IA para Concursos FGV 3

Cartões · 20

Inteligência Artificial (IA)

Campo da ciência da computação dedicado a desenvolver sistemas capazes de simular o comportamento inteligente humano e executar tarefas cognitivas.

Aprendizado Supervisionado

Técnica de Machine Learning em que o modelo é treinado utilizando dados de entrada previamente rotulados com as saídas esperadas.

Aprendizado Não Supervisionado

Método de treinamento que utiliza dados sem rótulos, buscando identificar padrões intrínsecos, agrupamentos (clusters) ou anomalias.

Aprendizado por Reforço

Abordagem em que um agente aprende a tomar decisões em um ambiente por meio de recompensas e penalidades, buscando maximizar o retorno.

Overfitting (Superajuste)

Problema em que o modelo memoriza em excesso os dados de treino e o ruído, perdendo a capacidade de generalizar para dados novos.

Underfitting (Subajuste)

Situação em que o modelo é excessivamente simples e não consegue capturar a estrutura subjacente dos dados de treino.

Deep Learning (Aprendizado Profundo)

Subconjunto do Machine Learning baseado em redes neurais artificiais com múltiplas camadas ocultas, ideal para dados complexos e não estruturados.

Rede Neural Convolucional (CNN)

Arquitetura de rede neural profunda projetada primordialmente para o processamento de imagens e reconhecimento de padrões visuais.

Rede Neural Recorrente (RNN)

Classe de redes neurais com conexões cíclicas, especializada em dados sequenciais e temporais, como texto e séries temporais.

Arquitetura Transformer

Arquitetura de rede neural baseada no mecanismo de atenção (self-attention), que elimina a recorrência e acelera o processamento em linguagem natural.

Large Language Models (LLMs)

Modelos de linguagem extensos com bilhões de parâmetros treinados em vastos volumes de texto para processar, traduzir e gerar linguagem natural.

Alucinação em LLMs

Fenômeno no qual o modelo de linguagem gera respostas incorretas, inventadas ou factualmente infundadas com tom de certeza.

Engenharia de Prompt

Prática de estruturar e refinar comandos de entrada para orientar LLMs a produzir resultados mais precisos e relevantes.

Fine-Tuning (Ajuste Fino)

Processo de adaptar um modelo pré-treinado generalista a uma tarefa ou domínio específico por meio de treinamento adicional com dados direcionados.

RAG (Retrieval-Augmented Generation)

Técnica que combina modelos generativos com sistemas de busca externa para recuperar fatos atualizados antes de produzir a resposta.

Redes Adversárias Generativas (GANs)

Arquitetura composta por duas redes concorrentes, um gerador e um discriminador, usada para criar novos dados sintéticos realistas.

Viés Algorítmico

Distorção sistemática nas decisões do modelo de IA decorrente de desbalanceamentos ou preconceitos históricos presentes nos dados de treino.

Explicabilidade (XAI)

Capacidade de compreender, auditar e descrever de forma compreensível aos humanos como um modelo tomou determinada decisão.

Privacidade e Governança de Dados em IA

Conjunto de práticas e conformidades regulatórias, como a LGPD, para proteger informações sensíveis durante o treino e o uso de modelos.

IA Fraca versus IA Forte

A IA Fraca é dedicada a resolver tarefas específicas e delimitadas, enquanto a IA Forte (AGI) refere-se a uma inteligência autônoma geral comparável à humana.