O boom da inteligência artificial (IA) trouxe consigo uma cornucópia de jargão – de “IA generativa” a “dados sintéticos” – que pode ser difícil de analisar. E por mais difícil que seja realmente entender o que é IA (consulte nosso explicador para isso), ter um conhecimento prático dos termos de IA pode ajudar a entender essa tecnologia.
Como parte de nossa série explicando os fundamentos da IA, aqui está um breve glossário de termos que esperamos ajudá-lo a navegar neste campo em rápido desenvolvimento.
Inteligência Artificial: Tecnologia que visa replicar o pensamento humano dentro das máquinas. Alguns exemplos de habilidades que se enquadram nessa categoria incluem identificar pessoas em fotos, trabalhar em fábricas e até pagar impostos.
Generative AI: Generative AI é uma IA que pode criar coisas como texto, imagens, som e vídeo. As aplicações tradicionais de IA classificam amplamente o conteúdo, enquanto os modelos generativos de IA o criam. Por exemplo, um modelo de reconhecimento de voz pode identificar sua voz, enquanto um modelo de voz generativo pode usar voz para criar audiolivros. Quase todos os modelos que recentemente capturaram a atenção do público foram generativos, incluindo chatbots como o ChatGPT da OpenAI, criadores de imagens como Stable Diffusion e MidJourney e programas de clonagem de voz como o Resemble.
Dados de treinamento: uma coleção de informações – texto, imagem, som – com curadoria para ajudar os modelos de IA a realizar tarefas. Em modelos de linguagem, os conjuntos de dados de treinamento se concentram em materiais baseados em texto, como livros, comentários de mídias sociais e até mesmo código. Como os modelos de IA aprendem com dados de treinamento, questões éticas foram levantadas em torno de seu fornecimento e curadoria. Dados de treinamento de baixa qualidade podem introduzir viés, levando a modelos injustos que tomam decisões racistas ou sexistas.
Viés Algorítmico: Um erro resultante de dados de treinamento ruins e programação ruim que faz com que os modelos tomem decisões preconceituosas. Esses modelos podem extrair suposições inadequadas com base em gênero, habilidade ou raça. Na prática, esses erros podem causar sérios danos ao afetar a tomada de decisões – desde solicitações de hipotecas até aprovações de transplantes de órgãos. Muitos críticos do lançamento rápido da IA invocaram o potencial de viés algorítmico.
Inteligência Geral Artificial (AGI): Uma descrição de programas que são tão capazes – ou até mais capazes – do que um ser humano. Embora a inteligência geral total ainda esteja defasada no futuro, os modelos estão crescendo em sofisticação. Alguns demonstraram habilidades em vários domínios, desde a química até a psicologia, com desempenho de tarefas paralelo aos padrões humanos.
Agentes Autônomos: Um modelo de IA que possui um objetivo e ferramentas suficientes para alcançá-lo. Por exemplo, carros autônomos são agentes autônomos que usam informações sensoriais, dados de GPS e algoritmos de direção para tomar decisões independentes sobre como navegar e chegar a destinos. Um grupo de agentes autônomos pode até desenvolver culturas, tradições e linguagem compartilhada, como demonstraram pesquisadores da Stanford.
Encadeamento de prompts: o processo de usar interações anteriores com um modelo de IA para criar respostas novas e mais ajustadas, especificamente na modelagem de linguagem orientada a prompts. Por exemplo, quando você pede ao ChatGPT para enviar uma mensagem de texto para seu amigo, espera que ele se lembre de coisas como o tom que você usa para falar com ela, piadas internas e outros conteúdos de conversas anteriores. Essas técnicas ajudam a incorporar esse contexto.
Fonte: NBC News. Disponível em https://www.nbcnews.com/tech/innovation/ai-glossary-openai-chatgpt-words-terms-know-booming-industry-rcna81793
