Glossário de IA: termos básicos que todos os usuários do ChatGPT devem saber
A onda da IA está trazendo consigo vários termos novos. Este glossário fornece todos os princípios básicos.
Uma renderização abstrata de IA no ciberespaço digital.
Sua primeira introdução à IA pode ter sido o ChatGPT, o chatbot de IA da OpenAI que tem uma capacidade incrível de responder a qualquer pergunta. Desde escrever poemas, currículos e receitas de fusão, o poder do ChatGPT foi comparado ao preenchimento automático com esteróides.
Mas os chatbots de IA são apenas uma parte do cenário da IA. Claro, ter o ChatGPT ajudando a fazer sua lição de casa ou fazer com que o Midjourney crie imagens fascinantes de mechs com base no país de origem é legal, mas seu potencial pode remodelar completamente as economias. Esse potencial poderá valer anualmente 4,4 biliões de dólares para a economia global, de acordo com o McKinsey Global Institute, razão pela qual devemos esperar ouvir cada vez mais sobre inteligência artificial.
À medida que as pessoas se habituam a um mundo interligado com a IA, novos termos surgem por todo o lado. Então, se você está tentando parecer inteligente enquanto bebe ou impressionar em uma entrevista de emprego, aqui estão alguns termos importantes de IA que você deve conhecer.
Este glossário será continuamente atualizado.
-
Inteligência geral artificial, ou AGI: Um conceito que sugere uma versão de IA mais avançada do que a que conhecemos hoje, que pode executar tarefas muito melhor do que os humanos, ao mesmo tempo que ensina e desenvolve as suas próprias capacidades.
Ética da IA: Princípios que visam impedir que a IA prejudique os seres humanos, alcançados através de meios como determinar como os sistemas de IA devem recolher dados ou lidar com preconceitos.
Segurança de IA: Um campo interdisciplinar que se preocupa com os impactos de longo prazo da IA e como ela poderia progredir repentinamente para uma superinteligência que poderia ser hostil aos humanos.
Algoritmo: uma série de instruções que permitem a um programa de computador aprender e analisar dados de uma maneira específica, como reconhecer padrões, para então aprender com eles e realizar tarefas por conta própria.
Alinhamento : Ajustando uma IA para produzir melhor o resultado desejado. Isso pode se referir a qualquer coisa, desde moderar conteúdo até manter interações positivas com humanos.
Antropomorfismo : Quando os humanos tendem a dar aos objetos não humanos características humanas. Na IA, isso pode incluir acreditar que um chatbot é mais humano e consciente do que realmente é, como acreditar que está feliz, triste ou até mesmo senciente.
Inteligência artificial ou IA : O uso da tecnologia para simular a inteligência humana, seja em programas de computador ou na robótica. Campo da ciência da computação que visa construir sistemas que possam realizar tarefas humanas.
Viés : Em relação a modelos de linguagem grandes, erros resultantes dos dados de treinamento. Isto pode resultar na atribuição falsa de certas características a certas raças ou grupos com base em estereótipos.
Bot de bate-papo: Um programa que se comunica com humanos por meio de texto que simula a linguagem humana.
Bate-papoGPT: Um chatbot de IA desenvolvido pela OpenAI que usa tecnologia de modelo de linguagem grande.
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.
Aprendizado profundo : um método de IA e um subcampo de aprendizado de máquina que usa vários parâmetros para reconhecer padrões complexos em imagens, sons e texto. O processo é inspirado no cérebro humano e utiliza redes neurais artificiais para criar padrões.
Difusão : um método de aprendizado de máquina que pega um dado existente, como uma foto, e adiciona ruído aleatório. Os modelos de difusão treinam suas redes para reprojetar ou recuperar essa foto.
Comportamento emergente: quando um modelo de IA exibe habilidades não intencionais.
Aprendizagem ponta a ponta, ou E2E : um processo de aprendizado profundo no qual um modelo é instruído a executar uma tarefa do início ao fim. Ele não é treinado para realizar uma tarefa sequencialmente, mas aprende com as entradas e resolve tudo de uma vez.