Please enable JavaScript.
Coggle requires JavaScript to display documents.
Inteligência artificial, Sempre vai haver a possibilidade de viés, mesmo…
Inteligência artificial
Conceitos básicos
-
O investimento em IA sempre passou por altos e baixos. Chamamos os períodos de baixas de invernos de IA.
-
Classificações
Forte x fraca
-
A IA forte ainda não existe, mas em teoria é capaz de adquirir consciência.
Funcionalidade
De uso estreito/ferramenta serve para apenas uma coisa, como o detector de spam.
-
Amplitude
-
ASI (Super) vai além da forte, sendo ainda mais inteligente que o ser humano.
ANI (Narrow) foca em tarefas específicas, sendo de uso estreito e fraca
-
Riscos e desafios
O uso de IA deve ser orientado por transparência, valor social, responsabilização, etc.
Devem seguir a sigla FAT: fairness (justiça), accountability (prestação de contas) e transparency.
Vieses geram resultados inedequados, comprometendo vários dos princípios.
-
-
-
-
-
-
Agentes de IA
Diferente do assistente, que responde perguntas, o agente realiza tarefas.
Por exemplo, em grande parte o ChatGPT é assistente, mas possui um modo agente que pode realizar tarefas por você.
Agente é capaz de planejamento, ação, aprimoramento, cooperação, etc.
Tipos
Reativo é o mais simples, baseado no modelo de "se-então"
-
-
-
-
-
-
-
-
-
IA generativa
Modelos discriminativos sabem apenas distinguir entre categorias, como o anti-spam.
Em contraste, os modelos generativos conseguem criar conteúdo inédito a partir de dados analisados.
Utiliza aprendizado supervisionado, não supervisionado.
Modelos fundacionais/de base são treinados com grande volume de dados, aprendendo a distribuir probabilidade.
Modelos treinados sob demanda são treinadas no momento de uso, enquanto que modelos pré-treinados como o ChatGPT são treinados antes.
Prompt é a ordem dada, e token é a menor unidade de texto que a IA consegue processar.
Dados multimodais/mistos é o uso de várias mídias, sejam escritas, visuais, auditórias, etc.
Tipos
Generative Adversarial Network (GAN) tem uma rede geradora, cuja conteúdo é filtrado pela rede discriminadora, melhorando ao longo do tempo até a discriminadora não ser mais necessária.
Variational Autoencoders (VAE) fazem resumos dos dados originais e tentam recriar o original a partir do resumo.
Modelos de difusão pegam uma grande quantidade de dados e refinam, removendo ruidos, até gerar o conteúdo desejedao.
Large Language Models (LLM) estudo os padrões de dados e geralmente através da arquitetura transformer consegue calcular a sequência mais provável.
Através do mecanismo de atenção, o transformer consegue trabalhar com várias partes do texto ao mesmo tempo.
Sempre vai haver a possibilidade de viés, mesmo com análise técnica e dados diversos.
Os dois podem coexisitir, mas é importante não confundir.
-
-
-