A principal fonte de verdade para muitos termos de machine learning (ML) é o Glossário de ML. Em vez de duplicar o trabalho deles, incluímos apenas palavras e termos comumente citados que não estão no glossário de ML.
Blueprint do sistema de IA
Ao criar novos produtos ou recursos de IA, defina o projeto do sistema de IA, mapeando a oportunidade para a IA e como você vai criar uma solução. Você precisa definir:
- Por que você está criando? Quais casos de uso de IA estão disponíveis e que valor eles trazem para os usuários?
- Como o aplicativo vai funcionar?
- Como garantir que cada parte do seu sistema seja desenvolvida de forma responsável?
Leia sobre o blueprint na introdução à IA na Web.
Arquitetura de IA composta
Arquiteturas de IA compostas, combinações de um ou mais modelos e outros componentes, como bancos de dados, APIs e proteções, que trabalham juntos para oferecer um comportamento robusto e sensível ao contexto.
Engenharia de contexto
A engenharia de contexto é o processo de selecionar dinamicamente as informações (tokens) mais relevantes para uma determinada solicitação e maximizar a probabilidade de receber um resultado valioso.
Desvio de dados
O desvio de dados ocorre quando os dados de treinamento não são mais representativos da realidade. O comportamento do usuário, a coleta de dados e o ambiente de dados podem mudar a qualquer momento, o que pode levar a uma redução no desempenho do modelo.
Software determinista
Quando recebem uma entrada específica, os softwares deterministas sempre seguem a mesma série de etapas para chegar a uma saída idêntica. Esses são os tipos de software mais confiáveis, porque são previsíveis e executados com eficiência.
A inteligência artificial não é determinista. Os caminhos e resultados podem variar muito, mesmo com comandos idênticos.
Desenvolvimento orientado por avaliação (EDD)
A estrutura de desenvolvimento orientado por avaliação (EDD) oferece um processo repetível e testável para melhorar as saídas em etapas pequenas e confiáveis, detectando regressões e alinhando o comportamento do modelo com as expectativas do usuário e do produto ao longo do tempo.
Pense nisso como um desenvolvimento orientado por testes (TDD), adaptado para a incerteza da IA. Ao contrário dos testes de unidade determinísticos, as avaliações de IA não podem ser codificadas porque as saídas, tanto bem formadas quanto com falhas, podem assumir muitas formas diferentes que não podem ser previstas.
IA generativa
A IA generativa é um sistema de aprendizado de máquina que pode criar conteúdo. Isso significa que o modelo pode escrever texto, gerar imagens, produzir código ou até mesmo projetar interfaces de usuário completas.
Governança
Abordamos três dimensões da governança de IA:
- Privacidade: trate os dados com responsabilidade, explique o que é coletado e minimize o que sai do navegador.
- Justiça: verifique se há comportamento discriminatório (tendência) nos seus modelos e crie loops que permitam aos usuários sinalizar problemas.
- Confiança e transparência: crie um sistema transparente e com confiança calibrada para que os usuários continuem se beneficiando dele, apesar da incerteza e de possíveis erros.
A última dimensão, segurança, é uma parte importante da governança de IA. Vamos falar mais sobre segurança em módulos futuros.
Enquanto isso, recomendamos que você leia o framework de IA segura (SAIF) do Google e o Blog de segurança do Google.
Modelo
Os modelos são a espinha dorsal mais importante de um sistema de IA. Um modelo é um conjunto de parâmetros e uma estrutura que ajudam um sistema a fazer previsões. A forma como o modelo opera pode variar de acordo com o estilo de treinamento (supervisionado ou não supervisionado) e a finalidade do modelo (preditivo ou generativo).
Card de modelo
Os cards de modelo são visões gerais estruturadas de como um modelo foi projetado e avaliado. Eles servem como artefatos importantes que apoiam a abordagem do Google em relação à IA responsável.
Pesos do modelo
Pesos do modelo são valores numéricos que determinam a importância de determinadas informações. Esse valor é atualizado continuamente no treinamento do modelo até que um peso ideal seja definido. É possível modificar os pesos de modelos abertos, como o Gemma.
Oportunidades para IA
Há várias categorias para enquadrar soluções de IA:
- Insights: melhore a tomada de decisões.
- Conveniência: remova a complicação.
- Automação: substitua o trabalho repetitivo.
- Aumento: ajude os usuários com tarefas complexas ou criativas.
- Personalização: adapte o produto às necessidades e preferências de uma pessoa.
Isso é abordado em detalhes em Análise de casos de uso.
Plataformas
A IA do lado do cliente é executada diretamente no navegador. Isso significa que os dados podem permanecer privados, no dispositivo do usuário, e não há latência de rede. No entanto, para ter uma boa performance, a IA do lado do cliente precisa de casos de uso altamente específicos e bem definidos.
A IA do lado do servidor inclui modelos hospedados e que executam inferências na nuvem. Essa opção é altamente capaz e escalonável, mas pode ser mais cara e exige uma conexão de rede.
IA preditiva
A IA preditiva (ou analítica) é um conjunto de algoritmos que ajudam você a entender os dados atuais e prever o que provavelmente vai acontecer em seguida. Com base em padrões históricos, os modelos de IA preditiva aprendem a prever resultados, revelar insights e impulsionar decisões mais inteligentes.
Engenharia de comando
A engenharia de comandos é o ato de escrever e reescrever comandos para gerar resultados que se alinham às expectativas dos usuários. Um comando bem escrito:
- Indica como o LLM deve criar a resposta.
- Consiste em vários componentes que podem ser versionados, testados e aprimorados com o tempo.
- Pode atuar como um artefato compartilhado para colaboração entre equipes.
Há várias técnicas que você pode usar na engenharia de comando, que você pode ler no módulo de engenharia de comando.
Tipos de comandos
Pense em um tipo de comando como o público-alvo dele. Leia mais sobre isso no módulo de engenharia de comandos.
Comando do sistema
O comando do sistema é fornecido pelos desenvolvedores de aplicativos e define o comportamento geral do modelo. Ele pode definir a função do modelo ("Você é um assistente de escrita"), o tom esperado, o formato de saída (como um esquema JSON estrito) e quaisquer restrições globais. Essa solicitação permanece estável em todas as solicitações.
Comando do usuário
O comando do usuário contém a solicitação imediata que gera uma saída. O usuário fornece alguma forma de variáveis de entrada (como uma seleção de texto ou estilo esperado) e solicita uma tarefa específica. Por exemplo, "Gere três títulos para esta postagem", "Continue este parágrafo" ou "Deixe isso mais formal".