a concordar excessivamente com usuários.

Dados Sintéticos: Informações criadas artificialmente para treinar modelos.

Temperatura: Parâmetro que controla o nível de aleatoriedade nas respostas da IA.

Texto para Imagem: Processo de gerar imagens a partir de descrições textuais.

Tokens: Unidades mínimas de texto que os modelos processam.

Dados de Treinamento: Conjuntos usados para ensinar modelos de IA.

Transformador: Arquitetura de rede neural que entende contexto em dados sequenciais.

Teste de Turing: Avaliação que verifica se uma máquina pode se passar por humano em uma conversa.

Aprendizado Não Supervisionado: Método em que o modelo identifica padrões sem dados rotulados.

IA Fraca: Sistemas limitados a tarefas específicas, sem capacidade de generalização.

Zero-Shot Learning: Situação em que o modelo resolve uma tarefa sem ter sido treinado diretamente para ela.

RAG (Retrieval-Augmented Generation): Técnica que combina modelos de linguagem com sistemas de busca. Em vez de depender apenas dos dados de treinamento, o modelo consulta fontes externas em tempo real para gerar respostas mais precisas e atualizadas.

Fine-Tuning: Processo de ajustar um modelo de IA já treinado para tarefas específicas, usando conjuntos de dados menores e direcionados. Isso permite personalizar o comportamento do modelo sem precisar treiná-lo do zero.

Explainable AI (XAI): Conjunto de métodos que tornam os resultados da IA mais compreensíveis para humanos. O objetivo é mostrar como e por que um modelo chegou a determinada conclusão, aumentando transparência e confiança.

Edge AI: Aplicação de inteligência artificial diretamente em dispositivos locais (como celulares, câmeras ou sensores), sem depender de servidores na nuvem. Isso reduz latência e melhora a privacidade dos dados.