Glossário de IA: os termos que definem a nova era, sem jargão

Todo texto sobre IA hoje assume que você já sabe o que é um token, por que RAG importa e qual a diferença entre fine-tuning e RLHF. Este glossário resolve isso: 56 termos explicados em uma a três frases, sem jargão circular e sem exigir que você entenda um termo para decifrar outro.

Use como referência rápida: Ctrl+F no termo que travou sua leitura, leia a definição, volte ao que estava fazendo. Quando um termo tem artigo profundo aqui no blog, a definição linka direto — a versão curta está aqui, a versão completa está a um clique.

Os blocos seguem uma lógica: fundamentos primeiro, depois como os modelos são construídos, treinados e servidos, e por fim aplicações, riscos e avaliação.

Fundamentos

IA generativa — categoria de sistemas que criam conteúdo novo — texto, imagem, áudio, código — em vez de apenas classificar ou prever rótulos. A diferença para o software tradicional: a saída não foi programada por ninguém, é produzida na hora.

LLM (Large Language Model) — modelo de linguagem de grande porte, treinado sobre volumes gigantescos de texto para prever a continuação mais provável de uma sequência. Dessa tarefa aparentemente simples emergem tradução, resumo, código e conversa. Para ver onde a fronteira está agora, veja o que a Anthropic lançou com o Claude Fable 5 e o Mythos 5.

Prompt — o texto que você envia ao modelo: pergunta, instrução, contexto, exemplos. A qualidade da saída depende diretamente dele — há uma biblioteca de prompts para trabalho real nesta mesma seção.

System prompt — instrução que o operador do sistema define antes de qualquer mensagem do usuário: papel, regras, limites, tom. É o que faz o mesmo modelo se comportar como atendente de suporte em um produto e como tutor de matemática em outro.

Token — a unidade mínima de texto que o modelo lê e escreve: pedaços de palavra, palavras curtas inteiras, pontuação. Em português, um token corresponde a algo entre 3 e 4 caracteres; uma página de texto tem por volta de 500 tokens. Preço, velocidade e limite de contexto — tudo se mede em tokens.

Janela de contexto — o total de tokens que o modelo consegue considerar de uma só vez: suas instruções, os documentos anexados e a resposta em construção. O que passa do limite simplesmente não é visto. As técnicas por trás das janelas de 1 milhão de tokens e o que um modelo faz com contexto desse tamanho têm artigos próprios.

Parâmetros — os números internos ajustados durante o treinamento, que codificam tudo o que o modelo “sabe”. Modelos de fronteira têm centenas de bilhões deles.

Pesos — o valor concreto de cada parâmetro depois do treinamento; o arquivo de pesos é o modelo. Quando alguém diz que um modelo é “aberto”, quer dizer que os pesos podem ser baixados e executados por qualquer pessoa.

Embedding — representação de um texto (ou imagem) como uma lista de números, construída de modo que proximidade numérica signifique proximidade de significado. É a base da busca por significado em vez de palavra exata.

Multimodal — modelo que entende e/ou gera mais de um tipo de mídia: texto, imagem, áudio, vídeo. Como a IA processa tudo isso no mesmo cérebro está explicado em detalhe.

SLM (Small Language Model) — modelo pequeno o bastante para rodar em um notebook ou celular, projetado para eficiência. Em tarefas específicas, resolve tão bem quanto um gigante custando uma fração — o futuro também é pequeno.

AGI (Inteligência Artificial Geral) — sistema hipotético capaz de realizar qualquer tarefa cognitiva no nível de um humano competente, sem ser especializado em nada. Não existe; é o objetivo declarado dos grandes laboratórios.

ASI (Superinteligência Artificial) — o degrau acima da AGI: um sistema que supera os melhores humanos em praticamente todos os domínios. O que isso significa e por que o debate é sério.

Não-computabilidade — a classe de problemas que nenhum algoritmo consegue resolver, provada matematicamente há quase um século. Vale para qualquer IA, por mais avançada — o limite que nenhuma inteligência artificial vai ultrapassar.

Arquitetura de modelos

Transformer — a arquitetura de rede neural que viabilizou os LLMs modernos, publicada em 2017. Sua vantagem decisiva: processar todos os tokens de uma sequência em paralelo, relacionando cada um com todos os outros. Como a atenção realmente funciona abre a máquina por dentro.

Atenção — o mecanismo central do Transformer: para cada token, o modelo calcula quanto cada outro token da sequência pesa na sua interpretação. É o que permite entender que, em “o banco recusou o empréstimo”, “banco” não é um assento — a explicação completa está aqui.

Mixture-of-Experts (MoE) — arquitetura que divide o modelo em vários “especialistas” e ativa só uma fração deles para cada token, cortando o custo de computação sem reduzir o conhecimento total. Por que os modelos ativam só uma fração.

Modelo de espaço de estados (SSM) — família de arquiteturas alternativas ao Transformer (Mamba é o exemplo mais citado) que processa a sequência mantendo um estado comprimido, com custo que cresce de forma linear em vez de quadrática com o tamanho do texto. A alternativa ao Transformer, explicada.

Modelo de difusão — a arquitetura por trás dos geradores de imagem: aprende a transformar ruído puro em imagem coerente, removendo o ruído passo a passo. A matemática por trás da geração de imagens.

Treinamento e alinhamento

Treinamento — o processo de ajustar os parâmetros expondo o modelo a dados e corrigindo seus erros, repetido em escala massiva. É a fase cara: semanas ou meses de milhares de GPUs trabalhando em conjunto.

Pré-treino — a primeira e maior etapa do treinamento: o modelo consome trilhões de tokens de internet, livros e código, aprendendo apenas a prever a continuação do texto. É de onde vem o conhecimento geral — e também os vieses dos dados.

Fine-tuning — a etapa seguinte: ajustar um modelo já pré-treinado com um conjunto menor e específico de dados, para especializá-lo em um comportamento — seguir instruções, dominar um domínio, adotar um tom.

LoRA — técnica de fine-tuning eficiente: em vez de reajustar bilhões de parâmetros, treina pequenas matrizes adicionais acopladas ao modelo congelado. Resultado parecido, custo ordens de grandeza menor — fine-tuning sem retreinar o modelo inteiro.

RLHF — aprendizado por reforço com feedback humano: pessoas comparam respostas do modelo e essas preferências viram sinal de treino. Foi o que transformou preditores de texto brutos em assistentes úteis — como o feedback humano molda um modelo.

Alinhamento — o esforço de fazer o modelo se comportar conforme as intenções humanas: ser útil, honesto e inofensivo, inclusive em situações que o treino não previu. RLHF e Constitutional AI são técnicas de alinhamento.

Constitutional AI — método da Anthropic em que o modelo critica e revisa as próprias respostas seguindo uma lista escrita de princípios (a “constituição”), reduzindo a dependência de avaliadores humanos. Alinhamento com menos humano no loop.

Dados sintéticos — dados de treino gerados por um modelo para treinar outro (ou ele mesmo). Resolvem a escassez de dados humanos de qualidade, mas criam riscos próprios — treinar IA com dados de IA.

Leis de escala — relações empíricas que preveem quanto um modelo melhora ao aumentar parâmetros, dados e computação. Guiam decisões de bilhões de dólares — o que Chinchilla ensinou sobre o equilíbrio entre tamanho do modelo e volume de dados.

Inferência e custo

Inferência — o uso do modelo depois de pronto: cada resposta que você recebe é uma inferência. O treino é custo único; a inferência é o custo recorrente que domina a conta de quem opera IA em produção.

Latência — o tempo entre enviar o prompt e receber a resposta. Na prática se divide em duas medidas: tempo até o primeiro token (a sensação de velocidade) e tokens gerados por segundo (a velocidade real da resposta).

Custo por token — o modelo de preço das APIs: cobrança por milhão de tokens, com entrada geralmente mais barata que saída. Conta didática: a US$ 3 por milhão de tokens de entrada, processar um documento de 100 mil tokens custa US$ 0,30 por chamada — e 1.000 chamadas por dia custam US$ 300 diários só de entrada.

Temperatura — parâmetro que controla o quanto o modelo arrisca a cada escolha de token: perto de zero, escolhe quase sempre a opção mais provável (saída consistente e repetível); mais alta, distribui as apostas (saída variada e criativa).

Quantização — comprimir os pesos usando números de menor precisão (de 16 bits para 8 ou 4), cortando memória e custo com perda pequena de qualidade. É o que permite rodar modelos gigantes em hardware modesto.

KV cache — memória que guarda os cálculos de atenção já feitos para não refazê-los a cada token novo gerado. Cresce junto com o contexto e é o gargalo de memória que define o custo da inferência.

Speculative decoding — um modelo pequeno e rápido “chuta” os próximos tokens e o modelo grande apenas verifica os chutes em lote. Quando o pequeno acerta bastante, a geração acelera sem perder qualidade.

Test-time compute — dar mais computação ao modelo na hora da resposta, e não só no treino, deixando-o explorar caminhos antes de concluir. Por que pensar mais melhora a resposta.

Agentes e aplicações

Raciocínio — a capacidade de encadear passos lógicos até uma conclusão, em vez de responder por reflexo. Nos LLMs é um comportamento induzido, com limites reais — o que a arquitetura atual não resolve.

Chain-of-thought — técnica de fazer o modelo escrever o passo a passo antes da resposta final, o que melhora visivelmente tarefas de lógica e matemática. Como os modelos pensam antes de responder.

Reasoning model — modelo treinado explicitamente para raciocinar: gera uma longa cadeia interna de pensamento antes de responder, gastando mais tokens para errar menos. Quando o raciocínio vira treino explícito.

Agente — sistema em que o LLM não apenas responde, mas age: planeja, usa ferramentas, observa o resultado e decide o próximo passo em loop, até concluir a tarefa. Do prompt único ao loop de planejamento.

Tool use / function calling — a capacidade do modelo de acionar ferramentas externas — buscar na web, consultar um banco de dados, rodar código — devolvendo uma chamada estruturada em vez de texto livre. Como modelos operam ferramentas.

Memória de agente — os mecanismos que permitem a um agente reter informação entre sessões, já que o modelo em si esquece tudo ao fim de cada conversa: anotações persistentes, resumos, bases vetoriais. Como a IA lembra entre sessões.

RAG (Retrieval-Augmented Generation) — arquitetura que busca trechos relevantes em uma base externa e os injeta no prompt antes de o modelo responder. É o caminho padrão para dar conhecimento atualizado e privado a um LLM sem retreiná-lo.

Busca vetorial — busca que compara embeddings em vez de palavras: encontra “reembolso de passagem” quando você procura “devolução de bilhete”. A matemática do significado que sustenta quase todo RAG.

GraphRAG — evolução do RAG que organiza o conhecimento em um grafo de entidades e relações, permitindo responder perguntas que exigem conectar fatos espalhados por vários documentos. Além da busca por similaridade.

Context engineering — a disciplina de decidir o que entra na janela de contexto — instruções, documentos, histórico, ferramentas — e, tão importante quanto, o que fica de fora. Sucedeu o “prompt engineering” como habilidade central de quem constrói com IA: a disciplina de projetar o que entra no modelo.

Riscos e segurança

Alucinação — quando o modelo afirma com total confiança algo falso: cita estudo inexistente, inventa número, cria URL. Não é bug ocasional; é consequência direta de como ele funciona — por que a IA inventa e o que reduz isso.

Jailbreak — técnica para fazer o modelo ignorar suas regras de segurança e produzir o que normalmente recusaria, em geral via manipulação criativa do prompt — encenações, hipóteses, instruções aninhadas. Como esses ataques funcionam na prática.

Prompt injection — ataque em que instruções maliciosas escondidas em conteúdo externo — uma página web, um e-mail, um PDF — sequestram o comportamento do modelo que lê aquele conteúdo. É o risco número um para agentes que navegam e processam dados de terceiros.

Red-teaming — a prática de atacar deliberadamente o próprio modelo antes do lançamento para encontrar falhas que um adversário real exploraria. Como se testa a segurança de um modelo.

Guardrails — camadas de proteção em volta do modelo: filtros de entrada e saída, regras de bloqueio, validações. Complementam o alinhamento, que age por dentro; guardrails agem por fora.

Interpretabilidade — o campo que tenta entender o que acontece dentro do modelo: quais estruturas internas produzem qual comportamento. Hoje os LLMs são caixas-pretas até para quem os criou — abrindo a caixa-preta dos LLMs.

Avaliação

Benchmark — conjunto padronizado de tarefas com respostas conhecidas, usado para medir e comparar modelos. Útil como régua, mas cada vez menos confiável sozinho — benchmarks, falhas e contaminação.

Contaminação de dados — quando as perguntas do benchmark vazaram para os dados de treino: o modelo não resolve o teste, lembra dele. Infla notas e é um dos maiores problemas da avaliação de LLMs.

Evals — avaliações contínuas construídas sobre os seus casos de uso, não sobre testes genéricos. É o que separa “o modelo parece bom” de “o modelo resolve o meu problema em X% dos casos”.

LLM como juiz — usar um modelo para avaliar as respostas de outro em escala, seguindo critérios definidos. Barateia a avaliação, mas herda os vieses do juiz — por isso exige calibração contra julgamento humano.

---

Cinquenta e seis termos não esgotam o campo, mas cobrem o vocabulário que sustenta praticamente toda conversa séria sobre IA hoje. Guarde a página, use o Ctrl+F sem culpa e, quando um termo pedir profundidade, siga o link — cada artigo profundo existe exatamente para isso.

Se o seu trabalho também envolve conteúdo e tráfego, o glossário de SEO desta mesma série faz o mesmo serviço para o vocabulário de busca.