162 artigos
Explorar guias
Um rótulo é o alvo que um modelo supervisionado tenta reproduzir — a categoria, o número, a saída certa. A qualidade dos rótulos limita a qualidade do modelo: se os anotadores discordam ou são descuidados, nenhuma quantidade de computação conserta isso. Na prática: Em um conjunto de fotos, ‘gato’ é o rótulo; os pixels são as features.
A saída estruturada restringe a geração a JSON válido ou a um schema fornecido, em vez de torcer para que um prompt produza um texto parseável. É a diferença entre uma demo e um pipeline, porque elimina toda a classe de falhas do tipo ‘o modelo escreveu uma frase simpática antes do JSON’. Na prática: Garantir que toda resposta tenha invoice_number, amount e currency, ou falhe de forma barulhenta.
O Artigo 3(55) define um quadro controlado, criado por uma autoridade competente, que permite a fornecedores desenvolver, treinar, validar e testar um sistema inovador por tempo limitado sob supervisão, seguindo um plano de sandbox acordado. Cada Estado-membro precisa dar acesso a um. O foco está especialmente em PMEs e startups. Na prática: Testar um sistema inédito de alto risco com uma autoridade nacional acompanhando, antes da entrada no mercado.
Um SDK evita que você escreva na mão chamadas HTTP, retentativas e streaming. Ele cuida de autenticação, tipagem e tratamento de erros em código idiomático. Usar um é quase sempre mais rápido e mais seguro do que conversar com o endpoint cru. Na prática: Três linhas de Python em vez de trinta linhas de encanamento de requisição.
A segurança de IA abrange questões de curto prazo — um modelo dando instruções perigosas, um sistema falhando em silêncio em produção — e preocupações de longo prazo com sistemas muito capazes. É prática de engenharia tanto quanto filosofia: avaliação, red teaming, monitoramento e rollback são todos trabalho de segurança. Na prática: Testar o que um modelo faz com um pedido que deveria recusar, antes que os clientes descubram.
Shadow AI é a versão em IA do shadow IT, e é quase universal porque as ferramentas são gratuitas e o ganho de produtividade é imediato. Os riscos são dados saindo do perímetro e saídas não revisadas entrando em documentos de trabalho. Bloquear ferramentas falha de forma bastante previsível; oferecer opções autorizadas mais treinamento funciona melhor. Na prática: Contratos de clientes colados em um chatbot gratuito de consumo para conseguir um resumo. ...
O Artigo 3(1) define um sistema de IA como baseado em máquina, projetado para operar com níveis variáveis de autonomia, possivelmente adaptativo após a implantação, e que infere, a partir das entradas que recebe, como gerar saídas como previsões, conteúdo, recomendações ou decisões capazes de influenciar ambientes. A definição é deliberadamente neutra em relação à tecnologia, e ‘infere’ é a palavra decisiva — é ela que separa um sistema de IA de um software comum. A Comissão publicou diretrizes em fevereiro de 2025 para ajudar a traçar essa linha. ...
Alto risco cobre IA usada como componente de segurança de um produto regulado, mais a lista do Anexo III: biometria, infraestrutura crítica, educação, emprego, serviços essenciais, aplicação da lei, migração e justiça. Alto risco não é proibido; é regulado. As obrigações incluem gestão de risco, governança de dados, documentação técnica, registro de logs, supervisão humana, acurácia e robustez, e avaliação de conformidade. Na prática: Software que pontua candidatos a vagas ou corrige provas está no Anexo III. ...
O Artigo 3(39) faz a definição e o Artigo 5 proíbe seu uso no trabalho e na educação, com exceções estreitas para fins médicos e de segurança. Fora disso, ele em geral é de alto risco. A base científica para inferir emoção a partir de rostos ou da voz é contestada, o que é parte do motivo de a restrição ser tão rígida. Na prática: Software que afirma medir o entusiasmo de um candidato a partir de uma entrevista em vídeo. ...
Arranjos multiagentes dividem uma tarefa entre agentes com papéis estreitos — pesquisar, redigir, criticar — partindo da ideia de que contexto focado bate um agente único fazendo malabarismo com tudo. Eles ajudam de verdade em tarefas que se decompõem bem. Também multiplicam custo, latência e modos de falha, então recorra a um deles só depois que um agente único tiver falhado de forma demonstrável. Na prática: Um agente reúne as fontes, um segundo escreve, um terceiro checa os fatos contra as fontes. ...