Glossário de IA de A a Z: os termos mais usados explicados sem complicação

Quem começa a usar inteligência artificial logo esbarra em palavras como “LLM”, “token” e “alucinação”. Parece outro idioma, mas quase tudo tem uma explicação simples. Este glossário reúne os termos mais usados, em ordem de assunto e sem jargão, para você consultar sempre que travar numa leitura.

Se você ainda está dando os primeiros passos, vale ler também nosso guia completo de IA para iniciantes. Aqui, o objetivo é ser um dicionário de bolso: direto, com exemplos do dia a dia.

Conceitos básicos

Inteligência artificial (IA): Qualquer sistema de computador capaz de executar tarefas que normalmente exigiriam inteligência humana, como entender textos, reconhecer imagens ou tomar decisões. É o guarda-chuva que cobre todos os outros termos.

Algoritmo: Uma sequência de passos que o computador segue para resolver um problema. A receita de bolo é um algoritmo; a IA moderna usa algoritmos muito mais complexos, que ajustam seus próprios parâmetros.

Aprendizado de máquina (machine learning): Técnica em que o sistema aprende padrões a partir de exemplos, em vez de seguir regras escritas à mão. Mostre milhares de fotos de gatos e ele aprende o que é um gato.

Aprendizado profundo (deep learning): Um tipo de aprendizado de máquina que usa redes neurais com muitas camadas. É a base dos assistentes de texto, dos geradores de imagem e do reconhecimento de voz atuais.

Rede neural: Estrutura matemática inspirada, de forma bem livre, no cérebro. Ela é formada por camadas de “neurônios” artificiais que transformam os dados de entrada até chegar a uma resposta.

Modelo: O “cérebro” já treinado da IA: o arquivo gigante com tudo o que ela aprendeu. ChatGPT, Claude e Gemini são produtos construídos sobre modelos diferentes.

IA generativa: IA que cria conteúdo novo, como texto, imagem, áudio, vídeo ou código, em vez de apenas classificar ou prever. É a categoria que explodiu em popularidade nos últimos anos.

Como a IA de texto funciona

LLM (modelo de linguagem grande): Modelo treinado com enormes quantidades de texto para prever a próxima palavra de uma frase. Dessa previsão simples nascem respostas, resumos, traduções e conversas.

Token: Pedaço de texto que o modelo lê, geralmente parte de uma palavra. Uma palavra curta pode ser um token; uma longa pode virar três ou quatro. Limites e preços de uso costumam ser contados em tokens.

Janela de contexto: A quantidade de texto que o modelo consegue “ter em mente” de uma vez, somando o que você escreveu e o que ele respondeu. Passou do limite, ele começa a esquecer o início da conversa.

Treinamento: A fase em que o modelo aprende, processando muitos dados e ajustando seus parâmetros. É cara e demorada, e acontece antes de você usar a ferramenta.

Inferência: O momento em que o modelo já treinado responde a você. Cada pergunta que você faz no chat é uma inferência.

Ajuste fino (fine-tuning): Treinamento extra, com dados específicos, para especializar um modelo em uma tarefa, como atendimento ao cliente de uma empresa.

Parâmetros: Os “botões internos” do modelo, ajustados no treinamento. Quanto mais parâmetros, em geral maior a capacidade, mas também o custo para rodar.

Como conversar com a IA

Prompt: A instrução ou pergunta que você envia à IA. A qualidade do prompt influencia diretamente a qualidade da resposta. Para treinar, uma boa saída é partir de modelos prontos, como os do pacote com mais de 100 prompts profissionais do ChatGPT, que você adapta ao seu caso.

Engenharia de prompt: A prática de escrever instruções melhores: dar contexto, dizer o formato desejado, pedir passo a passo. Não exige programação, só clareza.

Chatbot: Programa que conversa com você por texto ou voz. Os modernos usam LLMs; os antigos seguiam roteiros fixos e travavam fora deles.

Assistente de IA: Chatbot com funções extras, como pesquisar na web, ler arquivos ou agendar tarefas.

Temperatura: Configuração que controla a “criatividade” da resposta. Baixa deixa o texto previsível e preciso; alta deixa mais variado e arriscado.

Multimodal: Modelo que entende mais de um tipo de conteúdo ao mesmo tempo, como texto, imagem e áudio. Dá para mandar a foto de uma planta e perguntar o que ela tem.

Problemas e cuidados

Alucinação: Quando a IA inventa uma informação com total confiança: uma lei que não existe, um livro fictício, um dado errado. Por isso, confira fatos importantes em fontes confiáveis.

Viés (bias): Tendência injusta nas respostas, herdada dos dados de treinamento. Se os dados refletem preconceitos, o modelo pode repeti-los.

Deepfake: Imagem, vídeo ou áudio falso criado por IA que imita uma pessoa real. É usado em golpes e desinformação, então desconfie de conteúdos chocantes sem fonte.

Dados de treinamento: O material usado para ensinar o modelo. Questões de direitos autorais e privacidade giram em torno de quais dados entraram nele.

Privacidade: O cuidado com o que você digita na ferramenta. Evite colocar senhas, documentos pessoais ou segredos de trabalho em chats públicos.

Termos que aparecem nas notícias

IA de código aberto (open source): Modelo cujo funcionamento é publicado para qualquer um baixar, estudar e adaptar. O oposto são os modelos fechados, acessados só pelo serviço da empresa.

API: A “porta” que permite a um programa conversar com outro. Empresas usam a API de um modelo para colocar IA dentro de seus próprios aplicativos.

Agente de IA: Sistema que não só responde, mas executa tarefas em vários passos: pesquisa, decide, usa ferramentas e entrega o resultado. É o tema central do nosso blog.

AGI (inteligência artificial geral): IA hipotética capaz de aprender qualquer tarefa intelectual como um humano. Ainda não existe e é muito debatida.

RAG: Técnica que deixa o modelo consultar uma base de documentos antes de responder, reduzindo erros e permitindo usar informações atualizadas.

GPU: Placa de processamento muito rápida, essencial para treinar e rodar modelos de IA. Por isso as fabricantes viraram protagonistas do setor.

Perguntas frequentes

Preciso decorar esses termos para usar IA?

Não. Para o uso do dia a dia, basta entender prompt, alucinação e privacidade. O resto ajuda a acompanhar notícias e a escolher melhor as ferramentas.

IA e machine learning são a mesma coisa?

Não. Machine learning é uma parte da IA: a que aprende com dados. A IA inclui também abordagens mais antigas, baseadas em regras.

Por que a IA erra mesmo parecendo tão segura?

Porque ela prevê palavras prováveis, não verifica fatos. A fluência do texto não garante que o conteúdo esteja correto.

Resumindo

Entender o vocabulário da IA tira o mistério e ajuda a usar as ferramentas com mais segurança. Guarde este glossário nos favoritos, volte sempre que encontrar um termo novo e lembre-se do essencial: escreva bons prompts, confira informações importantes e proteja seus dados.