Glossário de IA

Resposta curta

Este glossário explica os conceitos essenciais de inteligência artificial em português, com definição direta, aplicação prática, limites, fonte primária e conexões com notícias e guias relacionados.

Como as definições são construídas

Cada verbete responde primeiro “o que é”, depois mostra como o conceito funciona e em que decisão ele importa. Também diferencia termos que costumam ser confundidos. Uma definição útil não depende apenas de uma frase: ela precisa esclarecer contexto, risco e o que deve ser medido na prática. Exemplos e limites ajudam a transformar linguagem técnica em uma decisão que pode ser explicada e revisada.

Por onde começar

Para fundamentos, leia machine learning, deep learning, rede neural e transformer. Para IA generativa, avance para LLM, token, prompt, RAG e agente de IA. Para implementação, consulte inferência, embeddings, janela de contexto, quantização e MCP.

Como usar o glossário sem decorar jargão

Relacione cada termo a uma tarefa: qual é a entrada, o que o sistema faz, qual saída produz e como o erro será detectado. Abra a referência primária quando a definição sustentar uma decisão técnica ou comercial. Os verbetes são atualizados quando o uso do termo muda ou quando surgem fontes melhores.

Referências de base: Google for Developers — Machine Learning Glossary · NIST — AI Risk Management Framework

Perguntas frequentes

Por onde começar no glossário de IA?

Comece por machine learning, rede neural, transformer e LLM. Depois avance para token, prompt, RAG, agentes e os termos ligados à sua tarefa.

As definições são atualizadas?

Sim. Os verbetes são revistos quando o uso do termo muda, surgem fontes primárias melhores ou uma explicação prática precisa ser corrigida.

Uma definição substitui documentação técnica?

Não. O glossário oferece contexto e uma referência inicial; decisões técnicas devem confirmar detalhes na documentação primária indicada.

Todos os termos de inteligência artificial