Inteligência Artificial

Cartões · 57

Inteligência Artificial (IA)

Campo da ciência da computação focado em criar sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana.

IA Estreita (ANI)

Sistema projetado e treinado para executar com eficiência uma única tarefa específica, como reconhecimento facial ou xadrez.

IA Geral (AGI)

Inteligência hipotética capaz de compreender, aprender e aplicar conhecimento em qualquer domínio intelectual no mesmo nível ou acima dos humanos.

Superinteligência Artificial (ASI)

Conceito teórico de IA que ultrapassa em larga escala a capacidade intelectual combinada de toda a humanidade.

Teste de Turing

Critério proposto por Alan Turing para determinar se uma máquina exibe comportamento inteligente indistinguível do de um ser humano.

Quarto Chinês

Experimento mental de John Searle que argumenta que executar regras de processamento de símbolos não equivale a compreender significados reais.

Aprendizado de Máquina (Machine Learning)

Subcampo da IA focado no desenvolvimento de algoritmos que aprendem padrões a partir de dados sem serem explicitamente programados para cada regra.

Aprendizado Supervisionado

Treinamento de modelos utilizando conjuntos de dados rotulados, com pares conhecidos de entradas e saídas corretas.

Aprendizado Não Supervisionado

Abordagem em que o algoritmo busca padrões, estruturas ou agrupamentos ocultos em dados que não possuem rótulos prévios.

Aprendizado por Reforço

Método onde um agente aprende a tomar decisões sequenciais em um ambiente via tentativa e erro, recebendo recompensas ou penalidades.

Aprendizado Semissupervisionado

Técnica que combina uma pequena quantidade de dados rotulados com um grande volume de dados não rotulados durante o treinamento.

Conjunto de Treinamento

Amostra de dados fornecida ao modelo para que ele aprenda padrões, ajuste pesos e configure parâmetros internos.

Conjunto de Validação

Conjunto de dados separado usado para afinar hiperparâmetros e evitar sobreajuste durante o processo de treinamento.

Conjunto de Teste

Fração de dados nunca vista pelo algoritmo, utilizada exclusivamente para avaliar o desempenho final do modelo treinado.

Overfitting (Sobreajuste)

Problema no qual o modelo decora os dados de treino com excesso de detalhe, falhando em generalizar bem para novos dados.

Underfitting (Subajuste)

Situação em que o modelo é excessivamente simples para capturar as relações subjacentes presentes nos dados.

Dilema Viés-Variância

Conflito entre o erro por simplificações inadequadas (viés) e o erro decorrente de sensibilidade excessiva a ruídos nos dados (variância).

Regressão

Tipo de tarefa de aprendizado supervisionado cujo objetivo é prever um valor numérico contínuo com base em variáveis de entrada.

Classificação

Tarefa de aprendizado supervisionado que atribui uma observação a uma categoria ou rótulo discreto predefinido.

Clustering (Agrupamento)

Método não supervisionado de organizar pontos de dados em grupos cujos elementos compartilham propriedades semelhantes.

Redução de Dimensionalidade

Processo de reduzir o número de variáveis aleatórias em análise mantendo o máximo de informação relevante original.

Rede Neural Artificial (RNA)

Modelo computacional inspirado na estrutura biológica cerebral, composto por camadas de nós interconectados que processam sinais.

Perceptron

A unidade computacional mais simples de uma rede neural artificial, capaz de separar dados linearmente independentes.

Função de Ativação

Equação matemática aplicada à saída de um neurônio artificial para introduzir não linearidade na rede.

ReLU (Rectified Linear Unit)

Função de ativação popular que retorna zero para valores negativos e mantém inalterados os valores positivos de entrada.

Função Sigmoide

Função de ativação com formato em 'S' que mapeia qualquer valor real no intervalo aberto entre 0 e 1.

Gradiente Descendente

Algoritmo de otimização iterativo usado para minimizar a função de custo ajustando gradualmente os pesos da rede.

Backpropagation

Algoritmo que propaga o erro da saída de volta pelas camadas da rede para calcular os gradientes e atualizar os pesos.

Função de Perda (Loss Function)

Cálculo matemático que quantifica a discrepância entre a previsão calculada pelo modelo e o valor real observado.

Taxa de Aprendizado (Learning Rate)

Hiperparâmetro que define o tamanho do passo que o algoritmo de otimização dá em direção ao mínimo da função de custo.

Época (Epoch)

Uma passagem completa de todo o conjunto de dados de treino através do algoritmo de aprendizado durante o treinamento.

Batch Size (Tamanho do Lote)

Número de amostras de dados processadas pelo modelo antes da atualização correspondente dos pesos internos.

Aprendizado Profundo (Deep Learning)

Subcampo do aprendizado de máquina que emprega redes neurais com múltiplas camadas ocultas para extrair características complexas.

Rede Neural Convolucional (CNN)

Arquitetura especializada no processamento de dados organizados em grade espacial, como imagens e matrizes visuais.

Rede Neural Recorrente (RNN)

Modelo de rede cujas conexões formam ciclos, permitindo reter memória interna de entradas anteriores para dados sequenciais.

LSTM (Long Short-Term Memory)

Variação de RNN projetada com comportamentos de comportas para evitar a dissipação do gradiente em sequências longas.

Processamento de Linguagem Natural (PLN)

Área da IA dedicada a permitir que máquinas leiam, compreendam, interpretem e gerem linguagem humana com coerência.

Tokenização

Processo de dividir um texto corrido em unidades menores, como palavras, subpalavras ou caracteres, denominadas tokens.

Word Embedding

Representação de palavras em vetores numéricos densos em que termos semanticamente próximos ocupam posições vizinhas.

Arquitetura Transformer

Modelo baseado puramente em mecanismos de atenção para mapear dependências em sequências de dados sem recorrer à recorrência.

Mecanismo de Atenção

Componente que calcula dinamicamente pesos de importância relativa entre diferentes elementos de uma mesma sequência.

Modelo de Linguagem Grande (LLM)

Rede de grande escala treinada em corpora massivos de texto capaz de gerar e raciocinar sobre linguagem textual.

Transfer Learning

Técnica em que um modelo pré-treinado em uma tarefa abrangente é reaproveitado como base para resolver outra tarefa específica.

Fine-Tuning (Ajuste Fino)

Processo de retreinar levemente os parâmetros de um modelo pré-treinado em um conjunto de dados restrito e especializado.

IA Generativa

Categoria de IA focada em criar conteúdos inéditos, como textos, imagens, áudios e códigos, a partir de comandos recebidos.

Alucinação em IA

Geração confiante de afirmações factualmente incorretas, enganosas ou fabricadas por modelos gerativos de linguagem.

Engenharia de Prompt

Prática de formular, refinar e estruturar instruções dadas a modelos generativos para obter os melhores resultados possíveis.

RAG (Retrieval-Augmented Generation)

Arquitetura que consulta fontes externas de dados para fornecer contexto factual atualizado ao modelo gerador antes da resposta.

Matriz de Confusão

Tabela comparativa que detalha o desempenho de um classificador cruzando predições corretas e incorretas por categoria.

Acurácia

Proporção de previsões corretas totais em relação a todas as previsões formuladas por um modelo de classificação.

Precisão

Fração de instâncias classificadas como positivas que eram de fato positivas na realidade.

Revocação (Recall)

Capacidade do modelo de identificar todas as instâncias positivas reais presentes na base de dados avaliada.

F1-Score

Média harmônica calculada entre precisão e revocação, útil quando existe forte desbalanceamento de classes nos dados.

Árvore de Decisão

Modelo que divide os dados iterativamente com base em testes condicionais simples em formato de ramificação lógica.

Random Forest

Método de conjunto (ensemble) que combina múltiplas árvores de decisão independentes para gerar predições mais robustas.

Viés Algorítmico

Erros sistemáticos e injustos presentes nas saídas do modelo decorrentes de preconceitos históricos embutidos nos dados.

IA Explicável (XAI)

Conjunto de métodos desenhados para tornar os processos decisórios internos e as saídas de sistemas de IA compreensíveis aos humanos.