02. Modelos generativos, modelos de linguagem e aplicações

Um assistente que escreve uma resposta combina várias operações que não devem ser confundidas: representar a entrada, processar o contexto, gerar uma saída e, em alguns sistemas, consultar documentos ou executar ferramentas. Entender essas camadas ajuda a escolher uma aplicação e a avaliar seus limites. Texto fluente é um resultado de geração; a correção do que foi dito exige evidências e testes próprios.

Depois de compreender o cenário contemporâneo, aprofundamos a inteligência artificial. A sequência parte do funcionamento dos sistemas, avança para os modelos generativos e termina com impactos, riscos e formas de governança. Este é o capítulo 2 de 3 da disciplina Inteligência Artificial: Fundamentos e Aplicações. Ele retoma Fundamentos de inteligência artificial e aprendizado de máquina e amplia a análise do mesmo cenário. Depois, a leitura avança para Ética, governança, regulação e privacidade em IA.

Como estudar um tema de atualidades

Atualidades não se resume a memorizar manchetes. Um acontecimento ganha sentido quando é ligado a processos mais longos, atores, interesses, instituições e indicadores. Por isso, cada seção parte de um conceito estável e mostra como ele ajuda a interpretar fatos recentes.

Sempre separe três camadas. A primeira é o conceito, que explica como um fenômeno funciona. A segunda é a evidência, formada por dados, documentos e decisões verificáveis. A terceira é a interpretação, que organiza essas informações e precisa deixar claras suas limitações. Essa separação evita transformar previsão em fato ou opinião em dado.

Geração e modelos de fundação

Começamos por Geração e modelos de fundação, pois essa ideia fornece a base para compreender as demais partes do capítulo.

IA generativa produz texto, imagem, áudio, vídeo ou código a partir de regularidades aprendidas. Pode apoiar resumo, criação e prototipação. Não funciona apenas como um índice que devolve uma cópia literal de um documento, embora possa reproduzir trechos memorizados. A capacidade de sintetizar algo novo tampouco garante originalidade jurídica, veracidade ou ausência de vieses.

Um modelo de fundação é treinado com dados amplos e pode ser adaptado a diferentes tarefas. Um grande modelo de linguagem, ou LLM, trabalha com linguagem; modelos multimodais podem relacionar modalidades como texto e imagem. A abrangência da base permite reutilização, mas não prova qualidade em qualquer contexto. Um modelo útil para reescrever textos pode falhar ao extrair datas de contratos ou responder a perguntas técnicas.

É útil separar modelo e aplicação. O modelo gera ou interpreta representações; a aplicação inclui interface, documentos, permissões, filtros, ferramentas e pessoas. Dois produtos que usam o mesmo modelo podem ter riscos e resultados muito diferentes. O objetivo deve ser formulado em termos verificáveis, como “resumir este documento sem acrescentar fatos”, em vez de “ser inteligente”.

Ao reunir essas ideias, observe as relações entre Gerar não é comprovar, Base ampla, uso específico, Avaliar a aplicação. Elas não descrevem fatos isolados: formam um mecanismo no qual mudanças em uma parte podem produzir efeitos nas demais.

Tokens, atenção e embeddings