AI Glossary

Dados de Treinamento

Dados de treinamento são o corpus usado para ajustar os parâmetros de um modelo. A cobertura deles define o teto do modelo: lacunas, erros e distorções nos dados reaparecem como lacunas, erros e vieses nas saídas. No AI Act da UE, dados de treinamento têm definição formal e, para sistemas de alto risco, obrigações de governança associadas. Na prática: Um modelo de contratação treinado majoritariamente com contratações passadas de um único perfil demográfico vai reproduzir esse padrão. ...

Dados de Validação

Os dados de validação ficam entre o treino e o teste. Você os usa para escolher hiperparâmetros e para detectar overfitting cedo, porque o modelo nunca aprende diretamente com eles. Reutilizá-los de forma agressiva demais vaza informação e silenciosamente os transforma em um segundo conjunto de treino. Na prática: Se a perda de validação começa a subir enquanto a de treino continua caindo, você está em overfitting — pare.

Dados Sintéticos

Dados sintéticos preenchem lacunas onde o dado real é escasso, sensível ou caro — casos extremos raros, registros restritos por privacidade, exemplos equilibrados de uma classe minoritária. O risco é cumulativo: um modelo treinado no próprio tipo de saída pode se afastar da realidade e amplificar vieses existentes em vez de corrigi-los. Na prática: Gerar 5,000 tickets de suporte plausíveis para cobrir um cenário do qual você tem três exemplos reais. ...

Data de Corte do Conhecimento

Um modelo não sabe nada sobre o mundo depois da sua data de corte, a menos que receba busca ou documentos no momento da inferência. É por isso que modelos descrevem com toda a confiança versões já superadas de softwares e ignoram acontecimentos recentes. Recuperação e ferramentas de web são a solução; a data de corte em si só se move com um novo treinamento. Na prática: Pedir a um modelo ‘o mais recente’ de qualquer coisa é pouco confiável, a menos que ele possa buscar. ...

Deep Learning

O deep learning (aprendizado profundo) empilha muitas camadas de unidades matemáticas simples, de modo que cada camada aprende uma representação um pouco mais abstrata do que a de baixo. É a profundidade que permite ao modelo ir de pixels a bordas, a formas, até ‘gato’, sem que ninguém defina o que é uma borda. Todo modelo de linguagem grande e todo gerador de imagens em uso hoje é deep learning. ...

Deepfake

Deepfakes combinam geração de vídeo ou clonagem de voz com a imagem de uma pessoa real. A detecção é pouco confiável e está piorando, então as defesas práticas são sinais de procedência, canais de verificação e processo organizacional. O AI Act da UE impõe obrigações de divulgação para esse tipo de conteúdo. Na prática: Uma voz clonada do CEO em uma ligação autorizando uma transferência bancária.

Destilação

Na destilação, um modelo professor grande gera saídas que treinam um modelo aluno menor. O aluno sai mais barato e mais rápido, preservando boa parte do comportamento do professor na distribuição alvo. A maioria dos modelos de produção acessíveis é destilada de algo maior. Na prática: Um modelo 10× menor e 20× mais barato que dá conta de 90% do seu tráfego igualmente bem.

Documentação Técnica

O Artigo 11 e o Anexo IV definem o que o dossiê precisa conter: descrição do sistema, escolhas de design, dados, treinamento e testes, métricas de desempenho, gestão de riscos e plano de pós-comercialização. Ele precisa existir antes de o sistema chegar ao mercado e ser mantido depois disso. É o artefato de conformidade — sem dossiê, sem conformidade. Na prática: O documento que uma autoridade pede primeiro e que os times começam a escrever tarde demais. ...

Embedding

Um embedding transforma um texto, uma imagem ou um item em um vetor em um espaço de muitas dimensões, organizado de modo que a semelhança semântica vire proximidade geométrica. Essa única propriedade sustenta busca semântica, recomendações, clusterização e a metade de recuperação do RAG. Na prática: ‘carro’ e ‘automóvel’ caem perto um do outro; ‘carro’ e ‘carpete’ não, apesar de compartilharem letras.

Engenharia de contexto

A engenharia de contexto é a disciplina que cresceu em torno do prompting quando as janelas de contexto ficaram grandes: com espaço para centenas de páginas, a pergunta deixa de ser ‘o que eu digo’ e passa a ser ‘do que o modelo realmente precisa’. Contexto irrelevante degrada a saída de forma mensurável, então curar vence entupir. Na prática: Recuperar três seções relevantes em vez de colar o manual inteiro de 200 páginas. ...