Glossário de IA: o que significam os termos mais usados?

Os termos de IA que mais aparecem em notícias, reuniões e salas de aula, cada um explicado em poucas linhas, com um aviso nos que o marketing esticou além do que a tecnologia entrega.

Quem acompanha o assunto esbarra todo dia em palavras como token, agente e alucinação, quase sempre sem definição. Este glossário de IA reúne os termos em três blocos: como a tecnologia funciona, como ela aparece no uso diário e quais palavras o marketing estica.

Dentro de cada bloco, a ordem é alfabética. Quando o blog tem um texto completo sobre o termo, o link leva até ele.

Quais termos explicam como a IA funciona?

• Ajuste fino (fine-tuning): um treino adicional, menor, feito sobre um modelo pronto para especializá-lo numa tarefa, num estilo ou num tipo de documento. É assim que um modelo genérico vira assistente de atendimento ou de programação.
• Deep learning (aprendizado profundo): ramo do machine learning que usa redes com muitas camadas. Está por trás do reconhecimento de voz, da tradução automática e dos chatbots atuais.
• Embedding: representação de uma palavra, frase ou imagem como uma lista de números. Significados próximos ganham números próximos, e é isso que permite achar textos parecidos mesmo quando as palavras são outras.
• Inferência: o momento de uso, quando o modelo já treinado recebe uma pergunta e calcula a resposta. Cada inferência gasta processamento, e esse custo por pergunta move boa parte do mercado de IA.
• Inteligência artificial: o campo que desenvolve sistemas capazes de tarefas associadas à inteligência humana, como reconhecer padrões, traduzir e decidir. O nome vem de uma proposta de 1955 para um encontro de pesquisa em Dartmouth.
• Machine learning (aprendizado de máquina): área da IA em que o sistema extrai padrões de exemplos, em vez de seguir regras escritas uma a uma.
• Modelo de linguagem (LLM): sistema treinado em grande volume de texto para prever a continuação mais provável de uma sequência. ChatGPT, Claude e Gemini são produtos construídos sobre modelos desse tipo.
• Parâmetros (ou pesos): os números ajustados durante o treino, que guardam o que o modelo extraiu dos dados. Os maiores modelos chegam a centenas de bilhões deles. Mais parâmetros costumam render mais capacidade, mas a quantidade sozinha não diz quem acerta mais.
• Rede neural: estrutura de unidades conectadas em camadas, inspirada de longe nos neurônios. As conexões ganham pesos durante o treino.
• Token: o pedaço de texto com que o modelo trabalha, que pode ser uma palavra, parte dela ou um sinal de pontuação. Limites de uso e preços costumam ser contados em tokens.
• Transformer: a arquitetura apresentada por pesquisadores do Google em 2017 que sustenta os modelos de linguagem atuais. É o “T” de GPT.
• Treinamento: a fase em que o modelo ajusta seus parâmetros com enormes volumes de dados. Acontece antes do lançamento, e é por isso que a IA não aprende com o que você digita durante a conversa.

Quais termos aparecem no uso da IA no dia a dia?

• Agente: sistema que recebe um objetivo, decide as etapas e usa ferramentas para executá-las, como navegar, preencher formulários ou mexer em arquivos.
• Alucinação: quando o modelo produz uma informação falsa com a mesma segurança de uma verdadeira. Acontece porque ele gera o texto mais provável sem conferir fatos numa base. Na universidade, o caso mais conhecido são as referências bibliográficas inventadas. Parte dos pesquisadores prefere o termo confabulação.
• Bajulação: tendência do chatbot a concordar com o usuário e elogiar demais. Vem em parte do treino com avaliação humana, que premia respostas agradáveis. Em abril de 2025, a OpenAI desfez uma atualização do ChatGPT por esse motivo. Quem pede à IA que avalie um trabalho deve descontar o elogio.
• Chatbot: programa que conversa em linguagem natural. Os atuais rodam sobre modelos de linguagem, mas o termo é antigo e também cobre os robôs de atendimento com respostas fixas.
• Harness: a estrutura em volta do modelo que define ferramentas, permissões e verificações, além de registrar o que ele fez.
• IA generativa: sistemas que produzem conteúdo novo, como texto, imagem, áudio ou código, a partir de padrões aprendidos.
• Janela de contexto: tudo o que o modelo consegue considerar de uma vez ao responder: a pergunta, as mensagens anteriores e os arquivos anexados. O que passa do limite fica de fora.
• Memória: recurso de alguns aplicativos que guarda anotações sobre o usuário e as devolve na conversa seguinte. O modelo continua o mesmo; quem lembra é o produto.
• Modelo aberto (pesos abertos): modelo cujos parâmetros podem ser baixados e rodados em computador próprio. Em 2024, a Open Source Initiative definiu que só os pesos abertos não bastam para chamar uma IA de código aberto: entram também o código e informação sobre os dados de treino (definição da OSI).
• Multimodal: modelo que trabalha com mais de um tipo de entrada ou saída, como texto, imagem e áudio na mesma conversa.
• Prompt: a instrução que você escreve para o sistema.
• RAG (geração aumentada por recuperação): técnica que busca documentos numa base e os coloca na janela de contexto antes da resposta. Reduz a alucinação quando a base é boa, sem eliminá-la.

Quais termos de IA o marketing exagera?

Aqui ficam as palavras que circulam com mais promessa do que a tecnologia sustenta. Primeiro vem a definição; depois, o que vale conferir.

• AGI (inteligência artificial geral): uma IA capaz de aprender e executar qualquer tarefa intelectual humana. Não há definição consensual nem teste aceito, e a data prevista costuma recuar a cada ciclo de anúncios.
• Alinhamento: o esforço de fazer um sistema perseguir o objetivo pretendido, inclusive quando a instrução literal admite atalhos. Diante de um modelo anunciado como “alinhado”, vale perguntar alinhado a quê e conferido como.
• “Aprende”: o verbo descreve o ajuste de parâmetros no treino. O sistema usado no dia a dia está congelado, e “a IA aprendeu com você” quase sempre quer dizer memória do aplicativo ou uma versão futura.
• Caixa-preta: sistema cujo funcionamento interno não se explica com facilidade, nem por quem o construiu. Em material de venda, “explicável” pode significar só que o sistema produz uma justificativa, sem garantia de que foi esse o caminho que ele seguiu.
• Consciência: a experiência subjetiva, o sentir algo. Hoje nenhum teste separa um sistema consciente de um que descreve bem a consciência, e a fluência do texto não serve como prova.
• Raciocínio: nome dado aos modelos que geram etapas intermediárias antes da resposta final, o que melhora o desempenho em matemática e programação. Se isso é raciocinar no sentido humano continua em aberto, a mesma pergunta do quarto chinês.
• Viés: distorção sistemática nos resultados, herdada dos dados de treino ou das escolhas de quem construiu o sistema. “Imparcial” em anúncio de IA é promessa difícil de verificar, como mostra o caso do viés codificado.

Se fizer sentido para você, comente e compartilhe – que termo de IA você ouviu esta semana e não encontrou aqui?