162 artigos
Explorar guias
Taxa de aprendizado, tamanho do lote, número de camadas, taxa de dropout — esses são hiperparâmetros. São escolhidos pelo desenvolvedor e ajustados contra dados de validação. A diferença em relação aos parâmetros é simples: você define os hiperparâmetros, o treinamento define os parâmetros. Na prática: Rodar o mesmo job 20 vezes com taxas de aprendizado diferentes para achar a que converge melhor.
O human-in-the-loop coloca um ponto de checagem na etapa que tem consequência — enviar, pagar, publicar, decidir. É o principal controle prático sobre o risco de agentes e, para sistemas de alto risco sob o EU AI Act, alguma versão dele é exigência legal, e não um diferencial. O modo de falha é o carimbo automático: uma revisão que ninguém de fato faz não é controle nenhum. Na prática: O agente prepara o reembolso; uma pessoa clica em aprovar. ...
IA agêntica é a forma adjetiva: as qualidades que fazem de um sistema um agente, principalmente autonomia e a capacidade de afetar o mundo. A mudança prática é sair de ‘o modelo escreve um rascunho’ para ‘o modelo faz a tarefa’, o que altera por completo o perfil de risco. Tudo que pode agir pode agir errado, e em alta velocidade. Na prática: A diferença entre um modelo que descreve como lançar a despesa e um que a lança. ...
IA confiável é o enquadramento que o NIST usa no AI Risk Management Framework, listando características que um sistema deve demonstrar, em vez de uma nota única a ser atingida. As características entram em conflito entre si, então o trabalho é equilibrá-las no contexto. É deliberadamente agnóstico em relação ao setor. Na prática: Um sistema pode ser preciso e ainda assim não ser confiável, se ninguém consegue explicá-lo ou contestá-lo. ...
A IA generativa aprende o formato dos seus dados de treinamento bem o bastante para amostrar novos exemplos a partir deles. A saída é inédita no sentido de que não existia antes, e derivada no sentido de que vem de padrões nos dados. É essa categoria que tirou a IA do back-office e a colocou na mão de todo mundo. Na prática: Pedir a um modelo um primeiro rascunho de e-mail de lançamento e receber um em quatro segundos. ...
Modelos multimodais mapeiam tipos diferentes de dados em uma representação compartilhada, então você pode entregar a um deles uma captura de tela e uma pergunta e receber uma resposta em texto. O efeito prático é que quadros brancos, PDFs e voz viram entradas válidas, o que elimina a etapa de transcrição em um monte de fluxos de trabalho. Na prática: Fotografar um gráfico quebrado em uma apresentação e perguntar o que há de errado com ele. ...
A inferência no dispositivo mantém os dados locais, funciona offline e não tem custo por token — genuinamente atraente para privacidade e para contextos regulados. A troca é capacidade: modelos locais são menores e mais lentos que as APIs de fronteira. Quantização e destilação são o que tornam isso viável. Na prática: Transcrever uma reunião confidencial sem que o áudio saia do notebook.
IA responsável é o lado organizacional da confiabilidade: quem decide, quem revisa, quem responde quando dá errado. É bem mais uma disciplina de governança e processo do que uma disciplina técnica. Onde continua sendo uma declaração de valores sem dono e sem poder de veto, é decoração. Na prática: Um responsável nomeado que pode barrar um lançamento, não um slide sobre princípios.
A IA restrita vai bem dentro do escopo para o qual foi feita e não transfere esse desempenho para fora dele. O rótulo é um contraste com a AGI, e não uma ofensa — os sistemas restritos são os que geram valor real hoje. Um modelo de finalidade geral pode parecer amplo e ainda assim ser restrito no sentido que importa: ele não age, não aprende nem se adapta além do que foi projetado. ...
Se a sua empresa usa um sistema de IA no trabalho, ela provavelmente é uma implantadora (deployer, no vocabulário do regulamento). O uso puramente pessoal e não profissional fica de fora. Os deveres do implantador são mais leves que os do fornecedor, mas são reais em sistemas de alto risco: usar conforme as instruções, designar supervisão humana competente, guardar logs e informar as pessoas afetadas. Na prática: Um time de RH que usa uma ferramenta terceirizada de triagem de currículos é implantador de um sistema de alto risco. ...