Créditos: Imagem cedida; Autor: Stephen Whitelaw;

Aprendizagem profunda

A aprendizagem profunda é um tipo de aprendizagem automática baseada em redes neurais com várias camadas. Estes sistemas conseguem aprender padrões complexos em imagens, texto, áudio e vídeo. A aprendizagem profunda está na base de muitos avanços modernos da IA, incluindo o reconhecimento de voz, a geração de imagens, a tradução e os grandes modelos linguísticos. Requer frequentemente grandes quantidades de dados e poder de computação.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Modelo de difusão

Um modelo de difusão é um tipo de IA generativa frequentemente utilizado para criar imagens. Aprende a gerar dados partindo do ruído e refinando-o gradualmente até obter uma imagem ou resultado coerente. Muitas ferramentas modernas de geração de imagens utilizam técnicas de difusão. O resultado pode ser altamente realista ou artístico, dependendo do prompt e do modelo.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Gémeo digital

Um gémeo digital é um modelo virtual de um objeto, sistema ou processo do mundo real. Por exemplo, uma fábrica pode ter um gémeo digital que simula máquinas, consumo de energia e fluxo de produção. A IA pode tornar os gémeos digitais mais poderosos, prevendo problemas e testando alterações antes de estas ocorrerem no mundo real. Os gémeos digitais são utilizados na engenharia, nos cuidados de saúde, nos transportes e nas cidades inteligentes.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Modelo discriminativo

Um modelo discriminativo aprende a distinguir entre categorias. Por exemplo, pode decidir se um e-mail é spam ou não, ou se a imagem de um tumor parece benigna ou maligna. Os modelos discriminativos diferem dos modelos generativos, que criam novos conteúdos. Em termos simples, os modelos discriminativos classificam; os modelos generativos produzem.


Créditos: Imagem fornecida; Autor: Stephen Whitelaw;
Destilação

A destilação de IA consiste em treinar um modelo de IA pequeno e rápido para copiar o conhecimento e o comportamento de um modelo de IA grande e inteligente. Pense nisso como um chef mestre (o modelo grande) a ensinar a um aprendiz (o modelo pequeno) todas as suas receitas e técnicas secretas, para que o aprendiz possa cozinhar comida da mesma qualidade, mas muito mais rapidamente e com menos utensílios de cozinha.Por que é utilizada Poupa espaço: reduz sistemas de IA de grande dimensão para que caibam num smartphone ou num portátil. Poupa dinheiro: é necessária significativamente menos potência computacional para executar o modelo mais pequeno. Poupa tempo: o modelo mais pequeno fornece respostas muito mais rapidamente do que o gigante.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Adaptação de domínio

A adaptação de domínio é o processo de fazer com que um modelo de IA funcione bem num contexto novo, mas relacionado. Por exemplo, um modelo treinado com dados hospitalares de um país pode não funcionar igualmente bem noutro país, devido a diferenças no equipamento, nos doentes ou nos procedimentos. A adaptação de domínio ajuda os modelos a transferir conhecimento, ao mesmo tempo que se ajustam às condições locais.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

IA específica de domínio

A IA específica de domínio é uma IA concebida para um campo específico, como os cuidados de saúde, o direito, as finanças, a educação, a agricultura ou a indústria transformadora. Estes sistemas podem ser mais precisos e úteis do que as ferramentas gerais, uma vez que são construídos com base em conhecimentos especializados e fluxos de trabalho específicos. No entanto, a IA específica de domínio requer supervisão por parte de especialistas, pois os erros podem acarretar consequências graves.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Desvio

O desvio ocorre quando o desempenho de um modelo de IA se altera ao longo do tempo devido a mudanças no mundo real. Por exemplo, o comportamento dos clientes, as táticas de fraude, a prática médica ou o uso da linguagem podem evoluir. Um modelo que funcionava bem no ano passado pode tornar-se menos fiável hoje. A monitorização do desvio é essencial em qualquer sistema de IA utilizado ao longo do tempo.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Dropout

O «dropout» é uma técnica de treino utilizada em redes neurais para reduzir o sobreajuste. Durante o treino, algumas ligações são ignoradas aleatoriamente, obrigando o modelo a não depender excessivamente de qualquer caminho específico. Isto ajuda o modelo a generalizar melhor para novos dados. É semelhante a treinar uma equipa para que todo o grupo tenha um bom desempenho, em vez de depender de um único jogador estrela.

Créditos: Imagem fornecida; Autor: Stephen Whitelaw;

Dupla Utilização

«Dupla utilização» significa que uma tecnologia pode ser utilizada tanto para fins úteis como prejudiciais. A IA é uma tecnologia clássica de dupla utilização. A mesma ferramenta que ajuda a escrever material educativo também pode ajudar a escrever e-mails de phishing. O mesmo sistema de geração de imagens que ajuda os artistas pode criar provas falsas. Uma IA responsável exige que se tenha em conta tanto a utilização indevida como a utilização pretendida.

Defina o The Portugal News como a sua fonte preferida de notícias no Google

GoogleAdicionar como fonte preferida no Google