Carregando...
Carregando...
Antes de explorar a história e o funcionamento da Inteligência Artificial, é fundamental estabelecer um vocabulário comum. Os termos a seguir aparecem frequentemente em discussões sobre IA — alguns com significados técnicos precisos, outros inflacionados por ficção científica e manchetes sensacionalistas. Este guia oferece definições claras e exemplos práticos para cada conceito.
Algoritmo: uma sequência de instruções bem definidas para resolver um problema ou realizar uma tarefa. Uma receita de bolo é um algoritmo: passos ordenados que, se seguidos corretamente, produzem um resultado previsível. Em computação, algoritmos vão desde operações simples (ordenar uma lista de nomes) até processos complexos (recomendar filmes baseado no seu histórico).
Modelo: em IA, um modelo é uma representação matemática treinada para reconhecer padrões ou fazer previsões. Pense em um modelo como um "molde mental" que o sistema construiu a partir de exemplos. Um modelo de reconhecimento facial, por exemplo, aprendeu padrões que distinguem rostos humanos de outros objetos.
Parâmetros: são os valores numéricos internos que um modelo ajusta durante o treinamento. Quanto mais parâmetros, maior a capacidade do modelo de capturar padrões complexos. O GPT-3 possui 175 bilhões de parâmetros; o GPT-4, estima-se, mais de um trilhão.
Treinamento: o processo pelo qual um modelo aprende a partir de dados. Durante o treinamento, o modelo ajusta seus parâmetros para melhorar seu desempenho em uma tarefa específica — como um estudante que refina sua compreensão através de exercícios repetidos.
Inferência: quando um modelo já treinado é usado para fazer previsões ou gerar respostas com novos dados. Quando você pergunta algo ao ChatGPT, ele está realizando inferência — aplicando o que "aprendeu" no treinamento.
IA Estreita (Narrow AI): sistemas projetados para tarefas específicas. É toda IA que existe hoje: tradutores automáticos, filtros de spam, assistentes de voz, sistemas de recomendação. São extremamente competentes em seu domínio, mas incapazes de transferir esse conhecimento para outras áreas. O ChatGPT, apesar de versátil, ainda é IA estreita.
Inteligência Artificial Geral (AGI): uma IA hipotética capaz de realizar qualquer tarefa intelectual que um ser humano pode fazer, com flexibilidade e adaptabilidade equivalentes. AGI não existe atualmente — permanece como objetivo de pesquisa e tema de intenso debate sobre sua viabilidade e prazos.
Superinteligência: conceito especulativo de uma IA que superaria a inteligência humana em praticamente todos os domínios. Pertence, por ora, ao campo da filosofia e da ficção científica, não da engenharia.
Machine Learning (Aprendizado de Máquina): abordagem em que sistemas aprendem padrões a partir de dados, sem serem explicitamente programados para cada situação. Em vez de escrever regras como "se o e-mail contém 'promoção imperdível', classifique como spam", o sistema aprende a identificar spam analisando milhares de exemplos.
Deep Learning (Aprendizado Profundo): subcampo do machine learning que utiliza redes neurais com múltiplas camadas. O "profundo" refere-se à quantidade de camadas. É a técnica por trás dos avanços recentes em reconhecimento de imagem, voz e linguagem.
Rede Neural: arquitetura computacional inspirada (de forma simplificada) no cérebro humano. Consiste em camadas de "neurônios" artificiais que processam informações e transmitem sinais entre si. É a estrutura básica dos modelos de deep learning.
Fine-tuning (Ajuste Fino): processo de especializar um modelo pré-treinado para uma tarefa ou domínio específico, usando dados adicionais mais focados.
Chatbot: programa que simula conversação por texto. Existem desde chatbots simples baseados em regras ("digite 1 para falar com vendas") até sistemas sofisticados como ChatGPT, capazes de diálogos complexos e abertos.
Assistente Virtual: sistemas de IA projetados para auxiliar usuários em tarefas cotidianas, geralmente com interface de voz. Siri, Alexa e Google Assistant são exemplos — respondem perguntas, controlam dispositivos, agendam compromissos.
IA Generativa: sistemas capazes de criar conteúdo novo — texto, imagens, música, código. ChatGPT gera texto; DALL-E e Midjourney geram imagens; GitHub Copilot gera código. O termo "generativo" distingue esses sistemas daqueles que apenas classificam ou analisam dados existentes.
Copiloto / Agente: termos recentes para IAs que trabalham junto ao usuário em tarefas específicas. Um copiloto de código sugere linhas enquanto você programa; um agente pode executar sequências de ações autonomamente para completar uma tarefa complexa.
Prompt: a instrução ou pergunta que você fornece a um modelo de IA. A qualidade do prompt influencia diretamente a qualidade da resposta — daí a importância da "engenharia de prompt".
Token: a unidade básica que modelos de linguagem processam. Pode ser uma palavra, parte de palavra ou caractere. "Inteligência" pode ser dividido em dois ou três tokens, dependendo do modelo.
Contexto (ou Janela de Contexto): a quantidade de texto que o modelo consegue "lembrar" durante uma conversa. Modelos com janelas maiores mantêm conversas mais longas e coerentes.
Alucinação: quando um modelo gera informações plausíveis mas factualmente incorretas, apresentando-as com aparente confiança. É uma limitação fundamental dos LLMs atuais.
Dominar esse vocabulário é o primeiro passo para compreender — e utilizar criticamente — as ferramentas de IA que estão transformando o ambiente profissional. Nos módulos seguintes, exploraremos a história dessa tecnologia e os mecanismos que permitem seu funcionamento.