Glossário de termos populares de AI: o que significam alucinações, tokens e prompts

A TechCrunch publicou um glossário atualizado de termos de inteligência artificial. Com o crescimento explosivo de IA ao nosso redor, surgiram dezenas de novas palavras e gírias que podem confundir até usuários experientes.

Termos Principais de IA

Quando se fala sobre aprendizado de máquina e redes neurais, frequentemente surgem palavras como "treinamento", "parâmetros" e "vetores". Mas existem vários termos específicos que aparecem especialmente frequentemente no contexto de grandes modelos de linguagem.

• Hallucinations (alucinações) — quando um LLM gera com confiança informações falsas, apresentando-as como fatos. Um exemplo típico: ChatGPT inventa artigos inexistentes ou atribui ações a pessoas que nunca cometeram.

• Prompt engineering (engenharia de prompts) — a arte de formular instruções para IA. O prompt correto pode aumentar a qualidade da resposta várias vezes, enquanto o prompt incorreto pode reduzir o resultado a nada.

• Fine-tuning (ajuste fino) — adaptação de um modelo pré-treinado para tarefas e dados específicos. As empresas pegam GPT-4 e a treinam com seus documentos corporativos.

• Embeddings (representações vetoriais) — códigos numéricos que a IA usa para codificar o significado de palavras e documentos. Esta é a base para busca, agrupamento e análise semântica.

• Token (token) — a unidade mínima de texto (uma palavra ou parte de uma palavra) que o modelo processa. ChatGPT calcula custos por tokens, então "token" = dinheiro no contexto da API.

Arquitetura e Métodos

Nos últimos anos, um conjunto padrão de técnicas foi formado para trabalhar com modelos.

Transformer — a arquitetura na qual todos os LLMs modernos como GPT e BERT são construídos. Foi o Transformer que permitiu que as redes neurais processassem sequências de dados em paralelo, revolucionando a velocidade de treinamento.

RAG (retrieval-augmented generation) — uma técnica em que o modelo primeiro procura por documentos relevantes de fontes externas, e depois gera uma resposta com base neles. Isso permite que os LLMs trabalhem com informações atuais sem retreinamento e reduz alucinações.

Outro termo chave é RLHF (aprendizado por reforço a partir de feedback humano). Foi através do RLHF que a OpenAI tornou o ChatGPT educado, útil e seguro. As avaliações humanas ajudam o modelo a aprender não apenas com padrões estatísticos nos dados, mas também com as preferências das pessoas, o que muda o comportamento do modelo em si.

Por Que Isto Importa

Compreender termos básicos ajuda você a perceber críticas notícias sobre IA. Se você aprender sobre "alucinações", entenderá por que os modelos às vezes mentem. Conhecendo "tokens", você pode otimizar seus gastos com API. Perceber que "engenharia de prompts" existe o convencerá a não apressar — a formulação correta de uma pergunta vale a pena.

O glossário da TechCrunch não pretende ser completo, mas fornece uma lingua franca — uma linguagem comum na qual você pode discutir IA com um especialista técnico, jornalista ou gerente.

O Que Isto Significa

A padronização da terminologia é o primeiro passo para discussão informada da tecnologia. À medida que a IA se desenvolve, a linguagem dos profissionais e do público deve convergir, caso contrário permanecerá a sensação de que estão discutindo coisas diferentes. Quando todos falam a mesma língua, é mais fácil encontrar a verdade e evitar pânico.

Se você trabalha com ferramentas de IA ou simplesmente segue as notícias, um glossário economiza horas de busca por definições e exemplos. Em vez de andar por várias fontes — uma referência que você pode abrir a qualquer momento.