O que é IA? Glossário de A a Z de termos essenciais de IA em 2024

O cenário da IA ​​se move a uma velocidade vertiginosa, então você será perdoado se for pego de surpresa por um termo desconhecido (ou dois). Manter-se atualizado com o jargão mais recente da IA ​​está se tornando cada vez mais importante à medida que a tecnologia impacta nossas vidas diárias de cada vez mais maneiras.

Isto é especialmente verdade no trabalho, onde a literacia em IA é a nova competência obrigatória para os empregadores. Se você não conhece seu AGI do seu LLM, não se preocupe. Compilamos uma lista de termos populares de IA de A a Z e explicamos o que cada conceito significa em termos leigos, para ajudá-lo a aprender mais sobre a tecnologia que continua a moldar o mundo ao nosso redor.

Desde pontos de contato básicos, como aprendizado de máquina, até conceitos mais complexos, como IA quântica, continue lendo para aprimorar alguns termos interessantes e aprender mais sobre o admirável mundo novo da inteligência artificial.

O que é IA?

Abreviação de inteligência artificial, IA refere-se à inteligência das máquinas em oposição à inteligência de seres sencientes como os humanos. Os sistemas de IA funcionam recebendo grandes quantidades de dados de treinamento, analisando os dados em busca de padrões e usando esses padrões para gerar resultados.

Embora o conceito exista desde a década de 1950, a inteligência artificial se tornou popular nos últimos anos devido a avanços feitos por desenvolvedores de IA como o OpenAI . O estudo da IA ​​é vasto e se expande a cada ano, então continue lendo para aprender mais sobre inteligência artificial e conceitos relacionados em 2024.

A para Inteligência Geral Artificial (AGI)

AGI é um tipo teórico de IA que exibe inteligência semelhante à humana e é geralmente considerada tão ou mais inteligente que os humanos. Embora as origens do termo remontem a 1997, o conceito de AGI se tornou popular nos últimos anos, à medida que os desenvolvedores de IA continuam a empurrar a fronteira da tecnologia para frente.

Por exemplo, em novembro de 2023, a OpenAI revelou que estava trabalhando em um novo modelo de “superinteligência” de IA com o codinome Projeto Q* , que poderia aproximar a empresa da realização da AGI. Deve ser enfatizado, no entanto, que a AGI ainda é um conceito hipotético, e muitos especialistas estão confiantes de que o tipo de IA não será desenvolvido tão cedo, ou nunca.

B é para Big Data

Big data refere-se a conjuntos de dados grandes e de alto volume, que os métodos tradicionais de processamento de dados têm dificuldade em gerenciar. Big data e IA andam de mãos dadas. O gigantesco conjunto de informações brutas é vital para a tomada de decisões de IA, enquanto algoritmos sofisticados de IA podem analisar padrões em conjuntos de dados e identificar insights valiosos. Ao trabalharem juntos, eles ajudam os usuários a fazer revelações mais perspicazes, muito mais rapidamente do que através dos métodos tradicionais.

B é para preconceito

O preconceito da IA ​​ocorre quando um algoritmo produz resultados que são sistematicamente preconceituosos contra certos tipos de pessoas. Infelizmente, tem sido consistentemente demonstrado que os sistemas de IA reflectem preconceitos dentro da sociedade, defendendo crenças prejudiciais e encorajando estereótipos negativos relacionados com raça, género e identidade nacional.

Esses preconceitos foram enfatizados em um artigo agora excluído do Buzzfeed, que exibia Barbies geradas por IA de todo o mundo. As imagens apoiavam uma variedade de estereótipos raciais, apresentando bonecas caribenhas excessivamente sexualizadas, Barbies caiadas do sul global e bonecas asiáticas com trajes culturais imprecisos.

C é para ChatGPT

Você provavelmente já ouviu falar deste, mas ainda é importante mencionar, pois nenhum glossário de IA pode ser considerado completo sem uma referência ao chatbot generativo de IA que mudou o jogo quando foi lançado em novembro de 2022.

Resumindo, ChatGPT é o produto que mudou o debate sobre IA da sala de servidores para a sala de estar. Fez com a inteligência artificial o que o iPhone fez com o telemóvel, trazendo a tecnologia aos olhos do público em virtude do seu modelo amplamente acessível.

Como revelamos recentemente no nosso relatório Impacto da Tecnologia no Local de Trabalho , o ChatGPT é facilmente a ferramenta de IA mais utilizada pelas empresas – e pode até ser a chave para desbloquear a semana de trabalho de 4 dias .

Sua influência pode desaparecer com o tempo, mas o mundo da IA ​​sempre será visto através do prisma de antes e depois do nascimento do ChatGPT.

C é para computação

Significando “poder computacional”, computação refere-se aos recursos computacionais necessários para treinar modelos de IA para executar tarefas como processamento de dados e fazer previsões. Normalmente, quanto mais potência competitiva for usada para treinar um LLM, melhor será seu desempenho.

No entanto, o poder da computação depende de muito consumo de energia, o que está despertando preocupação entre os ativistas ambientais. Por exemplo, a pesquisa revelou que é necessário 1 GWh de energia para abastecer diariamente as respostas do ChatGPT, o que é energia suficiente para abastecer 30.000 residências nos EUA.

D é para difusão

Os modelos de difusão representam um novo nível de aprendizado de máquina, capaz de gerar imagens superiores geradas por IA. Esses modelos funcionam adicionando ruído a um conjunto de dados antes de aprender a reverter esse processo.

Ao compreender o conceito de abstração por trás de uma imagem e criar conteúdo de uma nova maneira, os modelos de difusão criam imagens mais nítidas e refinadas do que aquelas feitas por modelos tradicionais de IA, e estão atualmente sendo implantados em uma variedade de ferramentas de imagem de IA, como Dall -E e difusão estável.

E é para capacidades emergentes

O comportamento emergente ocorre quando os modelos de IA produzem uma resposta imprevista fora da intenção do seu criador. Grande parte da IA ​​é tão complexa que os processos de tomada de decisão ainda não podem ser compreendidos pelos humanos, mesmo pelos seus criadores. Com modelos de IA tão proeminentes como o GPT4 exibindo recentemente capacidades emergentes, os pesquisadores de IA estão fazendo um esforço maior para compreender o como e o porquê por trás dos modelos de IA.

F é para reconhecimento facial

A tecnologia de reconhecimento facial depende de IA, algoritmos de aprendizado de máquina e técnicas de visão computacional para processar fotos e vídeos de rostos humanos. Como a IA pode identificar detalhes faciais complexos com mais eficiência do que os métodos manuais, a maioria dos sistemas de reconhecimento facial usa uma rede neural artificial chamada rede neural convolucional (CNN) para aumentar sua precisão.

G é para IA generativa

IA generativa é um termo abrangente que descreve qualquer tipo de IA que produz conteúdo original, como texto, imagens e clipes de áudio. A IA generativa usa informações de LLMs e outros modelos de IA para criar resultados e potencializar respostas feitas por chatbots como ChatGPT, Gemini e Grok,

H é para alucinação

Os chatbots nem sempre produzem respostas corretas ou sensatas. Muitas vezes, os modelos de IA geram informações incorretas, mas as apresentam como fatos. Isso é chamado de alucinação de IA. As alucinações ocorrem quando o modelo de IA faz previsões com base no conjunto de dados em que foi treinado, em vez de recuperar fatos reais.

A maioria das alucinações de IA são menores e podem até passar despercebidas pelo usuário médio. No entanto, às vezes as alucinações podem ter consequências perigosas, já que respostas falsas produzidas pelo ChatGPT foram anteriormente exploradas por golpistas para induzir os desenvolvedores a baixar código malicioso.

Eu sou a favor da explosão de inteligência

Tendo semelhanças com a AGI, a explosão da inteligência é um cenário hipotético onde o desenvolvimento da IA ​​se torna incontrolável e, como resultado, representa uma ameaça para a humanidade. Também conhecido como “singularidade”, o termo representa uma ameaça existencial sentida por muitos sobre o avanço rápido e em grande parte descontrolado da tecnologia.

J é para Jailbreak

O jailbreak é uma forma de hacking com o objetivo de contornar as salvaguardas éticas dos modelos de IA. Especificamente, quando determinados prompts são inseridos nos chatbots, os usuários podem usá-los sem quaisquer restrições.

Curiosamente, um estudo recente da Brown University descobriu que o uso de idiomas como Hmong, Zulu e gaélico escocês era uma forma eficaz de desbloquear o ChatGPT. Aprenda como fazer o jailbreak do ChatGPT aqui .

J é para insegurança no trabalho

À medida que a IA continua a automatizar processos manuais anteriormente executados por seres humanos, a tecnologia está a provocar uma insegurança laboral generalizada entre os trabalhadores. Embora a maioria dos trabalhadores não deva ter nada com que se preocupar, nosso relatório Tech.co Impact of Technology on the Workplace descobriu recentemente que as funções de otimização da cadeia de suprimentos, pesquisa jurídica e análise financeira têm maior probabilidade de serem substituídas pela IA em 2024.

L é para modelos de linguagem grande (LLMs)

LLMs são um tipo especializado de modelo de IA que aproveita o processamento de linguagem natural (PNL) para compreender e produzir respostas naturais e humanas. Em termos simples, faça com que ferramentas como o ChatGPT pareçam menos com um bot e mais com você e eu.

Ao contrário da IA ​​generativa, os LLMs foram projetados especificamente para lidar com tarefas relacionadas ao idioma. Exemplos populares de LLMs dos quais você já deve ter ouvido falar incluem GPT-4, PaLM 2 e Gemini .

M é para aprendizado de máquina

O aprendizado de máquina é um campo da inteligência artificial que permite que os sistemas aprendam e melhorem com a experiência, de maneira semelhante aos humanos. Especificamente, centra-se na utilização de dados e algoritmos em IA e visa melhorar a forma como os modelos de IA podem aprender e tomar decisões de forma autónoma em ambientes do mundo real.

Embora o termo seja frequentemente usado de forma intercambiável com IA, o aprendizado de máquina faz parte do âmbito mais amplo da IA ​​e requer intervenção humana mínima.

N é para rede neural

Uma rede neural (NN) é um modelo de aprendizado de máquina projetado para imitar a estrutura e função de um cérebro humano. Uma rede neural artificial é composta por múltiplas camadas e consiste em unidades chamadas neurônios artificiais, que imitam vagamente os neurônios encontrados no cérebro.

Também chamadas de redes neurais profundas, as NNs têm uma variedade de aplicações úteis e podem ser usadas para melhorar o reconhecimento de imagens, modelagem preditiva e processamento de linguagem natural.

O é para IA de código aberto

IA de código aberto refere-se à tecnologia de IA que possui código-fonte disponível gratuitamente. O objetivo final da IA ​​de código aberto é criar uma cultura de colaboração e transparência dentro da comunidade de inteligência artificial, que dê às empresas e aos desenvolvedores maior liberdade para inovar com a tecnologia.

Muitos produtos de IA de código aberto disponíveis atualmente são variações de aplicativos existentes, e as categorias de produtos comuns incluem chatbots, ferramentas de tradução automática e modelos de linguagem de grande porte.

P é para prompts

Se você ainda não está familiarizado com ferramentas como Gemini e ChatGPT, um prompt é uma instrução ou consulta que você insere nos chatbots para obter uma resposta direcionada. Eles podem existir como comandos independentes ou podem ser o ponto de partida para conversas mais longas com modelos de IA.

Os prompts de IA podem assumir qualquer formato que o usuário desejar, mas descobrimos que informações mais longas e detalhadas geram as melhores respostas. Usar uma linguagem emotiva é outra forma de gerar respostas de alta qualidade, de acordo com um estudo recente da Microsoft .

Descubra como facilitar sua vida profissional com estes 40 prompts ChatGPT projetados para economizar seu tempo no local de trabalho.

P é para parâmetros

Na IA, os parâmetros são um valor que mede o comportamento de um modelo de aprendizado de máquina. Nesse contexto, cada parâmetro atua como uma variável, determinando como o modelo converterá uma entrada em saída. Os parâmetros são uma das formas mais comuns de medir o desempenho da IA ​​e, de modo geral, quanto mais um modelo de IA tiver, melhor será capaz de compreender padrões de dados complexos e produzir respostas mais precisas.

Q é para Inteligência Artificial Quântica

Quantum AI é o uso da computação quântica para o cálculo de algoritmos de aprendizado de máquina. Comparada à computação clássica, que processa informações por meio de 1s e 0s, a computação quântica usa uma unidade chamada qubits, que representa 1s e 0s ao mesmo tempo. Teoricamente, esse processo poderia acelerar drasticamente a velocidade da computação.

No caso da IA ​​quântica, o uso de qubits poderia potencialmente ajudar a produzir modelos de IA muito mais poderosos, embora muitos especialistas acreditem que ainda estamos longe de alcançar esta realidade.

R é para equipe vermelha

Red teaming é um sistema de testes estruturado que visa encontrar falhas e vulnerabilidades em modelos de IA. O termo segurança cibernética refere-se essencialmente a uma prática de hacking ético em que os intervenientes tentam simular um ataque cibernético real, para identificar potenciais pontos fracos num sistema e melhorar as suas defesas a longo prazo.

No caso do red teaming de IA, nenhuma tentativa real de hacking pode ocorrer, e os red teamers podem, em vez disso, tentar testar a segurança do sistema solicitando-o de uma certa maneira que contorne quaisquer proteções que os desenvolvedores tenham colocado nele, de maneira semelhante. para o jailbreak.

S é para aprendizagem supervisionada

Existem duas abordagens básicas quando se trata de aprendizagem de IA: aprendizagem supervisionada e aprendizagem não supervisionada. Também conhecido como aprendizado de máquina supervisionado, o aprendizado supervisionado é um método de treinamento em que algoritmos são treinados em dados de entrada que foram rotulados para uma saída específica. O objetivo do teste é medir a precisão do desempenho do algoritmo em dados não rotulados, e o processo se esforça para melhorar a precisão geral dos sistemas de IA como um todo.

T é para dados de treinamento

Em termos simples, os dados de treinamento são um conjunto de dados de entrada extremamente vasto usado para treinar um modelo de aprendizado de máquina. Os dados de treinamento são usados ​​para ensinar modelos de previsão usando algoritmos como extrair recursos que são relevantes para objetivos específicos do usuário, e é o conjunto inicial de dados que pode então ser complementado por dados subsequentes chamados conjuntos de teste.

É fundamental para a forma como a IA e a aprendizagem automática funcionam e, sem dados de treino, os modelos de IA não seriam capazes de aprender, extrair informações úteis e fazer previsões ou, simplesmente, existir.

U é para aprendizagem não supervisionada

Ao contrário da aprendizagem supervisionada, a aprendizagem não supervisionada é um tipo de aprendizagem de máquina em que os modelos recebem dados desordenados e não rotulados e são incentivados a descobrir padrões e insights sem qualquer estrutura específica.

Os modelos de aprendizagem não supervisionados são usados ​​para três tarefas principais: desordem, que é uma técnica de mineração de dados para agrupar dados não rotulados, associação, outro método de ganho que usa regras diferentes para encontrar relações entre variáveis, e redução de dimensionalidade, uma técnica de aprendizagem implantada quando o número de dimensões em um conjunto de dados é muito alto.

X é para risco X

Risco X significa risco existencial. Mais especificamente, o termo refere-se ao risco existencial representado pelo rápido desenvolvimento da IA. As pessoas que alertam sobre um potencial evento de risco X acreditam que o progresso alcançado no campo da IA ​​pode resultar na extinção humana ou numa catástrofe global se não for controlado.

O risco X não é uma crença marginal, no entanto. Na verdade, em 2023, vários líderes de tecnologia, como Demis Hassabis, CEO da DeepMind, Ilya Sutskever, cofundador e cientista-chefe da OpenAI, e Bill Gates assinaram uma carta alertando os desenvolvedores de IA sobre a ameaça existencial representada pela IA .

Z é para aprendizagem zero-shot

O aprendizado zero-shot é uma configuração de problema de aprendizado profundo em que um modelo de IA é encarregado de concluir uma tarefa sem receber nenhum exemplo de treinamento. No aprendizado de máquina, o aprendizado zero-shot é usado para construir modelos para classes que ainda não foram rotuladas para treinamento.

Os dois estágios do aprendizado zero-shot incluem o estágio de treinamento, onde o conhecimento é capturado, e o estágio de interferência, onde as informações são usadas para classificar exemplos em um novo conjunto de classes.