Inteligência Artificial

Cartões · 50

Inteligência Artificial (IA)

Sistemas computacionais programados para simular a capacidade humana de resolver problemas e tomar decisões.

Aprendizado de Máquina (Machine Learning)

Algoritmos que aprendem padrões diretamente de dados passados para fazer previsões sem programação explícita.

Rede Neural Artificial

Modelo inspirado no cérebro com nós interligados que calculam pesos e transmitem sinais passo a passo.

Aprendizado Profundo (Deep Learning)

Redes neurais com muitas camadas intermediárias que descobrem representações complexas sozinhas.

Aprendizado Supervisionado

O modelo treina com dados rotulados, comparando seu palpite à resposta correta para se ajustar.

Aprendizado Não Supervisionado

O algoritmo agrupa e identifica estruturas ocultas em dados brutos sem rótulos prévios.

Aprendizado por Reforço

Um agente aprende testando ações em um ambiente, ganhando recompensas por acertos e punições por erros.

Função de Perda (Loss Function)

Cálculo matemático que quantifica a distância entre a previsão da IA e a resposta real esperada.

Gradiente Descendente

Método de tentativa orientada que ajusta os parâmetros aos poucos até minimizar a taxa de erro.

Retropropagação (Backpropagation)

Processo de levar o erro do final de volta ao início da rede para calibrar cada conexão interna.

Overfitting (Superajuste)

Quando o modelo decora os dados de treino com perfeição, mas falha ao lidar com novos exemplos reais.

Underfitting (Subajuste)

Ocorre quando o modelo é simples demais para captar até as regras básicas contidas nos dados.

Regressão Linear

Traça a melhor linha reta entre pontos de dados para prever valores numéricos futuros contínuos.

Regressão Logística

Calcula a probabilidade de um evento acontecer para categorizar algo em duas opções (sim ou não).

Árvore de Decisão

Estrutura de perguntas consecutivas que divide os dados por características até chegar a uma conclusão.

Random Forest

Combina palpites de dezenas de árvores de decisão diferentes para escolher a resposta por maioria de votos.

K-Nearest Neighbors (KNN)

Classifica um novo dado verificando a categoria predominante entre os vizinhos mais próximos dele.

K-Means

Agrupa itens aproximando-os repetidamente do centroide médio mais próximo até estabilizar os grupos.

Processamento de Linguagem Natural (PLN)

Conjunto de técnicas para fazer computadores lerem, interpretarem e gerarem a linguagem humana cotidiana.

Tokenização

Divisão de um texto em pequenos fragmentos gerenciáveis, como palavras, sílabas ou caracteres soltos.

Embeddings (Vetores de Palavras)

Conversão de palavras em listas de números, onde termos com sentidos parecidos ficam próximos no espaço.

Mecanismo de Atenção

Técnica que permite ao modelo focar nas palavras mais relevantes da frase ao traduzir ou responder.

Arquitetura Transformer

Rede que processa textos inteiros simultaneamente, usando atenção para entender o contexto global.

Modelo de Linguagem Grande (LLM)

Rede gigantesca treinada em bilhões de textos para prever a próxima palavra mais provável num diálogo.

Alucinação em IA

Geração confiante de respostas factualmente incorretas ou inventadas pela associação estatística de termos.

Ajuste Fino (Fine-Tuning)

Adaptação de um modelo genérico pré-treinado aplicando um conjunto menor e específico de exemplos.

Engenharia de Prompt

Criação cuidadosa de instruções textuais para guiar o modelo a produzir a resposta mais precisa.

Rede Neural Convolucional (CNN)

Rede especializada em imagens que usa filtros móveis para detectar bordas, texturas e formas complexas.

Visão Computacional

Campo da IA focado em extrair sentido de fotos e vídeos, identificando objetos, rostos ou cenas.

Rede Neural Recorrente (RNN)

Rede que preserva memória de passos anteriores, ideal para dados sequenciais como fala e áudio.

Redes Adversárias Generativas (GAN)

Duas redes competindo: uma cria imagens falsas e a outra tenta descobrir se são reais, melhorando juntas.

Modelo de Difusão

Gera imagens adicionando ruído gradual aos pixels no treino e aprendendo a remover o ruído na criação.

Transfer Learning

Aproveitar o conhecimento prévio de uma IA treinada em uma tarefa geral para resolver outra específica.

Conjunto de Treino, Validação e Teste

Divisão dos dados em partes: uma para aprender, outra para calibrar e a última para avaliação final.

Validação Cruzada

Teste rotativo dos dados em vários subconjuntos para garantir que o resultado seja estável e confiável.

Viés Algorítmico (Bias)

Preconceitos históricos contidos nos dados de treino que o modelo reproduz e amplifica nas decisões.

Hiperparâmetros

Configurações manuais prévias definidas pelo programador para ditar como o treino da rede vai correr.

Taxa de Aprendizado (Learning Rate)

O tamanho do passo que o algoritmo dá a cada correção para não avançar rápido demais nem empacar.

Função de Ativação

Fórmula matemática que decide se o sinal de um neurônio artificial é forte o bastante para disparar.

Regularização

Regras adicionadas ao treino para penalizar modelos complexos demais e combater a memorização boba.

Geração Aumentada por Recuperação (RAG)

Busca fatos em uma base documental externa antes de enviar a pergunta ao LLM para evitar erros.

Matriz de Confusão

Tabela comparativa que mostra acertos e erros detalhados de um modelo divididos por cada classe.

Precisão e Revocação (Precision e Recall)

Métricas que medem quanto o modelo é confiável quando acerta e quantos casos totais ele capturou.

Área Sob a Curva (AUC-ROC)

Pontuação gráfica que mede o poder de um modelo de separar corretamente classes positivas e negativas.

Normalização de Dados

Ajuste na escala dos dados numéricos para que grandezas muito diferentes não desbalanceiem o treino.

Análise de Componentes Principais (PCA)

Técnica que reduz o número de variáveis de uma base de dados preservando a maior variação possível.

Agrupamento Hierárquico

Método de clusterização que constrói uma árvore de grupos unindo ou dividindo dados passo a passo.

Algoritmo Genético

Método inspirado na evolução biológica que cruza e sofre mutação em soluções para achar a ideal.

IA Explicável (XAI)

Métodos que tornam visíveis e compreensíveis os motivos e pesos que levaram a IA a tomar uma decisão.

IA Estreita (ANI) vs IA Geral (AGI)

A estreita domina apenas tarefas específicas atuais; a geral igualaria humanos em qualquer tarefa mental.