Fundamentos da IA

IA é um campo amplo que engloba desde regras simbólicas até modelos estatísticos modernos. Hoje, é dominado por aprendizado de máquina e, mais recentemente, deep learning e modelos generativos.

Modelos ajustam parâmetros com base em exemplos rotulados (supervisionado), exploração (reforço) ou estrutura interna (não-supervisionado).

Camadas empilhadas aprendem representações cada vez mais abstratas. Permite avanços em visão, fala e linguagem.

Aprende a distribuição dos dados e amostra novos exemplos: texto, imagem, áudio, vídeo, código.

Conjunto de técnicas para entender, gerar e classificar linguagem humana.

Detecção, segmentação, classificação e geração visual com redes convolucionais e Transformers visuais.

Modelos como GPT-4o, Gemini e Claude operam em múltiplas modalidades em um só cérebro.

Combinam LLMs com loops de decisão, memória e ferramentas externas (web, APIs, código).

Busca documentos relevantes em uma base e injeta no contexto do modelo, melhorando precisão e ancoragem.

Representações densas que permitem busca semântica, recomendação e RAG.

Baseada em atenção, escala muito bem e é a base de quase todos LLMs e modelos multimodais.

Combina RLHF, red teaming, constituições e benchmarks para medir e ajustar comportamento.

Skills são pacotes reutilizáveis de instruções, exemplos, ferramentas e arquivos que ensinam ao modelo COMO realizar uma tarefa específica (gerar um PDF, revisar código, conduzir uma entrevista). Diferente do prompt cru, skills carregam contexto sob demanda (progressive disclosure) e podem chamar scripts. Plataformas como Claude Skills e os 'Skills' do Lovable seguem esse padrão.

Agentes operam em um loop: o LLM raciocina, escolhe uma ferramenta, observa o resultado e decide o próximo passo, até concluir a tarefa ou atingir um limite (stopWhen / stepCountIs). Padrões comuns: ReAct, Plan-and-Execute, Reflexion. Sem um critério de parada bem definido, o loop pode 'rodar em falso' e consumir tokens à toa.

O modelo recebe a descrição de ferramentas (nome, schema JSON dos parâmetros) e decide quando chamá-las. A aplicação executa a função e devolve o resultado para o modelo continuar. É a base de agentes, RAG dinâmico e integrações com APIs.

Criado pela Anthropic e adotado por OpenAI, Google e outros, o MCP define um protocolo único para que qualquer modelo se conecte a servidores que expõem ferramentas, recursos e prompts — eliminando integrações ponto a ponto.

Conjunto de práticas — papéis, exemplos few-shot, chain-of-thought, decomposição, restrições, formato de saída — para guiar o modelo até uma resposta confiável. Hoje convive com prompt tuning, system prompts longos e skills.

É o limite combinado de entrada + saída por chamada. Janelas maiores (1M+ tokens) permitem ler livros e bases de código inteiras, mas custam mais, ficam mais lentas e sofrem com 'lost in the middle' — informações no meio do contexto têm menos atenção.

Acontece porque LLMs otimizam fluência, não veracidade. Mitigações: RAG, citação de fontes, verificação por ferramentas, temperatura baixa, instruções para admitir incerteza, avaliação contínua.

Ajusta pesos de um modelo pré-treinado em um corpus específico (estilo da empresa, jargão técnico, formato de saída). LoRA / QLoRA fazem isso atualizando apenas pequenas matrizes adicionais, barato e rápido. Alternativa: RAG (não muda o modelo, só o contexto).

Práticas e ferramentas para colocar IA generativa em produção: versionamento de prompts, avaliação automatizada (evals), observabilidade de tokens/latência/custo, guardrails, A/B test de modelos, rollback, monitoramento de drift e alucinação.

Rede neural baseada em Transformers, treinada em trilhões de tokens, capaz de prever a próxima palavra e, com isso, conversar, programar, raciocinar e usar ferramentas. Tamanhos vão de modelos pequenos (1-8B, rodam no celular) a fronteira (centenas de B a trilhões de parâmetros).

Após o pré-treino, modelos são refinados com feedback humano (RLHF) ou diretamente com pares preferidos vs rejeitados (DPO). É o que transforma um 'autocomplete gigante' em um assistente útil e seguro.