Glossário

Definições concisas dos termos centrais do livro, em ordem alfabética. Cada entrada remete ao módulo onde o conceito é desenvolvido.

A2A (Agent2Agent)

Padrão aberto de comunicação entre agentes de origens diferentes, permitindo que se descubram e cooperem. Complementa o MCP (que conecta agentes a ferramentas). [M12]

Agente

Sistema em que o modelo opera em laço (planejar, agir, observar, repetir) para cumprir uma tarefa de vários passos que ele mesmo conduz. [M11]

AGI (IA geral)

Ideia hipotética de um sistema com capacidade cognitiva comparável à humana em qualquer domínio; termo sem definição consensual. Toda a IA atual é estreita. [M1]

Ajuste fino (fine-tuning)

Adaptação de um modelo já treinado a uma tarefa, estilo ou domínio específico, a partir de dados adicionais. [M5, M13]

Ajuste por instruções (instruction tuning)

Ajuste fino supervisionado que ensina o modelo a seguir pedidos no formato instrução-resposta. [M5]

Alinhamento

Conjunto de técnicas que orientam o comportamento do modelo para ser útil, honesto e seguro (ver RLHF, RLAIF, DPO, Constitutional AI). [M5, M13]

Alucinação (hallucination)

Produção de conteúdo plausível, porém factualmente falso ou não fundamentado na fonte. [M7]

Amostragem por núcleo (top-p) e top-k

Estratégias que limitam a escolha aos tokens mais prováveis, por soma de probabilidade (top-p) ou por quantidade (top-k), descartando a cauda pouco confiável. [M6]

API

Canal programático pelo qual um software, e não uma pessoa, envia pedidos ao modelo e recebe respostas. [M11]

Arena de preferência

Ranking de modelos por voto humano às cegas entre respostas anônimas (ex.: Chatbot Arena); capta qualidade percebida, mas enviesa por comprimento e estilo. [M8]

Atenção (attention)

Mecanismo pelo qual cada token pondera a relevância dos demais para se reinterpretar no contexto. [M4]

Attention budget (orçamento de atenção)

Ideia de que a capacidade de o modelo “prestar atenção” é finita e disputada por todos os tokens do contexto. [M9]

Backpropagation (retropropagação)

Algoritmo que calcula os gradientes de todos os pesos propagando o erro da saída até as primeiras camadas. [M3]

Banco vetorial

Sistema que armazena vetores e encontra rapidamente os vizinhos mais próximos, base da busca em RAG. [M10]

Benchmark

Conjunto padronizado de tarefas com respostas conhecidas, usado para comparar modelos. [M8]

Busca híbrida

Combinação de busca vetorial (por significado) e por palavra-chave (por termo exato), usada na recuperação do RAG. [M10]

Caching de prompt

Reaproveitamento do processamento da parte estável do contexto entre chamadas, reduzindo latência e custo de entrada. [M6, M13]

Chatbot

Interface conversacional direta com o modelo, sem acesso a dados externos nem execução de ações. [M11]

Conhecimento explícito

Saber que pode ser escrito, arquivado e transmitido sem depender da presença de quem o produziu (manuais, normas, especificações). [M14]

Conhecimento tácito

Competência exercida na prática que resiste à articulação completa em regras; “sabemos mais do que somos capazes de dizer” (Polanyi). [M14]

Constitutional AI

Variante de alinhamento em que o feedback é gerado por uma IA guiada por princípios escritos (RLAIF), reduzindo a dependência de rótulos humanos. [M5]

Contaminação de avaliação

Vazamento de exemplos de teste para o conjunto de treino, que infla a nota e mede memorização em vez de competência. [M8]

Context engineering (engenharia de contexto)

Disciplina de decidir qual informação entra no contexto e como organizá-la, deslocando o foco do prompt para o ambiente de informação. [M9]

Context rot

Degradação da qualidade à medida que o contexto cresce e acumula informação irrelevante ou desatualizada. [M9]

Correferência (resolução de)

Ligar um pronome ao seu referente (o “ele” ao “animal”); emerge da atenção do Transformer como correlação estatística, não como compreensão. [M4]

Corte de conhecimento

Data-limite dos dados de treino, depois da qual o modelo não conhece eventos, salvo se informados no contexto. [M7, M10]

Decomposição (prompt chaining)

Divisão de uma tarefa grande em subtarefas encadeadas, cada uma com seu prompt; a semente da ideia de agente. [M9]

Descida do gradiente

Procedimento de ajuste dos pesos na direção que mais reduz a perda. [M3]

Destilação (knowledge distillation)

Treino de um modelo pequeno (aluno) para imitar as saídas de um modelo grande (professor). [M8]

DPO (otimização direta de preferências)

Método de alinhamento que ajusta o modelo diretamente a partir de preferências, sem treinar um modelo de recompensa separado. [M13]

Efeito ELIZA

Tendência humana de projetar compreensão e intenção onde há apenas manipulação de padrões, raiz de muitos equívocos sobre a IA. [M1]

Embedding

Vetor de números reais associado a um token, que define sua posição num espaço de muitas dimensões. [M2]

Embedding contextual

Vetor de um token recalculado conforme as palavras ao redor, em vez de fixo por palavra (embedding estático); é o que o Transformer produz. [M2, M4]

Erosão do julgamento

Perda gradual da capacidade humana de avaliar resultados por delegar à IA não só a execução, mas também a avaliação do que ela produz. [M14]

Erro composto

Queda da probabilidade de sucesso da tarefa inteira à medida que passos falíveis se encadeiam; a razão pela qual autonomia longa exige pontos de verificação. [M11]

Espaço vetorial semântico

Espaço geométrico em que a proximidade entre vetores reflete proximidade de significado. [M2]

Few-shot / zero-shot

Pedir sem exemplos (zero-shot) versus demonstrar o comportamento desejado com poucos exemplos no próprio prompt (few-shot). [M9]

Framework de agentes

Biblioteca que oferece o laço, o uso de ferramentas e a orquestração prontos (ex.: LangGraph, CrewAI, AutoGen); a alternativa é o laço próprio, sem framework. [M11]

Função de ativação

Função não linear (como a ReLU) que dá à rede poder de representar relações complexas. [M3]

Function calling

Capacidade de o modelo solicitar a execução de funções externas e incorporar seus resultados. [M11, M12]

Generalização

Capacidade de acertar em dados novos, e não apenas nos exemplos vistos no treino. [M3]

Geração autorregressiva

Produção da resposta um token de cada vez, realimentando cada token gerado. [M6]

Guardrails

Filtros e regras que validam entrada e saída e restringem ações do sistema. [M14]

Harness

Runtime que executa o laço de um agente, gerenciando ferramentas, memória, limites e erros. [M11]

Inferência

Uso do modelo treinado para gerar respostas; nenhum peso é alterado nesse processo. [M6]

Intent engineering

Esforço de capturar e expressar o objetivo real por trás de um pedido, muitas vezes implícito. [M9]

Jailbreaking

Contornar o alinhamento do modelo para obter respostas que ele foi treinado a recusar. [M14]

Janela de contexto

Número máximo de tokens que o modelo considera de uma só vez. [M4]

JSON Schema

Formato padronizado para descrever a estrutura dos argumentos de uma ferramenta (nome, tipos, campos obrigatórios); base da definição de ferramentas para o modelo. [M12]

KV-cache

Armazenamento das chaves e valores já calculados na atenção, acelerando a geração ao custo de memória; introduzido na inferência (M6) e detalhado na eficiência. [M6, M8]

LoRA / PEFT

Ajuste fino eficiente em parâmetros: treina pequenas matrizes adicionais em vez de todo o modelo (LoRA); o QLoRA acrescenta quantização. [M13]

MCP (Model Context Protocol)

Padrão aberto para conectar aplicações de IA a dados e ferramentas, como uma “porta USB para IA”. [M12]

Mixture of Experts (MoE)

Arquitetura esparsa em que um roteador ativa apenas alguns “especialistas” por token, separando capacidade total de custo por resposta. [M8]

Mode collapse

Tendência de as respostas convergirem para um padrão repetitivo, perdendo diversidade. [M9]

Model card

Documento padronizado que descreve uso pretendido, desempenho, dados e limitações de um modelo. [M14]

Modelo base vs. instruct

A versão só pré-treinada (continua texto) versus a já ajustada por instruções e alinhada (segue pedidos); é a mesma rede em estágios de treino diferentes. [M5]

Multi-head attention

Várias atenções em paralelo, cada uma capturando um tipo de relação. [M4]

Multimodalidade

Capacidade de um modelo processar mais de um tipo de sinal (texto, imagem, áudio) de forma integrada. [M15]

Não-determinismo

Variação de respostas para a mesma entrada, decorrente da amostragem na geração. [M1, M6]

Neurônio artificial

Unidade que calcula uma soma ponderada das entradas, soma um viés e aplica uma função de ativação. [M3]

Ontologia

Especificação formal e explícita dos conceitos, relações e restrições válidas de um domínio; distingue-se de um glossário por declarar como os termos se relacionam, não apenas o que significam (Gruber). [M14]

Open-weight vs. proprietário

Modelos cujos pesos são publicados e executáveis localmente, versus modelos acessíveis apenas por API. [M13]

Parâmetro

Cada valor ajustável de um modelo (pesos e vieses); redes modernas têm bilhões, e cada um ocupa memória, o que condiciona custo e viabilidade. [M3, M8]

Peso (weight)

Parâmetro ajustável que mede a importância de uma entrada; aprender é ajustar pesos. [M3]

Pipeline de voz (ASR e TTS)

Encadear reconhecimento de fala (ASR), LLM e síntese de voz (TTS) para conversar por voz; modular, mas com latência; a alternativa é um modelo nativo de voz. [M15]

Positional encoding

Vetor somado ao embedding para registrar a posição de cada token na sequência. [M4]

Prefill e decode

As duas fases da inferência: processar o prompt inteiro para o primeiro token (prefill, que causa a pausa inicial) e gerar os demais token a token (decode). [M6]

Pré-treinamento

Fase em que o modelo aprende a prever o próximo token sobre enormes corpora, adquirindo linguagem e conhecimento. [M5]

Prompt engineering

Arte de formular a instrução enviada ao modelo (palavras, exemplos, formato). [M9]

Prompt injection

Instrução maliciosa embutida em dados externos que sequestra o comportamento do modelo. [M14]

Quantização

Redução do número de bits por peso, diminuindo memória e custo com pequena perda de qualidade. [M8]

Raciocínio estruturado (chain-of-thought)

Geração de passos intermediários de raciocínio antes da resposta, que melhora o desempenho em problemas complexos. [M6, M9]

RAG (recuperação aumentada de geração)

Recuperar informação externa relevante e gerar a resposta fundamentada nela, compensando o conhecimento estático do modelo. [M10]

Red teaming

Atacar deliberadamente o próprio sistema para descobrir e corrigir falhas antes de adversários reais. [M14]

Rede neural

Conjunto de neurônios artificiais organizados em camadas, capaz de aprender representações dos dados. [M3]

RLHF / RLAIF

Alinhamento por reforço a partir de preferências humanas (RLHF) ou de feedback de IA por princípios (RLAIF). [M5, M13]

Saída estruturada

Garantir um formato fixo (tipicamente JSON) restringindo a geração, em vez de apenas pedi-lo no prompt. [M9]

Saturação de benchmark

Situação em que os melhores modelos acertam quase tudo num benchmark e as diferenças viram ruído, exigindo testes mais difíceis. [M8]

Self-attention (autoatenção)

Atenção em que cada token consulta os demais (query e key) e pondera seus valores (value) conforme a relevância. [M4]

Sistema multiagente

Vários agentes especializados coordenados por um orquestrador para uma tarefa complexa. [M11]

Skill

Capacidade empacotada e reutilizável que estende o modelo numa tarefa específica, ativável sob demanda. [M12]

SLM (modelo de linguagem pequeno)

Modelo enxuto e especializado que pode superar um grande generalista na sua tarefa, a menor custo. [M13]

Sobreajuste (overfitting)

Decorar os exemplos de treino, inclusive o ruído, a ponto de generalizar mal em dados novos. [M3]

Specification engineering / Spec

Disciplina de transformar objetivos em especificações explícitas (regras, critérios de aceite); a Spec é o artefato de controle resultante. [M9, M12]

Streaming

Exibição dos tokens à medida que são gerados, melhorando a percepção de rapidez sem alterar o tempo total da resposta. [M6]

Temperatura

Parâmetro que reescala a distribuição de probabilidade, controlando o equilíbrio entre previsibilidade e diversidade da geração. [M6]

Test-time compute

Gasto de mais computação no momento da resposta (mais raciocínio) para melhorar o resultado. [M6]

Token

Unidade mínima em que o texto é fatiado para processamento; pode ser uma palavra, uma subpalavra ou um caractere. [M2]

Tokenização

Processo de dividir o texto em tokens; o uso de subpalavras garante vocabulário finito e cobertura de palavras inéditas. [M2]

Tool use

Uso, pelo modelo, de ferramentas externas (busca, cálculo, APIs) para obter dados ou executar ações. [M11]

Transformer

Arquitetura, baseada no mecanismo de atenção, que tornou possíveis as LLMs modernas. [M4]

Tríade letal

Combinação perigosa de acesso a dados privados, exposição a conteúdo não confiável e um canal de saída; quebrar um dos vértices reduz muito o risco de exfiltração. [M14]

Vetor

Lista ordenada de números; no contexto de LLMs, a forma como tokens e significados são representados. [M2]

Viés (bias, no sentido social)

Estereótipos e desequilíbrios de representação herdados dos dados de treino, que se manifestam nas saídas e nos embeddings. [M2, M5, M7]

Vision Transformer (ViT)

Arquitetura que fatia a imagem em blocos e os trata como tokens, levando o Transformer à visão. [M15]