Glossário de IA
Glossário de inteligência artificial em português, com 40 termos explicados em linguagem simples, para quem usa IA no trabalho: de agente e alucinação a prompt, RAG e token.
- Agente de IA (AI agent)
- Um sistema de IA que não só responde, mas executa tarefas em vários passos: pesquisa, abre ficheiros, usa outras aplicações e decide o passo seguinte até chegar ao objetivo.
- AI Act
- O Regulamento Europeu da Inteligência Artificial. Classifica os sistemas de IA pelo risco e define regras para quem os cria e para quem os usa, incluindo a obrigação de literacia em IA (artigo 4.º).
- Alucinação (hallucination)
- Quando a IA inventa uma resposta com ar convincente: um número, uma citação ou uma fonte que não existe. É a razão para confirmar sempre factos importantes.
- Amália
- O modelo de linguagem público português, desenvolvido por universidades e centros de investigação para o português europeu.
- API
- A forma de um programa falar com outro. Com a API de um modelo de IA, uma empresa liga a IA aos seus próprios sistemas sem usar a janela de chat.
- Assistente personalizado (custom GPT, Gem, Project)
- Uma versão de um chatbot com instruções, ficheiros e tom definidos por ti, para uma tarefa que repetes muitas vezes. Exemplos: GPTs (ChatGPT), Gems (Gemini), Projetos (Claude).
- Automação
- Pôr uma tarefa a correr sozinha, sem alguém a fazer cada passo. Com IA, inclui tarefas que antes precisavam de ler ou escrever texto.
- Chatbot
- Uma aplicação com que conversas por texto ou voz. ChatGPT, Claude, Gemini e Copilot são chatbots de IA generativa.
- Contexto
- Toda a informação que a IA tem em conta ao responder: o teu pedido, a conversa até ali e os ficheiros que anexaste. Mais contexto útil dá respostas melhores.
- Copilot
- O assistente de IA da Microsoft, presente no Windows, no Edge e nas aplicações do Microsoft 365 (Word, Excel, Outlook, Teams).
- Dados de treino (training data)
- Os textos, imagens e outros dados usados para ensinar um modelo. Determinam o que o modelo sabe e os enviesamentos que traz.
- Deepfake
- Vídeo, imagem ou áudio falso criado com IA para parecer real, muitas vezes imitando uma pessoa verdadeira.
- Enviesamento (bias)
- Quando a IA trata grupos ou temas de forma desigual porque os dados de treino já eram desequilibrados.
- Fine-tuning
- Treinar mais um modelo já existente com dados específicos, para o especializar numa tarefa ou num estilo.
- GPU
- O tipo de chip usado para treinar e correr modelos de IA. A procura por GPUs explica boa parte do investimento em data centers.
- IA generativa (generative AI)
- IA que cria conteúdo novo (texto, imagens, áudio, vídeo, código) a partir de um pedido, em vez de só classificar ou prever.
- Inferência
- O momento em que um modelo já treinado responde a um pedido. Cada resposta do ChatGPT é uma inferência, e tem um custo de computação.
- Inteligência artificial
- Sistemas que fazem tarefas que associamos à inteligência humana, como perceber linguagem, reconhecer imagens, decidir ou escrever.
- Janela de contexto (context window)
- Quanto texto o modelo consegue ter em conta de uma vez. Uma janela grande permite analisar documentos longos inteiros.
- Literacia em IA
- Saber o que a IA faz bem e mal, como usá-la com segurança e como avaliar o que ela produz. O AI Act obriga as empresas que usam IA a promovê-la.
- LLM (large language model)
- Modelo de linguagem de grande dimensão: o tipo de modelo por trás dos chatbots, treinado com enormes quantidades de texto para prever e gerar linguagem.
- Machine learning (aprendizagem automática)
- A área da IA em que os sistemas aprendem padrões a partir de dados, em vez de seguirem regras escritas à mão.
- Modelo
- O «cérebro» treinado de um sistema de IA. GPT, Claude, Gemini e Llama são famílias de modelos; o chatbot é a aplicação que os usa.
- Modelo aberto (open-weight model)
- Um modelo cujos «pesos» são públicos, para qualquer pessoa descarregar e correr nos seus próprios servidores. Exemplos: Llama, Mistral.
- Multimodal
- Um modelo que trabalha com vários tipos de informação ao mesmo tempo: texto, imagem, áudio e vídeo.
- NotebookLM
- Ferramenta da Google onde carregas os teus documentos e fazes perguntas só sobre eles, com citações para o sítio exato da resposta.
- Parâmetros
- Os valores internos que um modelo ajusta durante o treino. Dão uma ideia do tamanho do modelo, mas não chegam para medir a qualidade.
- Prompt
- O pedido que escreves à IA. Um bom prompt diz o papel, a tarefa, o contexto e o formato da resposta que queres.
- Prompt de sistema (system prompt)
- Instruções de fundo que definem como a IA se comporta numa conversa ou num assistente, antes de qualquer pedido do utilizador.
- Raciocínio (reasoning model)
- Modelos que «pensam» em vários passos antes de responder. São mais lentos, mas melhores em matemática, lógica e problemas complexos.
- RAG (retrieval-augmented generation)
- Técnica em que a IA vai buscar informação a documentos da empresa antes de responder, para dar respostas baseadas em fontes concretas.
- RGPD
- O Regulamento Geral sobre a Proteção de Dados. Aplica-se sempre que colas dados pessoais numa ferramenta de IA.
- Shadow AI
- O uso de ferramentas de IA no trabalho sem autorização ou regras da empresa. É um dos maiores riscos de fuga de dados.
- Temperatura
- Uma definição que controla quão previsível ou criativa é a resposta. Baixa = mais consistente; alta = mais variada.
- Token
- A unidade em que a IA lê e escreve texto: um pedaço de palavra. Os limites e os preços dos modelos são contados em tokens.
- Transformer
- A arquitetura de rede neuronal, apresentada pela Google em 2017, em que se baseiam quase todos os modelos de linguagem atuais.
- Treino (training)
- O processo, longo e caro, em que um modelo aprende a partir dos dados. Acontece antes de o usares.
- Vibe coding
- Criar aplicações ou sites descrevendo em linguagem normal o que queres, e deixando a IA escrever o código.
- Visão computacional (computer vision)
- A área da IA que interpreta imagens e vídeo: reconhecer objetos, ler texto numa foto, detetar defeitos numa fábrica.
- Zero-shot e few-shot
- Pedir uma tarefa sem exemplos (zero-shot) ou com alguns exemplos no prompt (few-shot). Dar 2 ou 3 exemplos costuma melhorar muito o resultado.
A
C
D
E
F
G
I
J
L
M
N
P
R
S
T
V
Z