Dicionário de IA: o que significam todos esses termos que você ouve todo dia

Quando o assunto é inteligência artificial, surgem inevitavelmente palavras estranhas: hallucinations, fine-tuning, embeddings, transformer. As pessoas concordam com a cabeça, mas poucas entendem do que se trata. Chegou a hora de corrigir isso.

Por que precisamos de um dicionário agora

Nos últimos dois anos, a IA saiu dos círculos técnicos de nicho e entrou no espaço comum. Todo mundo fala de ChatGPT, Claude e Gemini, mas a terminologia de base continua a mesma: técnica, confusa e cheia de anglicismos. As pessoas ouvem essas palavras em podcasts, veem em artigos, escutam em conferências e no trabalho, mas não entendem de fato o significado.

O problema não é a falta de inteligência das pessoas, e sim o fato de a comunidade de IA estar acostumada a falar a própria língua, construída ao longo de décadas de pesquisa. Chegou a hora de traduzir essas ideias para uma linguagem simples, sem verniz de marketing, com explicações reais e úteis que evitem que você fique perdido numa conversa.

As principais categorias de termos de IA

As palavras de IA se dividem, de forma geral, em alguns grupos, e cada grupo tem sua própria lógica. Se você entender a lógica de um, os demais termos vão se encaixar naturalmente.

Modelos e arquiteturas são os conceitos fundamentais sobre como a própria rede neural é construída: transformer, diffusion model, large language model (LLM), convolutional neural network. São como estilos arquitetônicos de um prédio: cada um define como o resto será organizado.

Treinamento e adaptação são os processos pelos quais um modelo passa para aprender: fine-tuning, prompt engineering, reinforcement learning, backpropagation. É como o plano de treino de um atleta: define quais habilidades o modelo vai adquirir.

Problemas e limitações são aquilo que desenvolvedores e usuários enfrentam na prática: hallucination, bias, alignment, overfitting, mode collapse. São como doenças que um sistema pode ter, e é preciso levá-las em conta.

De hallucinations a prompt engineering

Vamos pegar as cinco palavras mais importantes e mais usadas:

• Hallucinations: quando a IA gera informações que não estão nos dados de treinamento. Inventa links, citações e números que nunca existiram. Parece fantasia mística, mas na verdade é um erro na previsão de texto.
• Fine-tuning: treinamento adicional de um modelo já pronto com dados especializados. É como pegar um livro didático pronto e adaptá-lo para uma escola específica.
• Embeddings: conversão de palavras ou textos em vetores matemáticos que o modelo entende. É a tradução da linguagem humana para a linguagem dos números.
• Transformer: a arquitetura de redes que está na base de todos os LLMs modernos (GPT, Claude, Llama). Foi um avanço em 2017 que mudou todo o mundo da IA.
• Prompt engineering: a arte de formular corretamente uma tarefa para a IA a fim de obter o resultado desejado. Não é só um comando, mas um comando que funciona.

Por que isso importa

Um dicionário não é apenas um livro de consulta. É um passe de entrada para conversas sérias sobre IA. Quando você entende que uma hallucination é um erro concreto e explicável no funcionamento de um modelo, as conversas ficam bem diferentes. Você deixa de concordar às cegas em conferências e passa a fazer as perguntas certas. No trabalho, você não apenas ouve os colegas, mas participa da discussão.

Entender a terminologia é o primeiro passo para compreender o que a IA pode e o que não pode fazer, por que funciona e por que às vezes quebra.