Fundamentos de IA

Seja bem-vindo! Se você é iniciante em IA, não precisa ter formação técnica para começar. O que mais ajuda é um mapa simples do cenário — para que você possa entender o que os sistemas de IA podem fazer, como são integrados e como escolher a ferramenta certa para suas necessidades.

A inteligência artificial (IA) é uma categoria ampla de software que pode reconhecer padrões, aprender com dados e produzir resultados úteis. 

Você provavelmente já viu a IA em ação em momentos do dia a dia, como quando:

• Seu aplicativo de mapas recalcula a rota para evitar o trânsito.
• Seu banco sinalizou uma compra como "incomum".
• Um chatbot de suporte ao cliente responde a perguntas frequentes.

IA é uma categoria — não uma ferramenta única. Dentro dessa categoria estão os modelos: sistemas treinados que aprendem com dados e depois aplicam o que aprenderam a novas situações. Alguns modelos se especializam em fala, visão ou previsão. 

É provável que você esteja começando sua jornada de IA usando ferramentas de IA conversacional, como o ChatGPT. Os modelos por trás do ChatGPT são especializados em linguagem — esses são chamados de grandes modelos de linguagem.

Um grande modelo de linguagem (LLM) é um modelo projetado para trabalhar com linguagem. Ele aprende padrões a partir de grandes quantidades de texto provenientes de diversas fontes, de modo a gerar e transformar texto de maneiras úteis. Um LLM não “sabe” das coisas da mesma forma que uma pessoa. Em vez disso, prevê o próximo trecho de linguagem mais provável com base no contexto. Com o tempo, avanços no poder computacional, nos métodos de treinamento e no acesso a grandes conjuntos de dados tornaram possível desenvolver grandes modelos de linguagem maiores e mais capazes. 

A OpenAI e outros laboratórios de pesquisa de ponta desenvolvem esses modelos como parte essencial de suas ofertas e, em seguida, os disponibilizam por meio de produtos voltados para o usuário (como ChatGPT ou Codex) e por meio de APIs, que permitem que os desenvolvedores usem esses modelos para criar suas próprias ferramentas de IA e integrar a IA em softwares existentes.

Novos modelos ficam disponíveis nesses laboratórios de pesquisa após serem treinados e aprovados em avaliações internas e testes de segurança.  Quando você ouve que um modelo de IA foi "treinado", geralmente se refere a duas etapas— pense nisso como alguém aprendendo e se aprimorando no seu trabalho.

A primeira etapa é o pré-treinamento, quando o modelo aprende padrões gerais a partir de uma enorme quantidade de texto, o que lhe confere amplas habilidades como resumir, redigir, traduzir e explicar. 

Imagine um novo funcionário que passa semanas lendo tudo o que encontra — manuais, exemplos de trabalhos excelentes, projetos anteriores, perguntas frequentes — até entender a "estrutura" do cargo.

Agora o "funcionário" começa a realizar o trabalho, e um "gerente" o orienta: seja mais claro, faça bons acompanhamentos, use o tom adequado e siga as políticas da empresa. Isso é pós-treinamento. Esta etapa ajuda o modelo a seguir instruções de forma mais confiável, a se comunicar de maneira útil e a lidar melhor com situações complicadas.

O período pós-treinamento também é dedicado às verificações de segurança — treinamentos projetados para reduzir resultados prejudiciais, evitar solicitações indesejadas e responder com mais cuidado quando o assunto for delicado ou incerto.

À medida que os modelos são atualizados e treinados, você poderá notar mudanças no tom ou nas respostas. Se você deseja resultados consistentes, seja explícito sobre seu objetivo, público-alvo, formato e restrições — e espere que o modelo seja mais cauteloso quando houver questões de segurança ou incerteza envolvidas.

Diferentes modelos são ajustados para diferentes compromissos — como velocidade, profundidade e o quão cuidadosamente seguem instruções de várias etapas. Algumas são projetadas para responder de forma rápida e eficiente às tarefas do dia a dia (redigir rascunhos, resumir, reescrever, fazer brainstorming). Outros são projetados para gastar mais poder computacional analisando um problema antes de respondê-lo, o que pode melhorar a confiabilidade em tarefas mais complexas e que envolvem várias etapas. 

Os modelos não racionais (às vezes chamados de "Instantâneos") são otimizados para uma saída rápida e fluente. São uma boa opção padrão quando a tarefa é simples e você quer principalmente ganhar impulso: transformar anotações em uma mensagem, aprimorar a redação, gerar opções ou extrair pontos-chave. 

Os modelos de raciocínio (às vezes chamados de "Pensamento") são treinados para terem um melhor desempenho na resolução de problemas de forma deliberada e passo a passo — coisas como planejamento, análise complexa, depuração complicada ou decisões com restrições e casos extremos. Podem demorar mais, mas geralmente são melhores em acompanhar várias variáveis e evitar erros superficiais.

Se você está começando agora, não precisa se preocupar com a escolha do modelo — a experiência padrão do ChatGPT foi projetada para alternar automaticamente, para que você possa se concentrar na sua pergunta e não nas configurações.

Com o tempo, à medida que você aprende o que prefere (velocidade versus profundidade, rascunhos rápidos versus análises cuidadosas), pode começar a experimentar os controles opcionais: por exemplo, escolhendo o modo Automático na maioria das vezes e alternando para o modo Pensando quando uma tarefa for complexa ou de alto risco.

Eis a hierarquia simples:

• IA = o campo geral
• Modelos = sistemas treinados que executam tarefas específicas
• Modelos de linguagem de grande escala (LLMs, na sigla em inglês) = modelos focados na compreensão e geração de linguagem, treinados ao longo do tempo por laboratórios de pesquisa em IA.
• ChatGPT = um produto que ajuda você a usar um LLM de forma eficaz.

Com essa imagem em mente, você estará pronto para aprender como obter ótimos resultados com ferramentas como o ChatGPT — começando por como interagir com ele para alcançar os resultados desejados.

Aprenda como começar a usar o ChatGPT e a engenharia de prompts.