Créditos: Imagem cedida; Autor: Stephen Whitelaw;

Classificação

A classificação é uma tarefa de IA em que o sistema atribui algo a uma categoria. Exemplos incluem a classificação de e-mails em spam e não spam, a identificação se uma avaliação é positiva ou negativa, ou a deteção se um raio-X parece normal ou anormal. A classificação é uma das utilizações mais comuns da aprendizagem automática.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Claude

O Claude é uma família avançada de modelos linguísticos de grande dimensão desenvolvida pela Anthropic. Concebido para ser seguro, preciso e protegido, inclui ferramentas especializadas como o Claude Code (uma ferramenta de codificação agênica), o Claude Design e o Claude Science para investigação. O Claude recebeu o nome do famoso Claude Shannon, matemático, cientista da computação e pai da teoria da informação.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

IA na nuvem

A «Cloud AI» refere-se aos serviços de IA prestados através da Internet por grandes fornecedores de serviços informáticos. Em vez de adquirirem hardware dispendioso, as empresas podem aceder a modelos de IA, armazenamento e capacidade de computação através de plataformas na nuvem. Isto torna a IA mais acessível, mas também levanta questões sobre a privacidade dos dados, a segurança, os custos e a dependência em relação às grandes empresas tecnológicas.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Agrupamento

O agrupamento (clustering) é um método de aprendizagem automática que agrupa itens semelhantes sem que as categorias corretas sejam indicadas antecipadamente. Por exemplo, um retalhista pode utilizar o agrupamento para identificar grupos de clientes com hábitos de compra semelhantes. O agrupamento é útil para descobrir padrões, mas os grupos que identifica continuam a necessitar de interpretação humana.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Computação cognitiva

A computação cognitiva é um termo mais antigo e abrangente para designar sistemas concebidos para imitar aspetos do pensamento humano, tais como a aprendizagem, o raciocínio e a compreensão da linguagem. É frequentemente utilizada em contextos empresariais. Atualmente, fala-se mais frequentemente de IA, aprendizagem automática e IA generativa, mas a ideia básica mantém-se: utilizar computadores para apoiar tarefas complexas ao estilo humano.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Visão Computacional

A visão computacional é o ramo da IA que ajuda os computadores a interpretar imagens e vídeos. É utilizada em imagiologia médica, reconhecimento facial, veículos autónomos, controlo de qualidade, agricultura, segurança e análise desportiva. Os sistemas de visão computacional podem ser poderosos, mas podem falhar quando a iluminação, os ângulos, os fundos ou as condições do mundo real diferem dos dados de treino.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Pontuação de confiança

Um índice de confiança é um número que indica o grau de certeza que um sistema de IA tem em relação ao seu resultado. Por exemplo, um classificador de imagens pode indicar que está 92% confiante de que uma imagem mostra um cão. Os índices de confiança podem ser úteis, mas não são garantias. Alguns sistemas de IA mostram-se excessivamente confiantes mesmo quando estão errados, razão pela qual a calibração e os testes são importantes.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Janela de contexto

A janela de contexto é a quantidade de informação que um modelo de linguagem pode considerar de uma só vez. Pode incluir a pergunta do utilizador, conversas anteriores, texto carregado ou documentos recuperados. Uma janela de contexto maior permite que o modelo trabalhe com documentos mais longos e mais informações de contexto. No entanto, mesmo com uma janela de contexto grande, o modelo pode ainda deixar escapar detalhes ou dar prioridade a algumas informações em detrimento de outras. Muitos no setor acreditam que podemos estar a caminhar para janelas de contexto infinitas – ou seja, algo que o utilizador já não tenha de ter em conta.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Rede Neural Convolucional

Uma rede neural convolucional, ou CNN, é um tipo de rede neural especialmente útil para imagens. As CNN detetam padrões como contornos, formas, texturas e objetos. Desempenharam um papel fundamental no avanço da visão computacional. Embora atualmente também sejam utilizadas arquiteturas mais recentes, as CNN continuam a ser importantes na análise de imagens, na imagiologia médica e no reconhecimento visual.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Corpus

Um corpus é uma coleção de texto ou dados utilizada para análise ou treino. Por exemplo, um modelo linguístico pode ser treinado com base num corpus que contenha livros, artigos, sítios Web, código e outro material escrito. A qualidade e a composição do corpus afetam fortemente o comportamento do modelo. Se o corpus contiver erros, preconceitos ou informação desatualizada, o modelo poderá também aprender esses elementos.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Função de custo

Uma função de custo, também chamada de função de perda, mede o grau de erro de um modelo durante o treino. O modelo tenta reduzir esse erro ao longo do tempo. Por exemplo, se uma IA previr os preços das casas, a função de custo mede a diferença entre os preços previstos e os preços reais. O treino é, essencialmente, o processo de ajustar o modelo para minimizar essa perda.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Validação cruzada

A validação cruzada é uma técnica utilizada para testar o desempenho de um modelo em diferentes partes dos dados. Em vez de realizar o treino e o teste apenas uma vez, os dados são divididos de várias formas. Isto ajuda a revelar se o modelo tem um desempenho consistente ou se apenas funciona bem numa divisão aleatória. A validação cruzada reduz o risco de sobrestimar o desempenho do modelo no mundo real.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Modelo personalizado

Um modelo personalizado é um modelo de IA adaptado a uma organização, tarefa ou conjunto de dados específico. Por exemplo, um hospital pode querer um modelo treinado com os seus próprios documentos clínicos, ou um escritório de advogados pode querer um modelo otimizado para a redação de textos jurídicos. Os modelos personalizados podem ser mais relevantes do que os modelos gerais, mas exigem um tratamento cuidadoso dos dados, bem como testes e governação rigorosos.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

IA em cibersegurança

A IA em cibersegurança utiliza a aprendizagem automática e a automatização para detetar, prevenir ou responder a ameaças digitais. Pode ajudar a identificar comportamentos invulgares na rede, tentativas de phishing, malware ou inícios de sessão suspeitos. Ao mesmo tempo, os atacantes também podem utilizar a IA para criar esquemas fraudulentos mais convincentes ou automatizar ataques. A IA é, portanto, tanto uma ferramenta defensiva como um novo desafio na cibersegurança.

Defina o The Portugal News como a sua fonte preferida de notícias no Google

GoogleAdicionar como fonte preferida no Google