10 termos de Inteligência Artificial que todos devem conhecer

11-07-2024

Desvende os conceitos mais avançados da Inteligência Artificial com esta lista essencial de termos.

10 termos de Inteligência Artificial que todos devem conhecer

Desde que a Inteligência Artificial (IA) generativa se tornou popular no final de 2022, a maioria das pessoas adquiriu uma compreensão básica desta tecnologia e de como esta utiliza a linguagem natural para ajudar a interagir mais facilmente com os computadores. Contudo, à medida que a IA continua a evoluir, o seu léxico também se expande. Sabe qual é a diferença entre os grandes e pequenos modelos de linguagem? Quer compreender todos os termos para entender as conversas com os seus amigos?

A Microsoft reuniu um conjunto de 10 termos avançados de IA para que fique a par de todas as novidades e conceitos tecnológico.

Raciocínio/Planeamento

Os computadores que utilizam IA podem solucionar problemas e realizar tarefas recorrendo a padrões aprendidos a partir de dados históricos, interpretando a informação de forma semelhante ao raciocínio humano. Os sistemas mais avançados demonstram a capacidade de ir mais além, resolvendo problemas cada vez mais complexos através da criação de planos e elaborando uma sequência de ações para atingir um objetivo.

Formação/inferência

Para criar e utilizar um sistema de IA, existem duas etapas: formação e inferência. A formação é uma espécie de educação do sistema, onde lhe é fornecido um conjunto de dados e este aprende a executar tarefas ou a fazer previsões com base nesses dados. A inferência é a aplicação desse conhecimento para realizar previsões ou tomar decisões.

SLMs/Pequenos Modelos de Linguagem

Os pequenos modelos de linguagem, ou SLMs, são "versões de bolso" dos grandes modelos de linguagem, ou LLMs. Ambos utilizam técnicas de aprendizagem automática para reconhecer padrões e relações na linguagem, produzindo respostas realistas e naturais. No entanto, enquanto os LLMs têm uma maior dimensão e necessitam de um elevado poder computacional e memória, os SLMs, como o Phi-3, são treinados em conjuntos de dados menores e selecionados, possuindo menos parâmetros. Por isso, são mais compactos e podem mesmo ser utilizados offline, sem ligação à Internet. Isto torna-os mais compactos e capazes de operar offline, sendo ideais para aplicações em dispositivos como portáteis ou telemóveis.

Fundamentação

Os sistemas de IA generativa podem compor histórias, poemas e piadas, bem como responder a perguntas de investigação. No entanto, por vezes, têm dificuldade em separar os factos da ficção ou têm os dados desatualizados, resultando em respostas imprecisas, designadas por alucinações. Os programadores trabalham para melhorar a precisão da IA através da fundamentação, ligando e ancorando o modelo a dados e exemplos tangíveis para produzir resultados mais contextualizados, relevantes e personalizados.

Geração Aumentada de Recuperação (RAG)

Quando os programadores dão a um sistema de IA acesso a uma fonte de ligação à terra para o ajudar a ser mais preciso e atual, utilizam um método chamado Geração Aumentada de Recuperação ou RAG. O padrão RAG poupa tempo e recursos ao adicionar conhecimento extra sem necessidade de reprogramar o sistema de IA.

Orquestração

A camada de orquestração em programas de IA orienta as suas tarefas na ordem correta para obter a melhor resposta. Esta camada também pode utilizar o padrão RAG, pesquisando informações novas na Internet para melhorar as respostas. Funciona como um maestro que coordena diferentes instrumentos para produzir a música conforme o compositor planeou.

Memória

Os modelos de IA atuais não têm memória, mas podem seguir instruções que os ajudam a "recordar" informações em cada transação, como armazenar temporariamente perguntas e respostas anteriores num chat e incluir esse contexto nos pedidos atuais. Os programadores estão a experimentar níveis de orquestração para ajudar a IA a decidir se precisa de lembrar-se temporariamente de passos (memória de curto prazo, como uma nota adesiva) ou se seria útil armazenar informações por mais tempo em uma localização mais permanente.

Modelos de transformação e modelos de difusão

Durante décadas, ensinou-se sistemas de IA a compreender e gerar linguagem, mas um avanço recente crucial foi o modelo transformador. Entre os modelos generativos de IA, os transformadores destacam-se pela sua habilidade em compreender rapidamente o contexto e nuances, sendo capazes de prever continuamente o próximo passo e gerar texto eloquente. Por outro lado, os modelos de difusão, conhecidos pela criação de imagens, utilizam um processo gradual e meticuloso para distribuir pixels a partir de posições aleatórias até alcançarem a imagem desejada, ajustando continuamente até atingirem o resultado pretendido.

Modelos de fronteira

Os modelos de fronteira são sistemas de grande escala que ampliam os limites da IA, executando diversas tarefas com capacidades avançadas e surpreendentes. Empresas de tecnologia, como a Microsoft, criaram um Frontier Model Forum para partilhar conhecimento, estabelecer padrões de segurança e promover o entendimento destes poderosos programas de IA, garantindo um desenvolvimento seguro e responsável.

GPU

Uma GPU, ou Unidade de Processamento Gráfico, é essencialmente uma calculadora potenciada, originalmente desenvolvida para renderizar gráficos complexos em videojogos e agora utilizada como um poderoso motor de computação. Com múltiplos núcleos que realizam cálculos em paralelo, as GPUs são cruciais para aplicações de IA, tanto na formação como na execução de inferências. Modelos avançados de IA são frequentemente treinados em enormes clusters de GPUs interligadas, como os utilizados nos data centers do Azure da Microsoft, que representam alguns dos computadores mais poderosos já construídos.

Fique atento ao blog da Hydra iT para manter-se a par de todas as novidades tecnológicas!

^{Fonte: Microsoft News}

Partilhar