Explorar guias

Artigos de AI Glossary

162

Categorização biométrica

O Artigo 3(40) faz a definição, excluindo usos acessórios a outro serviço e estritamente necessários por razões técnicas. Categorizar pessoas por características sensíveis ou protegidas é uma prática proibida; a demais categorização biométrica em geral cai no nível de alto risco. Na prática: Inferir etnia ou filiação política a partir de um rosto é proibido.

Chain-of-Thought Prompting

O chain-of-thought prompting melhora a acurácia em problemas de vários passos ao obrigar o modelo a gerar etapas intermediárias em vez de saltar para a conclusão. Também torna o raciocínio inspecionável, o que ajuda você a achar onde ele errou. Note que o raciocínio declarado não é garantidamente a computação real — é um artefato útil, não uma prova. Na prática: ‘Percorra o cálculo passo a passo e depois informe o valor final.’ ...

Chave de API

Uma chave de API identifica sua conta perante o provedor. Quem estiver com ela pode gastar seu orçamento e ver seu uso, então chaves ficam em um servidor ou em um gerenciador de segredos, nunca no código de front-end nem em um repositório público. Rotacione as chaves e limite o escopo delas sempre que o provedor permitir. Na prática: Uma chave commitada em um repositório público é encontrada e usada em questão de minutos. ...

Chunking

O chunking é o passo menos glamouroso e mais decisivo de um pipeline de RAG. Trechos grandes demais diluem o embedding e desperdiçam contexto; pequenos demais perdem o sentido que os tornava relevantes. Dividir pela estrutura — títulos, seções — funciona melhor do que dividir por contagem de caracteres. Na prática: Cortar um contrato no meio de uma cláusula, de modo que a recuperação devolve meia frase que não significa nada. ...

Classificação

Um modelo de classificação devolve uma classe em vez de um número: spam ou não, qual dos cinco idiomas, qual doença. Sua qualidade é medida com precisão, recall e métricas relacionadas — a acurácia sozinha engana sempre que uma das classes é rara. Na prática: Separar tickets de suporte em cobrança, técnico ou conta.

Computer Use

O computer use permite que um agente trabalhe com softwares que não têm API, controlando a interface diretamente. Isso destrava sistemas legados e ferramentas de cauda longa ao custo de ser mais lento e mais frágil do que uma integração de verdade. Como ele herda todo o acesso do usuário, o sandbox não é opcional. Na prática: Preencher um formulário em um portal interno construído em 2009 e que não tem API. ...

Content Credentials

As Content Credentials, construídas sobre o padrão C2PA, anexam ao arquivo um histórico à prova de adulteração — capturado por esta câmera, editado aqui, gerado por aquele modelo. A abordagem prova a procedência em vez de detectar falsificações, o que é um problema mais tratável. Sua fraqueza é que remover os metadados é trivial, então a ausência deles não prova nada. Na prática: Uma imagem cujas credenciais mostram que ela veio de uma câmera, não de um gerador. ...

Copilot

Um copilot trabalha ao seu lado dentro do aplicativo — sugerindo a próxima linha, rascunhando o parágrafo, propondo a fórmula. A diferença para um agente é quem está no volante: o copilot propõe, você aceita. O nome já virou genérico, apesar de também ser uma marca de produto. Na prática: O autocompletar que termina a função que você ia escrever.

Custo de Inferência

Tokens de entrada e de saída costumam ter preços diferentes, e a saída é o lado caro. Os custos crescem junto com o tamanho da conversa, porque o histórico é reenviado a cada turno, e é por isso que apps de chat ingênuos ficam caros rápido. Cache, contexto mais curto e roteamento para modelos menores são as alavancas padrão. Na prática: Reenviar um documento de 50 páginas a cada pergunta de acompanhamento, e pagar por isso todas as vezes. ...

Dados de Teste

Os dados de teste são o boletim honesto. Eles precisam ficar intocados durante o desenvolvimento, porque qualquer decisão tomada com base no resultado do teste os transforma em dados de validação. Quando exemplos de teste vazam para o treino — contaminação —, as pontuações relatadas perdem o sentido. Na prática: Um modelo que tira 95% em um benchmark cujas respostas estavam nos dados de treino dele não aprendeu nada.