AI agora faz parte de nossa vida cotidiana. Desde a enorme popularidade do ChatGPT até o Google Cramming AI Resumos no topo de seus resultados de pesquisa, a IA está dominando completamente a Internet. Com a IA, você pode obter respostas instantâneas para praticamente qualquer pergunta. Pode parecer conversar com alguém que tem um doutorado. em tudo.
Mas esse aspecto dos chatbots da AI é apenas uma parte da paisagem da IA. Claro, tendo Chatgpt ajuda a fazer sua lição de casa ou ter Midjourney Criar imagens fascinantes de mechs baseados no país de origem é legal, mas o potencial da IA generativa pode remodelar completamente as economias. Isso pode valer a pena US $ 4,4 trilhões para a economia global anualmentede acordo com o McKinsey Global Institute, e é por isso que você deve esperar mais e mais sobre inteligência artificial.
Ele está aparecendo em uma variedade estonteante de produtos-uma lista curta e curta inclui os gêmeos do Google, o copiloto da Microsoft, o Claude do Antrópico, a perplexidade que você pode ler nossas resenhas e avaliações práticas desses e de outros produtos, juntamente com notícias, explicadores e postagens, em nosso centro de Ai Atlas.
À medida que as pessoas se acostumam a um mundo entrelaçado com a IA, novos termos estão surgindo em todos os lugares. Portanto, se você está tentando parecer inteligente com bebidas ou impressões em uma entrevista de emprego, aqui estão alguns termos importantes da IA que você deve conhecer.
Este glossário é atualizado regularmente.
Inteligência Geral Artificial, ou AGI: Um conceito que sugere uma versão mais avançada da IA do que sabemos hoje, que pode executar tarefas muito melhores que os seres humanos, além de ensinar e promover suas próprias capacidades.
agente: Sistemas ou modelos que exibem agência com a capacidade de buscar ações autonomamente para atingir uma meta. No contexto da IA, um modelo agente pode agir sem supervisão constante, como um carro autônomo de alto nível. Ao contrário de uma estrutura “Agentic”, que está em segundo plano, as estruturas agentes estão na frente, concentrando -se na experiência do usuário.
Ética da IA: Princípios destinados a impedir a IA de prejudicar os seres humanos, alcançados por meios como determinar como os sistemas de IA devem coletar dados ou lidar com o viés.
Segurança da IA: Um campo interdisciplinar preocupado com os impactos a longo prazo da IA e como isso poderia progredir repentinamente para uma super inteligência que poderia ser hostil aos seres humanos.
algoritmo: Uma série de instruções que permite que um programa de computador aprenda e analise dados de uma maneira específica, como reconhecer padrões, depois aprender com ele e realizar tarefas por conta própria.
alinhamento: Ajustando uma IA para produzir melhor o resultado desejado. Isso pode se referir a qualquer coisa, desde o conteúdo moderador até a manutenção de interações positivas em relação aos seres humanos.
antropomorfismo: Quando os seres humanos tendem a dar características não humanas de objetos não humanos. Na IA, isso pode incluir acreditar que um chatbot é mais humano e consciente do que realmente é, como acreditar que é feliz, triste ou até senciente.
Inteligência artificial, ou ai: O uso da tecnologia para simular a inteligência humana, em programas de computador ou robótica. Um campo na ciência da computação que visa criar sistemas que possam executar tarefas humanas.
Agentes autônomos: Um modelo de IA que possui recursos, programação e outras ferramentas para realizar uma tarefa específica. Um carro autônomo é um agente autônomo, por exemplo, porque possui entradas sensoriais, GPS e algoritmos de condução para navegar pela estrada por conta própria. Pesquisadores de Stanford mostraram que agentes autônomos podem desenvolver suas próprias culturas, tradições e linguagem compartilhada.
viés: Em relação a grandes modelos de idiomas, erros resultantes dos dados de treinamento. Isso pode resultar em atribuir falsamente certas características a certas raças ou grupos com base em estereótipos.
Chatbot: Um programa que se comunica com os seres humanos através do texto que simula a linguagem humana.
Chatgpt: Um chatbot de IA desenvolvido pelo OpenAI que usa grande tecnologia de modelos de idiomas.
Computação cognitiva: Outro termo para inteligência artificial.
Aumento de dados: Remixar dados existentes ou adicionar um conjunto mais diversificado de dados para treinar uma IA.
conjunto de dados: Uma coleção de informações digitais usadas para treinar, testar e validar um modelo de IA.
aprendizado profundo: Um método de IA e um subcampo de aprendizado de máquina, que usa vários parâmetros para reconhecer padrões complexos em imagens, som e texto. O processo é inspirado no cérebro humano e usa redes neurais artificiais para criar padrões.
difusão: Um método de aprendizado de máquina que pega dados existentes, como uma foto, e adiciona ruído aleatório. Os modelos de difusão treinam suas redes para reengine ou recuperar essa foto.
comportamento emergente: Quando um modelo de IA exibe habilidades não intencionais.
Aprendizagem de ponta a ponta, ou E2E: Um processo de aprendizado profundo no qual um modelo é instruído a executar uma tarefa do início ao fim. Não é treinado para realizar uma tarefa sequencialmente, mas aprende com as entradas e resolve tudo de uma só vez.
Considerações éticas: Uma consciência das implicações éticas da IA e questões relacionadas à privacidade, uso de dados, justiça, uso indevido e outros problemas de segurança.
: Também conhecido como decolagem rápida ou decolagem dura. O conceito de que se alguém constrói uma AGI, já pode ser tarde demais para salvar a humanidade.
Redes adversárias generativas, ou Gans: Um modelo de IA generativo composto por duas redes neurais para gerar novos dados: um gerador e um discriminador. O gerador cria novo conteúdo e o discriminador verifica se é autêntico.
AI generativa: Uma tecnologia de geração de conteúdo que usa IA para criar texto, vídeo, código de computador ou imagens. A IA é alimentada com grandes quantidades de dados de treinamento, encontra padrões para gerar suas próprias respostas novas, que às vezes podem ser semelhantes ao material de origem.
Google Gemini: Um AI Chatbot do Google que funciona de maneira semelhante ao ChatGPT, mas extrai informações da Web atual, enquanto o ChatGPT é limitado aos dados até 2021 e não está conectado à Internet.
Guardrails: Políticas e restrições colocadas nos modelos de IA para garantir que os dados sejam tratados com responsabilidade e que o modelo não crie conteúdo perturbador.
alucinação: Uma resposta incorreta da IA. Pode incluir respostas generativas de produção de IA incorretas, mas declaradas com confiança como se fossem corretas. As razões para isso não são totalmente conhecidas. Por exemplo, ao perguntar a um chatbot da IA: “Quando Leonardo da Vinci pintou a Mona Lisa?” isto pode responder com uma declaração incorreta Dizendo: “Leonardo da Vinci pintou a Mona Lisa em 1815”, que é 300 anos depois que foi realmente pintada.
inferência: Os modelos de IA do processo usam para gerar texto, imagens e outros conteúdos sobre novos dados, por inferir de seus dados de treinamento.
Modelo de linguagem grande, ou LLM: Um modelo de IA treinado em quantidades de massa de dados de texto para entender a linguagem e gerar novos conteúdos em linguagem humana.
latência: O atraso de tempo a partir de quando um sistema de IA recebe uma entrada ou prompt e produz uma saída.
aprendizado de máquina, ou ML: Um componente na IA que permite aos computadores aprender e aproveitar melhores resultados preditivos sem programação explícita. Pode ser acoplado a conjuntos de treinamento para gerar novos conteúdos.
Microsoft Bing: Um mecanismo de pesquisa da Microsoft que agora pode usar o ChatGPT da tecnologia para fornecer resultados de pesquisa a IA. É semelhante ao Google Gemini em estar conectado à Internet.
AI multimodal: Um tipo de IA que pode processar vários tipos de entradas, incluindo texto, imagens, vídeos e fala.
Processamento de linguagem natural: Um ramo da IA que usa aprendizado de máquina e aprendizado profundo para dar aos computadores a capacidade de entender a linguagem humana, geralmente usando algoritmos de aprendizado, modelos estatísticos e regras linguísticas.
Rede Neural: Um modelo computacional que se assemelha à estrutura do cérebro humano e deve reconhecer padrões nos dados. Consiste em nós interconectados, ou neurônios, que podem reconhecer padrões e aprender com o tempo.
Excesso de ajuste: Erro no aprendizado de máquina, onde funciona muito de perto para os dados de treinamento e pode apenas identificar exemplos específicos nos referidos dados, mas não novos dados.
Clipes de papel: A teoria do maximizador de papel do clipe, cunhado pelo filósofo Nick Boström da Universidade de Oxford, é um cenário hipotético em que um sistema de IA criará o maior número possível de clipes de papel literais. Em seu objetivo de produzir a quantidade máxima de clipes de papel, um sistema de IA consumiria ou converteria hipoteticamente todos os materiais para atingir seu objetivo. Isso pode incluir desmantelar outras máquinas para produzir mais clipes de papel, máquinas que podem ser benéficas para os seres humanos. A conseqüência não intencional desse sistema de IA é que ele pode destruir a humanidade em seu objetivo de criar clipes de papel.
Parâmetros: Valores numéricos que fornecem estrutura e comportamento LLMS, permitindo fazer previsões.
Perplexidade: O nome de um chatbot e um mecanismo de pesquisa de AI de propriedade da Perplexity AI. Ele usa um modelo de linguagem grande, como os encontrados em outros chatbots da IA, para responder a perguntas com novas respostas. Sua conexão com a Internet aberta também permite fornecer informações atualizadas e obter resultados de toda a web. A Perplexity Pro, um nível pago do serviço, também está disponível e usa outros modelos, incluindo GPT-4O, Claude 3 Opus, Mistral Large, a llama 3 de código aberto e seu próprio sonar 32k. Os usuários profissionais podem fazer upload de documentos adicionais para análise, gerar imagens e interpretar o código.
incitar: A sugestão ou pergunta que você entra em um chatbot da AI para obter uma resposta.
Corrente imediato: A capacidade da IA de usar informações de interações anteriores para colorir respostas futuras.
quantização: O processo pelo qual um grande modelo de aprendizado de IA é tornado menor e mais eficiente (embora, um pouco menos preciso), reduzindo sua precisão de um formato mais alto para um formato mais baixo. Uma boa maneira de pensar sobre isso é comparar uma imagem de 16 megapixels com uma imagem de 8 megapixels. Ambos ainda são claros e visíveis, mas a imagem de alta resolução terá mais detalhes quando você estiver ampliado.
Parrot estocástico: Uma analogia do LLMS que ilustra que o software não tem um entendimento maior do significado por trás da linguagem ou do mundo ao seu redor, independentemente de quão convincente o sons de saída. A frase refere -se a como um papagaio pode imitar palavras humanas sem entender o significado por trás delas.
Transferência de estilo: A capacidade de adaptar o estilo de uma imagem ao conteúdo de outra, permitindo que uma IA interprete os atributos visuais de uma imagem e a use em outra. Por exemplo, pegar o auto-retrato de Rembrandt e recriá-lo no estilo de Picasso.
temperatura: Parâmetros configurados para controlar o quão aleatório é a saída de um modelo de idioma. Uma temperatura mais alta significa que o modelo corre mais riscos.
geração de texto para imagem: Criando imagens baseadas em descrições textuais.
Tokens: Pequenos bits de texto escrito que os modelos de idiomas AI processam para formular suas respostas aos seus avisos. Um token é equivalente a quatro caracteres em inglês, ou cerca de três quartos de uma palavra.
Dados de treinamento: Os conjuntos de dados usados para ajudar os modelos de IA a aprender, incluindo texto, imagens, código ou dados.
Modelo de transformador: Uma arquitetura de rede neural e um modelo de aprendizado profundo que aprende contexto rastreando relacionamentos em dados, como em frases ou partes das imagens. Portanto, em vez de analisar uma frase uma palavra de cada vez, ela pode olhar para toda a frase e entender o contexto.
Teste de Turing: Nomeado após o famoso matemático e cientista da computação Alan Turing, ele testa a capacidade de uma máquina de se comportar como um humano. A máquina passa se um humano não pode distinguir a resposta da máquina de outro humano.
Aprendizagem não supervisionada: Uma forma de aprendizado de máquina onde os dados de treinamento rotulados não são fornecidos ao modelo e, em vez disso, o modelo deve identificar padrões em dados por si só.
AI fraca, também conhecido como Ai estreito: AI focada em uma tarefa específica e não pode aprender além de seu conjunto de habilidades. A maioria da IA de hoje é a IA fraca.
Aprendizagem zero-tiro: Um teste no qual um modelo deve concluir uma tarefa sem receber os dados de treinamento necessários. Um exemplo seria reconhecer um leão enquanto seria treinado apenas em tigres.
