Biblioteca de aprendizado de IA
Glossário de IA: mais de 150 termos explicados em português claro
Um glossário em português claro dos termos de IA que realmente aparecem no trabalho — de tokens e RAG até o EU AI Act.
162 termos
Nenhum termo corresponde. Tente uma palavra mais curta ou .
A
Espaço de ações
O conjunto completo de coisas que um agente tem permissão para fazer — suas ferramentas, APIs e permissões.
Função de ativação
O passo não linear aplicado em cada unidade, sem o qual uma rede profunda desmoronaria em uma única rede linear.
Exemplo adversarial
Uma entrada perturbada apenas o suficiente para enganar um modelo, parecendo inalterada para uma pessoa.
Memória do agente
Como um agente retém informação entre passos e sessões, para além da janela de contexto.
IA agêntica
IA que age — planeja, usa ferramentas, se corrige — em vez de apenas produzir texto.
Loop agêntico
O ciclo que um agente repete: raciocinar sobre o que fazer, agir, observar o resultado, decidir de novo.
Agente de IA
Software que planeja e executa ações rumo a um objetivo em seu nome, em vez de apenas responder.
Alinhamento de IA
O problema de fazer sistemas de IA perseguirem o que realmente queremos, incluindo o que nunca pensamos em especificar.
Governança de IA
A estrutura interna de decisões, responsáveis e controles sobre como uma organização constrói e usa IA.
Incidente de IA
Um evento em que um sistema de IA causa ou quase causa dano — cada vez mais, algo que você precisa registrar e comunicar.
Letramento em IA
No AI Act da UE: as habilidades e o entendimento de que a equipe precisa para usar sistemas de IA com consciência — e uma obrigação legal desde fevereiro de 2025.
Sandbox regulatório de IA
No AI Act da UE: um ambiente supervisionado onde inovadores podem desenvolver e testar sistemas de IA sob o olhar de um regulador.
Segurança de IA
O campo dedicado a impedir que sistemas de IA causem danos, das falhas cotidianas aos riscos sistêmicos.
AI Slop
Conteúdo gerado por IA de baixa qualidade, produzido por volume e não por valor.
Sistema de IA (definição legal)
No AI Act da UE: um sistema baseado em máquina que opera com algum grau de autonomia e infere saídas a partir de entradas.
Viés algorítmico
Quando um sistema produz resultados sistematicamente diferentes para grupos diferentes, sem justificativa.
API API
A interface que seu código usa para enviar um prompt a um modelo e receber uma resposta de volta.
Chave de API
A credencial secreta que autentica e cobra suas chamadas de API — e que nunca pode chegar ao navegador.
Inteligência Artificial Geral AGI
Um sistema hipotético com amplitude humana em praticamente qualquer tarefa cognitiva — sem definição consensual e sem prazo consensual.
Inteligência Artificial AI
Software que executa tarefas que normalmente associamos ao pensamento humano — reconhecer, prever, gerar, decidir.
Mecanismo de atenção
A operação que permite ao modelo pesar quais partes da entrada mais importam para cada parte da saída.
Autonomia
O quanto um sistema age sem envolvimento humano — um dial, não um interruptor.
B
Retropropagação
O algoritmo que calcula quanto cada peso contribuiu para o erro, para que o gradiente descendente possa corrigi-lo.
Inferência em lote
Rodar muitas previsões juntas como um job, em vez de uma a uma em tempo real.
Batch Size
Quantos exemplos o modelo processa antes de atualizar seus pesos uma vez.
Benchmark
Um conjunto de testes padronizado usado para comparar modelos — útil como direção, pouco confiável como garantia.
Viés
Desvio sistemático nas saídas de um modelo — uma propriedade de dados e de design, não uma acusação moral.
Categorização biométrica
No AI Act da UE: atribuir pessoas a categorias com base em seus dados biométricos — restrito, e proibido para atributos sensíveis.
C
Marcação CE
A marca que declara que um sistema de IA de alto risco está em conformidade com os requisitos aplicáveis da UE.
Chain-of-Thought Prompting CoT
Pedir ao modelo que percorra seu raciocínio passo a passo antes de responder.
Chunking
Dividir documentos em trechos pequenos o bastante para virar embeddings e serem recuperados de forma útil.
Classificação
Prever a qual categoria algo pertence.
Computer Use
Um agente operando um computador como uma pessoa faria — lendo a tela, movendo o cursor, digitando.
Avaliação de conformidade
O procedimento que demonstra que um sistema de IA de alto risco atende aos requisitos do AI Act antes de chegar ao mercado.
Content Credentials C2PA
Metadados assinados criptograficamente que registram como uma peça de mídia foi criada e editada.
Engenharia de contexto
Decidir que informação entra na janela de contexto, em que ordem, e o que fica de fora.
Janela de contexto
O número máximo de tokens que um modelo consegue considerar de uma vez — prompt, documentos e a própria resposta somados.
Copilot
Um assistente de IA embutido em uma ferramenta, que sugere enquanto você mantém o controle.
D
Envenenamento de dados
Corromper os dados de treinamento para que o modelo resultante se comporte mal, muitas vezes só diante de um gatilho específico.
Proveniência de dados
Um registro documentado de onde os dados vieram, como foram coletados e o que pode ser feito com eles.
Deep Learning
Machine learning construído sobre redes neurais com muitas camadas — a abordagem por trás de quase todo sistema de IA moderno.
Deepfake
Áudio ou vídeo sintético que retrata de forma convincente uma pessoa real fazendo ou dizendo algo que ela não fez.
Implantador
No AI Act da UE: quem usa um sistema de IA sob sua própria autoridade, em caráter profissional.
Privacidade diferencial
Uma garantia matemática de que um resultado quase não muda tendo sido incluído ou não o dado de qualquer pessoa.
Modelo de difusão
A arquitetura por trás da maior parte da geração de imagens e vídeos por IA: partir do ruído e removê-lo passo a passo.
Destilação
Treinar um modelo pequeno para imitar um grande, mantendo a maior parte da qualidade por uma fração do custo.
Fornecedor a jusante
No AI Act da UE: um fornecedor cujo sistema integra um modelo de IA de uso geral feito por outra empresa.
E
Embedding
Uma lista de números que representa significado, na qual coisas parecidas acabam próximas umas das outras.
Sistema de reconhecimento de emoções
No AI Act da UE: um sistema que identifica ou infere emoções ou intenções a partir de dados biométricos — banido em locais de trabalho e escolas.
Época
Uma passagem completa do algoritmo de treinamento por todo o conjunto de dados de treinamento.
AI Act da UE
O regulamento da UE sobre inteligência artificial — a primeira lei de IA ampla e vinculante, aplicada por nível de risco.
Avaliação (evals)
Medição sistemática de se um sistema de IA faz o que você precisa — os seus testes, não os do fornecedor.
Explicabilidade XAI
Conseguir dar a uma pessoa uma explicação significativa de por que um sistema produziu determinada saída.
F
Equidade
A exigência de que um sistema trate as pessoas de forma equitativa — com várias definições matemáticas que comprovadamente entram em conflito.
Feature
Uma variável de entrada que o modelo usa para fazer sua previsão.
Few-Shot Prompting
Incluir vários exemplos no prompt para que o modelo deduza o padrão que você quer.
Fine-Tuning
Continuar o treinamento com seus próprios exemplos para especializar o comportamento de um modelo geral.
Foundation Model
Um modelo grande treinado de forma ampla uma única vez e depois adaptado a muitas tarefas seguintes, em vez de ser construído tarefa a tarefa.
Modelo de Fronteira
Um modelo no limite ou além do estado da arte em capacidade geral — os que os reguladores acompanham mais de perto.
Function Calling
O mecanismo pelo qual o modelo pede que o seu código execute uma função específica com argumentos específicos.
G
GAN (Rede Generativa Adversarial) GAN
Duas redes treinadas uma contra a outra — uma gerando falsificações, a outra tentando detectá-las.
Modelo de IA de Finalidade Geral GPAI
Sob o EU AI Act: um modelo com generalidade significativa, capaz de executar uma ampla gama de tarefas e de ser embutido em muitos sistemas.
IA Generativa GenAI
Modelos que produzem conteúdo novo — texto, imagens, áudio, vídeo, código — em vez de apenas classificar ou pontuar conteúdo já existente.
GPU GPU
O processador paralelo que tornou o deep learning viável, e o recurso mais escasso do setor.
Gradiente Descendente
O método de otimização que encontra parâmetros melhores dando passos ladeira abaixo na perda, repetidas vezes.
Guardrails
Controles que limitam o que se pode pedir a um modelo e o que ele pode produzir.
H
Alucinação
Saída fluente e confiante que é simplesmente falsa — o modo de falha característico dos modelos de linguagem.
Sistema de IA de Alto Risco
Sob o EU AI Act: um sistema em um caso de uso sensível listado, permitido, mas sujeito às obrigações mais rígidas.
Supervisão Humana
Sob o EU AI Act: a exigência de que pessoas consigam entender, monitorar, sobrepor-se a e interromper um sistema de alto risco.
Human-in-the-Loop HITL
Um desenho em que uma pessoa revisa ou aprova antes que uma ação de IA tenha efeito.
Busca Híbrida
Combinar busca por palavra-chave e busca vetorial, porque cada uma falha onde a outra funciona.
Hiperparâmetro
Uma configuração que você escolhe antes do treinamento, ao contrário de um parâmetro que o modelo aprende durante ele.
I
Inferência
Rodar um modelo já treinado para obter uma resposta — tudo o que acontece depois que o treinamento termina.
Custo de Inferência
O que custa rodar um modelo em produção, cobrado por token de entrada e por token de saída.
Interpretabilidade
Entender como um modelo funciona por dentro, em vez de apenas descrever suas saídas.
ISO/IEC 42001
A norma internacional para um sistema de gestão de IA — certificável, ao contrário do framework do NIST.
J
K
L
Rótulo
A resposta correta associada a um exemplo de treinamento.
Modelo de Linguagem de Grande Porte LLM
Um modelo treinado em enormes quantidades de texto para prever o próximo token, o que acaba bastando para escrever, resumir, traduzir e raciocinar.
Latência
Quanto tempo uma requisição leva — a diferença entre um assistente que parece vivo e um que parece quebrado.
Taxa de Aprendizado
O tamanho do passo que o treinamento dá a cada atualização — o hiperparâmetro com mais chance de arruinar uma rodada.
LLMOps
MLOps para sistemas construídos sobre modelos de linguagem — prompts, evals, custo e segurança no lugar de rodadas de treinamento.
LoRA (Low-Rank Adaptation)
Um método barato de fine-tuning que treina um pequeno complemento em vez de atualizar o modelo inteiro.
Função de Perda
A fórmula que mede o quanto a previsão do modelo está errada — aquilo que o treinamento tenta minimizar.
M
Aprendizado de Máquina ML
Uma forma de construir software em que o sistema aprende padrões a partir de exemplos, em vez de seguir regras escritas à mão.
Meta-Prompting
Usar um modelo para escrever, criticar ou melhorar prompts destinados a outro modelo.
Mixture of Experts MoE
Uma arquitetura em que só uma fração dos parâmetros do modelo é ativada para cada token.
MLOps
As práticas para colocar modelos de aprendizado de máquina em produção e mantê-los funcionando.
Modelo
O artefato treinado — os parâmetros aprendidos mais a arquitetura — que transforma uma entrada em uma saída.
Model Card
Um documento curto e padronizado que declara para que serve um modelo, como ele foi avaliado e onde ele falha.
Model Context Protocol MCP
Um padrão aberto para conectar aplicações de IA a ferramentas e fontes de dados por uma interface comum.
Model Drift
Degradação silenciosa à medida que o mundo se afasta dos dados com os quais o modelo foi treinado.
Sistema Multiagente
Vários agentes especializados trabalhando juntos, em geral com um coordenador dividindo o trabalho.
IA Multimodal
Um modelo que lida com mais de um tipo de entrada ou saída — texto, imagens, áudio, vídeo.
N
IA Restrita
IA construída para uma tarefa específica, o que descreve todo sistema de IA que existe hoje.
Prompt Negativo
Na geração de imagens, uma lista de coisas que você quer manter fora do resultado.
Rede Neural
Um modelo feito de camadas de unidades conectadas que passam números adiante, vagamente inspirado em neurônios.
NIST AI Risk Management Framework AI RMF
Um framework americano de adesão voluntária para gerir risco de IA, organizado em torno de Govern, Map, Measure, Manage.
O
IA no Dispositivo
Rodar um modelo em um celular ou notebook em vez de mandar os dados para um servidor.
One-Shot Prompting
Dar exatamente um exemplo resolvido junto com a instrução.
Modelo de Pesos Abertos
Um modelo cujos pesos treinados você pode baixar e rodar por conta própria — não necessariamente open source no sentido estrito.
Orquestração
A camada que decide qual modelo, ferramenta ou agente cuida de cada etapa, e em que ordem.
Overfitting
Quando um modelo decora os dados de treinamento em vez de aprender o padrão, e falha em qualquer coisa nova.
P
Parâmetro
Um dos números internos que um modelo ajusta durante o treinamento; a contagem de parâmetros é uma medida grosseira da capacidade do modelo.
Monitoramento Pós-Comercialização
Sob o EU AI Act: os provedores precisam continuar acompanhando como o sistema deles se comporta no mundo real depois do lançamento.
Precisão e Recall
As duas métricas que realmente dizem se um classificador funciona quando uma das classes é rara.
Prática de IA Proibida
Sob o EU AI Act: usos de IA banidos por completo na UE, em vigor desde fevereiro de 2025.
Prompt
A entrada que você dá ao modelo — instruções, contexto, exemplos e pergunta, tudo em texto.
Prompt Caching
Reaproveitar a forma já processada de um trecho inicial repetido do prompt, para não pagar o preço cheio por ele de novo.
Engenharia de Prompt
Projetar e iterar prompts para obter saídas confiáveis — mais parecido com escrever uma especificação do que com achar palavras mágicas.
Prompt Injection
Esconder instruções no conteúdo que o modelo lê, de modo que um terceiro assume o controle do prompt.
Template de Prompt
Um prompt reutilizável com campos variáveis, para que um prompt que funciona vire um ativo repetível.
Provedor
Segundo o AI Act da UE: quem desenvolve um sistema de IA ou um modelo GPAI e o coloca no mercado com o próprio nome ou marca.
Q
R
Rate Limit
O teto que um provedor impõe sobre quantas requisições ou tokens você pode usar por intervalo.
Padrão ReAct
Um design de agente que intercala raciocínio explícito com ações, um passo por vez.
Modelo de Raciocínio
Um modelo treinado para gastar computação extra elaborando um problema antes de responder.
Red Teaming
Atacar deliberadamente o seu próprio sistema de IA para achar falhas antes que outra pessoa ache.
Regressão
Prever um número em vez de uma categoria.
Regularização
Qualquer técnica que restringe deliberadamente um modelo para impedir que ele memorize o conjunto de treino.
Aprendizado por Reforço RL
Aprender por tentativa e erro, guiado por recompensas em vez de respostas rotuladas.
IA Responsável
A prática de construir e implantar IA considerando deliberadamente seus efeitos sobre as pessoas.
Retrieval-Augmented Generation RAG
Buscar primeiro os documentos relevantes e colocá-los no prompt, para que o modelo responda a partir de fontes em vez da memória.
RLHF (Aprendizado por Reforço com Feedback Humano) RLHF
Treinar um modelo com julgamentos humanos de preferência para que ele se torne útil e bem-comportado, e não apenas fluente.
Robustez
Se um sistema continua funcionando quando as entradas são ruidosas, incomuns ou deliberadamente adversariais.
Role Prompting
Atribuir um papel ao modelo para moldar seu vocabulário, sua profundidade e seu enquadramento.
S
SDK SDK
Uma biblioteca oficial que embrulha a API de um provedor na sua linguagem de programação.
Aprendizado Autossupervisionado
Treinamento em que os próprios dados geram seus rótulos — o truque que tornou os grandes modelos de linguagem possíveis.
Shadow AI
Funcionários usando ferramentas de IA que a organização não aprovou e não consegue enxergar.
Speech-to-Text STT
Transformar áudio falado em texto escrito.
Saída Estruturada
Forçar o modelo a devolver dados em um schema fixo, para que o código seguinte consiga fazer o parse.
Aprendizado Supervisionado
Aprender com exemplos que vêm com a resposta certa junto.
Dados Sintéticos
Dados de treino ou de teste gerados por um modelo, em vez de coletados no mundo real.
System Prompt
Instruções permanentes que definem o papel, as regras e o tom de um modelo para uma conversa inteira.
Risco Sistêmico
Segundo o AI Act da UE: risco decorrente das capacidades de alto impacto dos modelos de uso geral mais capazes.
T
Documentação Técnica
Segundo o AI Act da UE: o dossiê que descreve como um sistema foi construído, testado e controlado, mantido à disposição das autoridades.
Temperatura
O parâmetro que controla a aleatoriedade na geração — baixo para consistência, alto para variedade.
Dados de Teste
Dados que o modelo nunca viu, usados uma única vez no fim para estimar o desempenho no mundo real.
Test-Time Compute
Gastar mais computação na hora de responder — pensar por mais tempo — para obter resultados melhores sem retreinar.
Text-to-Image
Gerar uma imagem a partir de uma descrição escrita.
Text-to-Speech TTS
Gerar áudio falado a partir de texto escrito.
Text-to-Video
Gerar clipes de vídeo a partir de uma descrição escrita.
Throughput
Quanto trabalho um sistema dá conta por unidade de tempo — tokens por segundo, requisições por minuto.
Token
A unidade que o modelo de fato lê e escreve — normalmente um pedaço de palavra, não uma palavra inteira.
Tokenização
Cortar o texto nos tokens que um modelo consegue processar — e uma fonte silenciosa de comportamentos estranhos.
Uso de Ferramentas
Um modelo chamando software externo — busca, código, APIs, bancos de dados — em vez de responder de memória.
Top-p (Nucleus Sampling)
Um controle alternativo de aleatoriedade que amostra apenas do menor conjunto de tokens que cobre a probabilidade p.
TPU TPU
O chip acelerador próprio do Google, feito sob medida para cargas de trabalho de machine learning.
Dados de Treinamento
Os exemplos com que um modelo aprende — o maior determinante isolado do que ele consegue e não consegue fazer.
Transformer
A arquitetura de rede neural por trás de praticamente todo modelo de linguagem moderno, construída em torno da atenção.
Transparência
Deixar claro o que é um sistema de IA, com o que ele foi treinado e quando alguém está interagindo com ele.
IA Confiável
Um guarda-chuva para as propriedades de que um sistema de IA precisa para merecer confiança: válido, seguro, protegido, responsabilizável, explicável, justo e com privacidade reforçada.
U
V
Dados de Validação
Uma fatia separada dos dados, usada para ajustar configurações e acompanhar o progresso durante o treino, sem tocar no conjunto de teste.
Banco de Dados Vetorial
Um banco de dados feito para armazenar embeddings e encontrar rapidamente os mais próximos.
Busca Vetorial
Encontrar conteúdo por significado, e não por correspondência de palavras-chave.