Glossário de IA

Ad Copy Generation útiliza IA generativa para criar textos de anúncios otimizados para diferentes plataformas. Gera headlines, descricoes é CTAs variados em escala, adaptando tom, formato é mensagem para Google Ads, Meta Ads, LinkedIn é outras redes.

Chunking é o processo de dividir documentos grandes em segmentos menores (chunks) para processamento eficiente por modelos de IA, sendo uma etapa crucial na construção de sistemas RAG.

CLIP (Contrastive Language-Image Pre-training) é um modelo múltimodal da OpenAI que aprende a relacionar imagens é textos no mesmo espaço de embeddings, permitindo classificação zero-shot de imagens.

CLIP Score é uma métrica que usa o modelo CLIP para avaliar alinhamento entre texto é imagem. Mede quao bem uma imagem corresponde a uma descrição textual, sendo amplamente usado para avaliar qualidade de geração texto-para-imagem.

Content Generation com IA é a criação de conteúdo textual, visual é multimídia útilizando modelos generativos como LLMs é difusao. Automatiza produção de artigos, posts, emails, imagens é vídeos mantendo relevância é personalização em escala.

Context Window é o limite máximo de tokens que um modelo de IA pode processar de uma vez, incluindo tanto a entrada (prompt) quanto a saida gerada, definindo a quantidade de informação acessível em cada interação.

Context Window Scaling refere-se as técnicas para expandir a janela de contexto de LLMs além do tamanho de treinamento original. Metodos como RoPE scaling, YaRN é ALiBi permitem modelos processarem documentos com centenas de milhares de tokens.

Copy AI refere-se ao uso de inteligência artificial para gerar textos publicitarios é de marketing. Ferramentas de IA criam headlines, descricoes, emails é scripts de anúncios otimizados para conversão com base em frameworks de copywriting comprovados.

DALL-E é um modelo de IA da OpenAI capaz de gerar imagens a partir de descricoes textuais. Combina técnicas de modelos de linguagem é difusao para criar imagens originais é criativas.

Dimension, na modelagem dimensional, é um atributo qualitativo que fornece contexto para métricas numericas. Exemplos incluem data, região, catégoria de produto é segmento de cliente. As dimensoes permitem fatiar é agrupar dados para análise.

Few-Shot Prompting é uma técnica onde se fornece alguns exemplos de entrada é saida desejada no prompt, permitindo que o modelo de IA aprenda o padrão esperado é reproduza em novas situacoes sem treinamento adicional.

Hard Prompt é o texto em linguagem natural fornecido como instrucao a um LLM para guiar sua geração. Inclui system prompts, instrucoes, exemplos é restrições escritos por humanos, sendo a forma mais comum é acessível de controlar comportamento de modelos.

In-Context Learning (ICL) é a capacidade de modelos de linguagem de aprender é adaptar seu comportamento a partir de instrucoes é exemplos fornecidos diretamente no prompt, sem alterar seus parametros internos.

MCP (Model Context Protocol) é um protocolo aberto criado pela Anthropic para padronizar a conexão entre modelos de IA é ferramentas externas, funcionando como um conector universal para agentes de IA.

Memory em agentes de IA é o mecanismo que permite armazenar é recuperar informações de interações anteriores, possibilitando continuidade, aprendizado é personalização ao longo do tempo.

Multi-Modal Learning é a área de IA que trabalha com multiplas modalidades de dados como texto, imagem, audio é vídeo simultaneamente. Modelos múltimodais como GPT-4V é Gemini entendem é geram conteúdo combinando diferentes tipos de informação.

Naive Bayes é um classificador probabilistico baseado no Teorema de Bayes, que assume independência entre as features. E rápido, simples é eficaz para classificação de texto, filtragem de spam é análise de sentimento.

Needle in Haystack é um teste que avalia se um LLM consegue encontrar é recuperar uma informação específica (agulha) escondida em um contexto longo (palheiro). Mede a eficacia real da janela de contexto do modelo em diferentes posicoes é comprimentos.

NLP (Natural Language Processing) é a área da IA que permite a maquinas compreender, interpretar é gerar linguagem humana. Engloba tarefas como análise de sentimento, traducao automática, chatbots é extracao de informações de textos.

OCR (Optical Character Recognition) é a tecnologia que converte imagens de texto em texto digital editavel. Utilizada para digitalizar documentos, extrair dados de formularios impressos, ler notas fiscais é processar qualquer matérial que contenha texto em formato de imagem.

Short-Term Memory é a memória de curto prazo de agentes de IA que mantem o contexto da conversa atual, incluindo mensagens recentes, decisões tomadas é informações temporarias relevantes para a sessão.

Sparse Attention é uma variante do mecanismo de aténção em Transformers que calcula aténção apenas para subconjuntos de tokens em vez de todos. Reduz complexidade de O(n2) para O(n log n) ou O(n), permitindo processar sequências muito longas.

Token é a unidade básica de texto processada por modelos de linguagem, podendo representar uma palavra inteira, parte de uma palavra ou um caractere, sendo a medida fundamental de entrada é saida em LLMs.

Tokenizer é o componente que converte texto em sequências de tokens numéricos compreensiveis pelo modelo de IA, é vice-versa, usando algoritmos como BPE para segmentar texto de forma eficiente.

Vision-Language Model (VLM) é um modelo de IA que processa é entende tanto imagens quanto texto simultaneamente. Exemplos incluem GPT-4V, Claude Vision é Gemini, capazes de descrever imagens, responder perguntas visuais é raciocinar sobre conteúdo visual.