Glossário de Inteligência Artificial

Sistema de IA autônomo capaz de perceber o ambiente, tomar decisões e executar ações para atingir um objetivo — sem intervenção humana a cada passo.

Ex: Um agente que pesquisa na web, lê documentos e envia emails automaticamente.

Quando um modelo de IA gera informações falsas ou inventadas com total confiança, como se fossem verdadeiras.

Ex: O modelo afirmar que uma lei inexistente foi aprovada em 2023.

Interface de Programação de Aplicação — forma padronizada de conectar diferentes sistemas. As APIs de IA permitem que seu app use modelos como GPT ou Claude.

Ex: Você usa a API da OpenAI para adicionar ChatGPT ao seu site.

Técnica onde o modelo aprende por tentativa e erro, recebendo recompensas por acertos e penalidades por erros — como ensinar um cachorro com biscoitos.

Teste padronizado para medir e comparar o desempenho de modelos de IA em tarefas específicas (matemática, código, raciocínio, etc.).

Ex: O MMLU avalia conhecimento geral; o HumanEval avalia código.

Algoritmo clássico de busca por palavras-chave, frequentemente combinado com busca vetorial em sistemas RAG.

Técnica de prompt que instrui o modelo a 'pensar passo a passo' antes de responder, melhorando a precisão em problemas complexos.

Ex: Ao adicionar 'Pense passo a passo' ao prompt, o modelo resolve melhor problemas de matemática.

Processo de dividir documentos longos em pedaços menores (chunks) para serem indexados e recuperados eficientemente em sistemas RAG.

Família de modelos de IA desenvolvida pela Anthropic — conhecida por seu foco em segurança, honestidade e capacidade de lidar com contextos muito longos (até 200k tokens).

Quantidade máxima de texto que um modelo consegue processar de uma vez — medida em tokens. Modelos com janela maior 'lembram' de conversas mais longas.

Ex: Claude 3.5 tem janela de 200k tokens ≈ 150 mil palavras.

Área da IA focada em fazer computadores 'verem' e entenderem imagens e vídeos — reconhecimento facial, detecção de objetos, OCR, etc.

Conjunto de exemplos (textos, imagens, etc.) usados para ensinar um modelo de IA. A qualidade dos dados define a qualidade do modelo.

Subcampo do Machine Learning que usa redes neurais com muitas camadas para aprender padrões complexos em dados.

Tipo de modelo generativo que aprende a criar imagens adicionando e removendo 'ruído' progressivamente — base do Stable Diffusion e DALL-E.

Ex: Midjourney e Stable Diffusion usam modelos de difusão.

Representação matemática de texto (ou imagem) como vetor numérico. Textos semanticamente similares ficam próximos no espaço vetorial.

Ex: 'Cachorro' e 'cão' terão embeddings próximos.

Arte e ciência de escrever instruções eficazes para modelos de IA obterem os melhores resultados.

Técnica onde você fornece alguns exemplos no prompt para guiar o modelo — em oposição ao 'zero-shot' (sem exemplos).

Ex: Mostrar 3 pares de pergunta/resposta antes de fazer sua pergunta.

Processo de ajustar um modelo pré-treinado com dados específicos para torná-lo especialista em uma tarefa ou domínio.

Ex: Treinar o GPT-4 com os atendimentos da sua empresa para virar um suporte especializado.

Modelo de IA treinado em grande escala em dados gerais, que serve como base para criar aplicações específicas (GPT, Claude, Gemini).

Versão portuguesa de RAG — geração de texto enriquecida pela busca em uma base de conhecimento externa, reduzindo alucinações.

Família de modelos multimodais do Google, integrados nativamente ao Gmail, Docs, Drive e YouTube. O Gemini 2.5 Pro é o modelo topo de linha.

Generative Pre-trained Transformer — arquitetura de IA criada pela OpenAI que gerou o ChatGPT. GPT-4o é o modelo mais popular do mundo.

Placa de vídeo usada como processador de IA — processa milhares de operações matemáticas em paralelo, essencial para treinar e rodar modelos.

Ex: Treinar o GPT-4 exigiu milhares de GPUs por meses.

Mecanismos de segurança que limitam o que um modelo pode dizer ou fazer, evitando respostas prejudiciais ou fora do escopo.

Veja: Alucinação

Principal repositório de modelos de IA open-source — uma espécie de 'GitHub para modelos de IA'.

Categoria de IA capaz de criar conteúdo novo — textos, imagens, áudios, vídeos ou código — a partir de instruções.

Ex: ChatGPT gerando um artigo; Midjourney criando uma ilustração.

Processo de usar um modelo treinado para gerar uma resposta — diferente do treinamento (ensinar o modelo).

Ex: Cada vez que você manda uma mensagem ao ChatGPT, ele faz uma inferência.

Modo onde o modelo garante que a resposta seja um JSON válido — essencial para integrar IA com sistemas automatizados.

Framework Python/JS para construir aplicações com LLMs — pipelines, agentes, memória e RAG.

Large Language Model (Modelo de Linguagem Grande) — modelo de IA treinado em enormes quantidades de texto para entender e gerar linguagem natural.

Ex: GPT-4o, Claude 3.5, Gemini 2.5 são LLMs.

Família de modelos open-source da Meta — pode ser baixada e rodada gratuitamente no seu computador.

Subcampo da IA onde sistemas aprendem padrões a partir de dados, sem serem explicitamente programados para cada regra.

Capacidade de um agente ou chatbot de lembrar informações entre sessões diferentes — persistindo além da janela de contexto.

Modelo capaz de processar múltiplos tipos de entrada — texto, imagem, áudio e vídeo — em uma única interface.

Ex: Gemini e GPT-4o são multimodais: você manda uma foto e eles a analisam.

Área da IA focada em fazer computadores entenderem, interpretarem e gerarem linguagem humana.

Modelos de IA cujo código e pesos são disponibilizados publicamente — Llama, Mistral, Stable Diffusion.

Sistema que coordena múltiplos agentes de IA, decidindo qual chamar e em qual ordem para resolver uma tarefa complexa.

Números ajustáveis dentro do modelo que determinam seu comportamento — mais parâmetros geralmente significa mais capacidade. GPT-4 tem ~1 trilhão.

Ex: Um modelo '7B' tem 7 bilhões de parâmetros.

Fase inicial de treinamento onde o modelo aprende padrões gerais de linguagem a partir de bilhões de textos da internet.

Instrução ou texto de entrada que você fornece a um modelo de IA para obter uma resposta.

Ex: "Resuma este texto em 3 pontos principais" é um prompt.

Técnica que combina busca em base de conhecimento com geração de texto — o modelo consulta documentos relevantes antes de responder, reduzindo alucinações.

Ex: Chatbot que lê os PDFs da sua empresa antes de responder perguntas.

Sistema computacional inspirado no cérebro humano — camadas de 'neurônios' artificiais que processam informação em cascata.

Técnica onde avaliadores humanos classificam respostas do modelo para ensinar o que é uma boa resposta.

Modelo open-source de geração de imagens que pode ser rodado localmente no seu computador, sem custo e sem censura.

Modo onde o modelo envia a resposta palavra por palavra em tempo real — em vez de esperar a resposta completa.

Ex: O ChatGPT exibe o texto enquanto ainda está sendo gerado.

Resposta do modelo garantida em um formato estruturado (JSON, XML) — essencial para sistemas automatizados.

Modelos de linguagem menores e mais eficientes — Phi-3, Gemma, Mistral 7B — que rodam em dispositivos locais com menos recursos.

Unidade básica de texto processada por um modelo — pode ser uma palavra, parte de palavra ou caractere. Afeta custo e velocidade da API.

Ex: "Inteligência artificial" = 3 tokens em inglês. 1.000 tokens ≈ 750 palavras.

Processo de dividir texto em tokens antes de processá-lo com um modelo.

Técnica de aproveitar conhecimento de um modelo treinado em tarefa A para resolver tarefa B — economizando tempo e dados.

Arquitetura de rede neural publicada em 2017 ('Attention is All You Need') que revolucionou a IA — base de todos os LLMs modernos.

Lista de números que representa semanticamente um texto ou imagem — usado em buscas semânticas e RAG.

Tendência sistemática do modelo de favorecer certos grupos, ideias ou perspectivas, geralmente herdada dos dados de treinamento.

Fazer o modelo realizar uma tarefa sem fornecer nenhum exemplo — apenas com a instrução.

Ex: "Classifique este email como spam ou não-spam" sem mostrar exemplos.