Glossário de AI: o que significam todos esses termos que você ouve todos os dias

Quando se trata de inteligência artificial, palavras estranhas inevitavelmente aparecem: hallucinations, fine-tuning, embeddings, transformer. As pessoas acham que entendem, mas poucos realmente sabem o que significa. É hora de consertar isso.

Por que um vocabulário é necessário agora

Nos últimos dois anos, a IA saiu dos círculos técnicos de nicho para o espaço principal. Todos falam sobre ChatGPT, Claude, Gemini — mas a terminologia original permaneceu a mesma: técnica, confusa, cheia de anglicismos. As pessoas ouvem palavras em podcasts, veem em artigos, ouvem em conferências e no trabalho, mas realmente não entendem o significado. O problema não é a estupidez humana, mas que a comunidade de IA se acostumou a falar sua própria linguagem, construída em décadas de pesquisa. É hora de traduzir essas ideias em português claro — não brilho de marketing, mas explicações reais e funcionais que ajudem você a não parecer confuso em uma conversa.

Principais categorias de termos de IA

Todas as palavras de IA são convencionalmente divididas em vários grupos, e cada grupo tem sua própria lógica. Se você entender a lógica de um grupo, os termos restantes se encaixarão organicamente.

Modelos e arquiteturas — estes são conceitos fundamentais sobre como a rede neural é estruturada: transformer, diffusion model, large language model (LLM), convolutional neural network. É como estilos arquitetônicos de um edifício — cada um determina como tudo o mais será organizado.

Treinamento e adaptação — processos pelos quais um modelo passa para aprender: fine-tuning, prompt engineering, reinforcement learning, backpropagation. É como um sistema de exercícios para um atleta — determina que habilidades o modelo adquirirá.

Problemas e limitações — isto é o que desenvolvedores e usuários realmente encontram: hallucination, bias, alignment, overfitting, mode collapse. É como doenças que um sistema pode ter, e precisam ser levadas em conta.

De hallucinations a prompt engineering

Vamos pegar cinco das palavras mais importantes e frequentemente usadas:

• Hallucinations — quando a IA gera informações que não existem nos dados de treinamento. Fabrica links, citações, números que não estavam lá. Parece como fantasias místicas, mas na verdade é um erro na previsão de texto.

• Fine-tuning — treinamento adicional de um modelo já construído em dados especializados. É como se você pegasse um livro didático pronto e o adaptasse para uma escola específica.

• Embeddings — transformar palavras ou texto em vetores matemáticos que o modelo entende. É traduzir a linguagem humana para a linguagem dos números.

• Transformer — a arquitetura de rede subjacente a 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 para obter o resultado desejado. Não apenas um comando, mas um comando que funciona.

Por que isso importa

Um vocabulário não é apenas um guia de referência. É um passe para o mundo de conversas sérias sobre IA. Quando você entende que hallucination é um erro específico e explicável em como um modelo funciona, as conversas ficam completamente diferentes. Você não apenas acena cegamente em conferências, mas faz as perguntas certas. No trabalho, você não está apenas ouvindo colegas, mas participando da discussão. Entender a terminologia é o primeiro passo para entender o que a IA pode e não pode fazer, por que funciona e por que às vezes quebra.