Glossário

Inteligência artificial (IA) é a área da computação que cria programas capazes de fazer tarefas que antes exigiam inteligência humana: reconhecer um rosto, traduzir, recomendar uma música ou conversar.

Machine learning (aprendizado de máquina) é a parte da inteligência artificial em que um programa aprende padrões a partir de exemplos, em vez de seguir regras escritas à mão.

Uma rede neural é um tipo de modelo de machine learning formado por camadas de unidades simples conectadas entre si.

Deep learning (aprendizado profundo) é a parte do machine learning que usa redes neurais com muitas camadas.

IA geral (AGI, de artificial general intelligence em inglês) é a ideia de um sistema capaz de aprender e resolver quase qualquer tarefa intelectual que uma pessoa faz, e passar de uma para outra sem ser treinado de novo.

IA generativa é a inteligência artificial que cria conteúdo novo (texto, imagens, áudio ou código) a partir de um pedido chamado prompt.

IA multimodal é a que trabalha com mais de um tipo de dado: texto, imagens, áudio ou vídeo.

Visão computacional é o campo da IA que ensina uma máquina a entender imagens e vídeo: reconhecer um rosto, ler uma placa de carro ou achar um cachorro nas suas fotos.

Deepfake é um vídeo, uma foto ou um áudio falso feito com IA para parecer real: o rosto de alguém no corpo de outra pessoa, ou a voz dela dizendo algo que nunca disse.

Um prompt é todo o texto que uma IA recebe para fazer seu trabalho: seu pedido, as instruções, o contexto e os exemplos que você acrescenta.

Engenharia de prompt é a prática de escrever, testar e ajustar as instruções que um modelo de IA recebe até ele responder bem de forma consistente.

Um modelo de IA é um sistema de cálculo treinado com muitos dados para fazer uma tarefa, como escrever texto, reconhecer imagens ou transcrever voz.

Um LLM (large language model, ou modelo de linguagem grande) é um modelo de IA treinado com enormes quantidades de texto para gerar texto.

Um chatbot é um programa que conversa com você por texto ou por voz.

Um token é a unidade de texto com que um modelo de linguagem como o ChatGPT trabalha.

Um tokenizador é o programa que transforma o texto em tokens antes de um modelo de linguagem ler, e que volta a montar texto com os tokens que o modelo responde.

A janela de contexto é a quantidade máxima de texto, medida em tokens, que um modelo de IA consegue considerar de uma vez: suas mensagens, as respostas dele, as instruções e os documentos que você enviar.

A temperatura é um ajuste que muda quanto acaso um modelo de IA usa ao escolher o próximo token, o pedaço de texto que vem depois.

Uma alucinação é uma resposta da IA que soa segura e convincente mas é falsa ou inventada: um dado, uma citação, uma lei, um link ou um livro que não existe.

Um embedding é uma lista de números que representa o significado de um texto.

Um banco de dados vetorial guarda dados como listas de números, os embeddings, que representam o seu significado, e encontra rápido os mais parecidos com uma consulta.

RAG (geração aumentada por recuperação) é uma técnica em que, antes de responder, o sistema busca nos seus documentos os trechos que mais se parecem com a pergunta e os passa ao modelo junto com ela.

O fine-tuning, ou ajuste fino, é continuar treinando um modelo de IA já pronto com seus próprios exemplos para que ele se especialize numa tarefa.

Uma API de IA é a porta pela qual um programa manda texto para um modelo e recebe a resposta, sem passar pela tela de um chat.

Processamento de linguagem natural (NLP, ou PLN em português) é o ramo da inteligência artificial que processa a linguagem das pessoas, escrita ou falada.

Um modelo local de IA é um modelo que você baixa e executa no seu próprio computador, em vez de usá-lo nos servidores de uma empresa.

Quantização é guardar os pesos de um modelo de IA com menos bits, por exemplo 8 ou 4 em vez de 16.

Um modelo de pesos abertos é um modelo de IA cujos pesos, os números ajustados durante o treinamento, estão disponíveis para baixar.

A IA no celular, também chamada de IA no dispositivo, é a que faz o cálculo dentro do seu próprio telefone ou notebook, não num servidor.

"Modelo System One" é o nome que a TypeSafe AI usa para modelos de IA feitos para julgamentos rápidos e delimitados: escolher uma opção, pontuar ou responder sim ou não, com probabilidades, em vez de escrever texto.

O Jev é um modelo de IA da TypeSafe AI que não escreve texto: você dá um contexto e perguntas com tipo, e ele devolve respostas estruturadas com probabilidades.

A Decisions API é um endpoint da OpenAI que não escreve texto: você dá um texto, ou texto e imagens, e perguntas com tipo, e ela devolve decisões com probabilidades.

Structured outputs é uma função das APIs de IA que obriga um LLM a responder com um JSON que segue um esquema que você define: quais campos vão, de que tipo e quais são obrigatórios.

Um classificador de IA é um modelo que atribui uma categoria ao que recebe: um e-mail, um texto ou uma foto.

Uma probabilidade está calibrada quando coincide com o que acontece em muitos casos comparáveis: em muitas previsões comparáveis com probabilidade 0,8, essa opção corresponde ao resultado real em cerca de 80% dos casos.

Uma chave de API (API key) é uma senha longa que identifica a sua conta quando um programa usa um modelo de IA pela API.

Um agente de IA é um programa que usa um modelo de linguagem para cumprir um objetivo em vários passos.

Um navegador com IA é um navegador web com IA integrada.

Um agente de código é uma ferramenta de IA que trabalha dentro do seu projeto: lê arquivos, edita, executa comandos como os testes e confere o que aconteceu.

Um subagente é um agente que o agente principal lança para uma tarefa delimitada, como procurar onde uma função é usada.

Vibe coding é programar descrevendo para uma IA o que você quer e aceitando o código que ela gera sem ler: se funciona quando você testa, segue em frente.

CLAUDE.md é um arquivo de texto no seu repositório com as regras do projeto que um agente de código como o Claude Code lê no começo de cada sessão.

AGENTS.md é um arquivo de texto no seu repositório com as instruções para os agentes de código: como instalar, como rodar os testes e quais convenções seguir.

Um diff é a lista de diferenças entre duas versões de um arquivo ou de um projeto: quais linhas entraram, quais saíram e onde.

O modo de planejamento é pedir a um agente de IA que primeiro proponha o que vai mudar, onde e como vai testar, sem editar nada ainda.

Engenharia de contexto é decidir o que entra na janela de contexto do modelo a cada passo e o que fica de fora: instruções, arquivos de regras, resultados de ferramentas, histórico, documentos recuperados e resumos.

MCP (Model Context Protocol) é um padrão aberto, criado pela Anthropic em 2024, para conectar apps de IA como Claude e ChatGPT a ferramentas e dados.

Um servidor MCP é o programa que oferece ferramentas e dados a um app de IA usando MCP.

Uma API (interface de programação de aplicações) é o conjunto de regras com que um programa pede dados ou ações a outro: o que dá para pedir, como pedir e em que formato chega a resposta.

Uma skill é uma receita reutilizável que ensina um agente de IA a fazer uma tarefa específica: instruções empacotadas e, às vezes, arquivos ou scripts de apoio.

Injeção de prompt é quando um texto que o modelo lê (uma página, um e-mail, um PDF, um comentário) traz instruções e o modelo as segue como se viessem de você.

Guardrails de IA são controles que cercam um modelo ou um agente: verificam o que entra, filtram o que sai e limitam o que ele pode fazer.

Usar IA por API costuma ser cobrado por tokens: você paga os que envia (entrada) e os que o modelo responde (saída), cada um com sua tarifa por milhão.

São duas formas de pagar a IA.

Um benchmark de IA é uma prova fixa, com perguntas ou tarefas de resposta conhecida, aplicada a vários modelos para compará-los com a mesma régua.

O cache de prompts é um recurso de algumas APIs de IA que guarda o trabalho feito sobre o começo de uma entrada para reaproveitá-lo.

O effort é um ajuste de alguns modelos de IA que orienta quanto eles trabalham antes de responder: quanto raciocinam e, conforme o provedor, também o tamanho da resposta e quantas ferramentas chamam.

Tokens de raciocínio são o texto intermediário que um modelo de raciocínio gera antes de dar a resposta final.

Um modelo de raciocínio é um modelo de linguagem treinado para escrever passos intermediários antes de dar a resposta final.

Chain of thought (cadeia de pensamento) é fazer um modelo de linguagem escrever os passos intermediários antes da resposta final.

O processamento em lote, ou batch, é uma opção de algumas APIs de IA em que você envia muitas consultas juntas e o provedor as roda quando sobra capacidade.

O paradoxo de Jevons diz que usar um recurso com mais eficiência pode aumentar seu consumo total em vez de diminuir.