Aprender

Fundamentos da IA

Conceitos essenciais explicados de forma progressiva, do básico ao avançado.

Conceitos

Iniciante

Intermediário

Avançado

iniciante

fundamento

O que é Inteligência Artificial

Campo que estuda como fazer máquinas executarem tarefas que exigem inteligência.

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.

Analogia

Imagine ensinar um estagiário muito rápido a partir de exemplos, em vez de manuais.

Exemplo

Recomendações da Netflix, assistente de voz, ChatGPT, detecção de fraude.

iniciante

fundamento

Machine Learning

Aprender padrões a partir de dados, em vez de regras explícitas.

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

Analogia

Ajustar o tempero de uma receita com base nas reações da família.

Exemplo

Filtro de spam, previsão de demanda, recomendação.

iniciante

fundamento

Deep Learning

ML com redes neurais profundas.

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

Analogia

Vários filtros em série que vão refinando a imagem até reconhecer um rosto.

Exemplo

Reconhecimento facial, tradução automática, transcrição de áudio.

iniciante

generativo

IA Generativa

Modelos que geram novos conteúdos.

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

Analogia

Um autor treinado em milhões de livros que escreve um novo capítulo no estilo aprendido.

Exemplo

ChatGPT, DALL·E, Suno, Sora.

intermediário

nlp

NLP

Processamento de linguagem natural.

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

Analogia

Ensinar a máquina a 'ler' como humanos.

Exemplo

Resumir documentos, classificar sentimentos, traduzir.

intermediário

visão

Visão Computacional

Interpretação de imagens e vídeos.

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

Analogia

Dar olhos para o computador.

Exemplo

Carros autônomos, raio-X assistido, busca por imagem.

intermediário

multimodal

Modelos Multimodais

Combinam texto, imagem, áudio, vídeo.

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

Analogia

Um intérprete que enxerga, ouve, lê e fala.

Exemplo

Descrever uma foto, transcrever um áudio e responder por texto, tudo no mesmo modelo.

avançado

agente

Agentes

IA que age, usa ferramentas e itera.

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

Analogia

Assistente que decide ele mesmo o próximo passo.

Exemplo

Agente que pesquisa, baixa documentos e gera relatório.

avançado

produto

RAG

Recuperação + Geração.

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

Analogia

Estudante que consulta o livro antes de responder.

Exemplo

Chatbot que responde com base na documentação interna da empresa.

intermediário

dados

Embeddings

Significado virou vetor.

Representações densas que permitem busca semântica, recomendação e RAG.

Analogia

Mapa onde ideias próximas ficam vizinhas.

Exemplo

Encontrar parágrafos similares por significado, não por palavras.

avançado

arquitetura

Transformers

Arquitetura que move a IA moderna.

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

Analogia

Comitê em que cada palavra vota no quanto presta atenção nas outras.

Exemplo

GPT, Claude, Gemini, BERT.

avançado

segurança

Alinhamento e avaliação

Tornar a IA útil, honesta e segura.

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

Analogia

Educação contínua para o modelo.

Exemplo

Modelo que recusa pedidos perigosos e admite quando não sabe.