Glossário de IA em Português: 60 Termos Explicados do Zero (sem enrolação)

O campo de inteligência artificial produziu em cinco anos mais jargão do que a maioria das disciplinas em cinquenta. Termos como 'alucinação', 'token', 'RAG' e 'vibe coding' aparecem em notícias, reuniões corporativas e conversas técnicas — mas raramente alguém para para explicá-los. Este glossário resolve isso: 60 termos centrais, explicados em português, sem matemática e sem condescendência.

A — F: Fundamentos e modelos

• AGI (Inteligência Geral Artificial): um sistema de IA que consiga realizar qualquer tarefa intelectual que um humano realiza, em qualquer domínio. Ainda não existe. Os modelos atuais são bons em muitas tarefas mas não têm compreensão geral do mundo. Pesquisadores debatem se e quando AGI será possível.
• Alucinação: quando uma IA gera uma informação factualmente errada com confiança — inventa uma citação bibliográfica, atribui uma fala a alguém que nunca disse, ou descreve um evento que não aconteceu. Não é mentira intencional; é um artefato da forma como os modelos funcionam (previsão estatística de tokens).
• Benchmark: um conjunto de testes padronizados para medir o desempenho de um modelo de IA. O MMLU testa conhecimento geral em 57 disciplinas; o HumanEval mede geração de código; o MATH mede raciocínio matemático. Benchmarks são úteis mas podem ser 'decorados' — um modelo pode ser treinado para ter bom resultado no teste sem ter habilidade real.
• Contexto / Context window: quanto texto um modelo consegue processar de uma vez — tanto a conversa anterior quanto o documento carregado. Em 2024, 100.000 tokens eram impressionantes. Em 2026, o Claude tem janela de 200.000 tokens. Pense na janela de contexto como a memória de curto prazo da IA.
• Embedding: uma representação numérica (vetor) de um texto, imagem ou dado. Modelos de embedding convertem palavras em coordenadas em um espaço matemático onde palavras semanticamente próximas ficam geometricamente próximas. É a base de sistemas de busca semântica e RAG.
• Fine-tuning: treinar um modelo base em dados específicos para especializá-lo em uma tarefa ou domínio. Um LLM genérico pode ser 'finado' em textos jurídicos brasileiros para se tornar um assistente jurídico. Mais caro e complexo do que prompt engineering, mas necessário em casos de uso muito específicos.
• Foundation Model / Modelo Fundacional: um modelo treinado em enorme volume de dados genéricos que serve de base para especializações. GPT-4o, Claude Sonnet 4 e Gemini 2.5 são modelos fundacionais — treinados em bilhões de textos para depois serem ajustados ou usados diretamente.

G — M: Geração e interação

• GPT (Generative Pre-trained Transformer): a arquitetura e a família de modelos da OpenAI. GPT significa 'Transformador Pré-treinado Generativo'. O GPT-4, GPT-4o e GPT-5 são versões desta família. O termo às vezes é usado informalmente para qualquer modelo de linguagem.
• Hallucination: ver Alucinação.
• LLM (Large Language Model / Modelo de Linguagem Grande): um modelo de IA treinado em texto em larga escala, capaz de gerar, resumir, traduzir e responder a questões em linguagem natural. ChatGPT, Claude e Gemini são interfaces de LLMs.
• MCP (Model Context Protocol): protocolo criado pela Anthropic em 2024 que padroniza como modelos de IA se conectam a ferramentas e fontes de dados externas. É como um USB para IA — permite que qualquer sistema se conecte a qualquer modelo sem integração customizada.
• Multimodal: um modelo ou sistema capaz de processar mais de uma modalidade de dados — texto, imagem, áudio, vídeo. O GPT-4o e o Gemini 2.5 são multimodais: você pode enviar uma foto e fazer uma pergunta sobre ela.
• Prompt / Prompt Engineering: prompt é a instrução ou mensagem que você envia a um modelo de IA. Prompt engineering é a prática de formular essas instruções de forma a obter respostas melhores. Inclui técnicas como chain-of-thought, few-shot e role prompting.

N — R: Redes e raciocínio

• RAG (Retrieval-Augmented Generation): técnica que combina busca em base de conhecimento com geração de texto. Quando você pergunta ao Claude sobre um documento específico, o sistema busca os trechos relevantes e os inclui no contexto antes de gerar a resposta. Reduz alucinações porque ancora a resposta em textos reais.
• Rede Neural: sistema computacional inspirado vagamente no cérebro, composto por camadas de nós conectados que processam informação. Não é um cérebro — é uma função matemática muito complexa. Redes neurais são a base dos modelos de IA modernos.
• Reasoning Model / Modelo de Raciocínio: modelos treinados para pensar em passos antes de responder, exibindo uma cadeia de raciocínio (chain-of-thought). O o3 da OpenAI, o Claude com raciocínio ativado e o DeepSeek R1 são exemplos. São mais lentos que modelos padrão, mas mais precisos em problemas complexos.
• RLHF (Reinforcement Learning from Human Feedback): técnica que treina modelos de linguagem usando preferências humanas. Humanos comparam respostas do modelo e indicam qual é melhor; o modelo aprende a produzir respostas mais preferidas. É como o ChatGPT aprendeu a ser útil e seguro.

S — Z: Segurança, agentes e tendências

• Token: a unidade básica de processamento em LLMs. Uma palavra em inglês costuma ser 1 token; em português, palavras longas podem ser 2-3 tokens. O custo de APIs de IA é medido por tokens (entrada + saída). 1.000 tokens equivalem a aproximadamente 750 palavras em inglês.
• Tool Use / Function Calling: capacidade de um modelo invocar funções externas — busca web, execução de código, consulta a banco de dados — durante uma conversa. É o que transforma um chatbot em um agente capaz de agir no mundo.
• Transformer: a arquitetura de rede neural que revolucionou o processamento de linguagem natural em 2017 (paper 'Attention Is All You Need'). Todos os LLMs modernos — GPT, Claude, Gemini, DeepSeek — são baseados em transformers. O elemento central é o mecanismo de atenção, que permite o modelo pesar a relevância de cada parte do texto ao gerar a próxima palavra.
• Vibe coding: escrever software descrevendo o que você quer em linguagem natural, deixando que a IA gere o código. O termo foi cunhado por Andrej Karpathy em 2025. É real e funciona para projetos simples a médios — mas código gerado por IA ainda precisa de revisão para sistemas críticos.
• Zero-shot vs Few-shot: zero-shot é quando o modelo resolve uma tarefa sem exemplos prévios — apenas com a instrução. Few-shot é quando você fornece um ou mais exemplos de como quer que a resposta seja formatada. Few-shot costuma produzir resultados mais consistentes em tarefas específicas.

Termos do Marco Legal e regulação

• Algoritmo de Alto Risco: definição do PL 2338/2023. Sistemas de IA que afetam decisões em crédito, emprego, saúde, segurança pública ou educação são classificados como alto risco e sujeitos a obrigações adicionais de transparência e avaliação.
• ANPD (Autoridade Nacional de Proteção de Dados): órgão federal brasileiro responsável por fiscalizar a LGPD e, possivelmente após o Marco Legal da IA, também a regulação de sistemas de IA.
• Avaliação de Impacto Algorítmico (AAIA): documento obrigatório para sistemas de alto risco, descrevendo os dados usados, o objetivo do modelo, os riscos identificados e as medidas de mitigação adotadas.
• LGPD e IA: a Lei Geral de Proteção de Dados (Lei 13.709/2018) já se aplica a sistemas de IA que processam dados pessoais. O Marco Legal da IA complementa — não substitui — a LGPD.

Recursos para continuar aprendendo

Para ir além do glossário: os cursos do DeepLearning.AI de Andrew Ng (em inglês, com legendas em português) explicam os fundamentos técnicos de forma acessível. O Google oferece o curso 'Introdução à IA Generativa' traduzido para o português no Google Cloud Skills Boost. A Anthropic mantém documentação pública sobre como seus modelos funcionam em anthropic.com/research.

Este glossário é atualizado mensalmente com novos termos que entram no vocabulário do campo. Assine a newsletter do Jornal da IA para receber as atualizações diretamente no e-mail — sem precisar voltar ao site para checar.

Fontes: DeepLearning.AI · Anthropic Research · Google Cloud Skills Boost