Glossário de Inteligência Artificial: 55 Termos de IA Explicados de Forma Simples (2026)

Para quem é este glossário? Para quem esbarra em palavras como "token", "prompt" ou "grande modelo de linguagem" em conversas, notícias ou ferramentas de IA e quer entendê-las sem formação técnica. Cada termo traz o original em inglês, uma definição simples e, quando ajuda, um exemplo.

Se você está começando com IA, leia primeiro nosso guia O Que É Inteligência Artificial e Como Funciona? e guarde esta página como referência.

Como usar este glossário

• Os termos estão agrupados em seis temas, do básico à segurança e à lei

• Ao lado de cada termo está o equivalente em inglês, para reconhecê-lo em outras fontes

• Para achar um termo rápido, use a busca do navegador (Ctrl+F)

1. O básico

Inteligência artificial (Artificial Intelligence, AI)

Software que aprende padrões a partir de dados, em vez de seguir regras escritas de antemão, e os usa em tarefas como entender linguagem, reconhecer imagens ou criar conteúdo. Também é o nome do campo inteiro.

IA estreita (Narrow AI)

IA boa em uma ou poucas tarefas específicas, como tradução, reconhecimento facial ou conversa. Todas as ferramentas de IA atuais, até os chatbots mais avançados, são IA estreita.

Inteligência artificial geral (Artificial General Intelligence, AGI)

Uma IA hipotética capaz de aprender e realizar quase qualquer tarefa intelectual humana, em qualquer área. A AGI é meta de pesquisa de muitos laboratórios, mas ainda não existe e não há consenso sobre quando pode chegar.

Superinteligência (Artificial Superintelligence, ASI)

Uma IA hipotética que superaria os humanos mais inteligentes em quase todas as áreas. Aparece principalmente em debates sobre o futuro e a segurança da IA.

Algoritmo (Algorithm)

Uma sequência precisa de passos para resolver um problema. Na IA, os algoritmos definem como o aprendizado acontece, e o resultado desse aprendizado é um "modelo".

Modelo (Model)

O resultado do treinamento de um sistema de IA: um arquivo com milhões a bilhões de números em que o conhecimento do modelo fica comprimido. Quando se diz "lançaram um modelo novo", é desse arquivo treinado que se fala.

Machine learning (aprendizado de máquina, ML)

O ramo da IA em que a máquina aprende com exemplos em vez de ser programada explicitamente. Filtros de spam e recomendações de streaming são exemplos do dia a dia.

Deep learning (aprendizado profundo)

Um tipo de machine learning que usa redes neurais com muitas camadas. Os grandes avanços da última década, do reconhecimento de voz aos chatbots, vêm do deep learning.

Rede neural (Neural Network)

Uma estrutura inspirada no cérebro, formada por camadas de "neurônios" artificiais. Cada neurônio combina números com pesos diferentes e passa o resultado para a camada seguinte. O Nobel de Física de 2024 foi para pioneiros dessa ideia.

IA generativa (Generative AI)

Modelos que criam conteúdo novo: texto, imagem, vídeo, áudio ou código. O ChatGPT e os geradores de imagem e música são exemplos de IA generativa.

2. Como os modelos aprendem

Dados de treinamento (Training Data)

Os exemplos com que o modelo aprende, como textos, imagens ou áudios. A qualidade e a diversidade desses dados afetam diretamente a precisão e o viés do modelo.

Treinamento (Training)

O processo em que o modelo dá palpites repetidamente, cada palpite é comparado com a resposta certa e seus parâmetros são ajustados um pouco. Treinar modelos grandes leva semanas ou meses em milhares de processadores.

Pré-treinamento (Pre-training)

A primeira etapa do treinamento de modelos grandes, em que o modelo vê uma quantidade enorme de dados gerais e aprende padrões amplos antes de ser ajustado para alguma tarefa específica.

Parâmetros ou pesos (Parameters / Weights)

Os números dentro do modelo que são ajustados no treinamento e guardam o que ele aprendeu. Grandes modelos de linguagem têm bilhões de parâmetros, mas mais parâmetros nem sempre significam um modelo melhor.

Aprendizado supervisionado (Supervised Learning)

Aprender com exemplos cujas respostas certas são conhecidas, como milhares de fotos marcadas como "gato" ou "cachorro". O modelo aprende a ir da entrada até a resposta certa.

Aprendizado não supervisionado (Unsupervised Learning)

Aprender com dados sem rótulo para encontrar padrões ou grupos, por exemplo agrupando clientes automaticamente pelo comportamento de compra.

Aprendizado por reforço (Reinforcement Learning)

Um método em que o modelo aprende por tentativa e erro, recebendo "recompensas" ou "penalidades" por suas ações. Foi assim que o AlphaGo venceu o campeão mundial de Go.

Aprendizado por reforço com feedback humano (RLHF)

Uma etapa do treinamento de chatbots em que pessoas classificam respostas diferentes do modelo, e ele aprende a dar respostas mais úteis, honestas e seguras.

Ajuste fino (Fine-tuning)

Treinamento extra de um modelo já treinado com dados mais especializados, para que se saia melhor em uma tarefa ou área específica, por exemplo ajustar um modelo geral para documentos jurídicos.

Sobreajuste (Overfitting)

Quando o modelo decora os exemplos de treinamento em vez de aprender o padrão geral: vai muito bem neles e mal em dados novos. Como um aluno que decorou as respostas sem entender a matéria.

Inferência (Inference)

A etapa de uso do modelo treinado: ele recebe uma entrada nova e produz uma resposta. Toda vez que você conversa com um chatbot, o modelo está fazendo inferência e não está aprendendo com você.

3. Modelos de linguagem e chatbots

Grande modelo de linguagem (Large Language Model, LLM)

Uma rede neural enorme treinada com quantidades gigantescas de texto para prever a próxima palavra. Essa habilidade simples sustenta a escrita, os resumos, as traduções e as conversas dos chatbots.

Transformer

A arquitetura de rede neural apresentada no artigo Attention Is All You Need, de 2017, base de quase todos os grandes modelos de linguagem atuais. É também o "T" de GPT.

Mecanismo de atenção (Attention)

A parte do transformer que permite ao modelo descobrir, para cada palavra, quais outras palavras do texto importam mais, por exemplo a qual substantivo "ele" se refere.

Token

O menor pedaço de texto com que o modelo trabalha: uma palavra, parte de uma palavra ou um sinal. Em inglês, um token equivale a cerca de três quartos de palavra; em português, uma palavra muitas vezes é dividida em vários tokens. Custos de uso e limites de tamanho são medidos em tokens.

Janela de contexto (Context Window)

A quantidade máxima de texto, medida em tokens, que o modelo consegue "enxergar" de uma vez, incluindo mensagens anteriores e documentos anexados. Se a conversa passar disso, as partes mais antigas saem da memória de trabalho do modelo.

Embedding

Uma forma de transformar uma palavra, frase ou imagem numa lista de números, de modo que significados parecidos fiquem com números próximos. Busca semântica e RAG funcionam com embeddings.

Temperatura (Temperature)

Uma configuração que controla quão aleatórias são as respostas do modelo. Temperatura baixa gera respostas mais previsíveis e focadas; temperatura alta, respostas mais variadas e criativas.

Alucinação (Hallucination)

Quando o modelo dá uma resposta fluente e convincente, mas errada ou inventada, como uma estatística que não existe ou uma fonte falsa. Acontece porque o modelo é treinado para produzir texto plausível, não para checar fatos.

Chatbot

Um programa que conversa com o usuário em linguagem natural. Os chatbots atuais costumam ser construídos sobre grandes modelos de linguagem.

Modelo de raciocínio (Reasoning Model)

Um modelo de linguagem que resolve o problema passo a passo antes de dar a resposta final. Esses modelos são melhores em matemática, programação e problemas de várias etapas, mas costumam ser mais lentos e caros.

4. Imagem, vídeo e áudio

Modelo de difusão (Diffusion Model)

A principal técnica por trás da maioria dos geradores de imagem atuais. O modelo aprendeu a remover ruído de uma imagem passo a passo; para gerar, parte de ruído puro e, guiado pelo seu texto, transforma-o numa imagem.

Texto para imagem (Text-to-Image)

Criar uma imagem a partir de uma descrição em texto, por exemplo "um farol ao pôr do sol, em aquarela".

Edição de imagem com IA (Inpainting)

Alterar parte de uma imagem existente com uma instrução em texto, como remover um objeto, trocar o fundo ou acrescentar detalhes, sem mexer no resto.

Texto para vídeo (Text-to-Video)

Criar um vídeo curto a partir de uma descrição em texto ou de uma imagem. Como os quadros precisam ficar coerentes ao longo do tempo, gerar vídeo custa muito mais que uma imagem.

Texto para fala (Text-to-Speech, TTS)

Transformar texto escrito em fala natural, com entonação e pausas adequadas. É usado em audiolivros, narração de vídeos e assistentes de voz.

Reconhecimento de fala (Speech-to-Text, ASR)

Transformar fala em texto escrito, como em legendas automáticas ou digitação por voz.

Clonagem de voz (Voice Cloning)

Usar IA para criar uma voz parecida com a de uma pessoa específica. Por causa do risco de abuso e dos direitos do dono da voz, a maioria dos serviços confiáveis restringe imitar a voz de pessoas reais sem permissão.

Deepfake

Uma foto, áudio ou vídeo falso, mas realista, feito com IA para mostrar alguém dizendo ou fazendo algo que nunca fez. Não confie em conteúdo chocante sem uma fonte confiável.

Multimodal

Um modelo que entende ou produz vários tipos de dados juntos, por exemplo olhando uma foto e conversando sobre ela, ou criando imagens e áudio a partir de texto.

5. Usando IA

Prompt

O texto ou instrução que você dá à IA: uma pergunta, um pedido ou a descrição de uma imagem. A qualidade do prompt afeta diretamente a qualidade do resultado.

Engenharia de prompt (Prompt Engineering)

A habilidade de escrever prompts que tragam os melhores resultados, por exemplo indicando papel, objetivo, público e formato de saída, e dando exemplos.

Prompt de sistema (System Prompt)

Uma instrução oculta que o criador do chatbot dá ao modelo no início de cada conversa para definir comportamento, tom e limites.

Zero-shot e few-shot

No zero-shot você só faz o pedido; no few-shot você também dá alguns exemplos da entrada e da saída que quer, para o modelo pegar o padrão. Poucos bons exemplos costumam melhorar muito o resultado.

Geração aumentada por recuperação (Retrieval-Augmented Generation, RAG)

Uma técnica em que o modelo primeiro busca informações relevantes numa fonte externa, como documentos da empresa ou uma pesquisa na web, e monta a resposta com base nelas. Isso mantém as respostas atuais e reduz alucinações.

Agente de IA (AI Agent)

Um sistema que não só responde, mas planeja e executa sozinho várias etapas para alcançar um objetivo: pesquisa, usa ferramentas, cria arquivos e confere o resultado.

API (interface de programação de aplicações)

A forma como um software se conecta diretamente a um modelo de IA para usá-lo. Muitos apps e bots usam modelos de grandes empresas via API, geralmente pagando por token.

Modelo aberto (Open-source / Open-weight Model)

Um modelo cujos parâmetros foram publicados, de modo que qualquer pessoa pode baixá-lo, rodá-lo no próprio servidor ou fazer ajuste fino. Modelos fechados só ficam disponíveis pelo serviço ou pela API de quem os criou.

6. Segurança, ética e lei

Viés (Bias)

A tendência de um modelo a resultados injustos ou parciais, geralmente por desequilíbrio ou preconceito nos dados de treinamento, por exemplo retratar sempre uma profissão com um único gênero.

Alinhamento (Alignment)

O esforço para que o comportamento da IA combine com os objetivos e valores humanos, permanecendo útil, honesta e segura e fazendo o que realmente queremos dizer.

Guardrails (filtros de segurança)

Regras e filtros que os criadores dos modelos usam para impedir respostas perigosas, ilegais ou prejudiciais. Quando uma ferramenta recusa um pedido "por restrições de conteúdo", geralmente são os guardrails do criador do modelo agindo.

Jailbreak

Uma tentativa de enganar o modelo com prompts especiais para que ignore seus limites de segurança. Os criadores dos modelos identificam e bloqueiam essas técnicas o tempo todo, e usá-las costuma violar os termos do serviço.

Marca d'água e rotulagem de conteúdo de IA (AI Watermarking)

Marcas visíveis ou ocultas colocadas em conteúdo gerado por IA para que sua origem possa ser identificada. Novas regras, incluindo a Lei de IA da União Europeia, caminham para torná-las obrigatórias.

Lei de IA da União Europeia (EU AI Act)

A primeira lei abrangente de IA do mundo. Entrou em vigor em 1º de agosto de 2024, com obrigações aplicadas em etapas ao longo de vários anos. Classifica os sistemas por nível de risco, proíbe alguns usos e define regras de transparência para conteúdo gerado por IA.

Privacidade de dados (Data Privacy)

Proteger informações pessoais ao usar IA. Regra simples: nunca digite senhas, números de cartão, documentos ou informações confidenciais em nenhum chatbot, e conheça a política de retenção de dados de cada serviço.

Dos termos à prática

Conhecer o vocabulário é metade do caminho; a outra metade é testar as ferramentas. Comece com uma ferramenta de chat como ChatGPT, Gemini ou Claude ou, se preferir ter chat, criação de imagens, vídeo, voz e música num só lugar dentro do Telegram, experimente o heymesbot. Escreva alguns prompts simples e veja como "token", "temperatura" ou "alucinação" aparecem na prática.

Para entender como esses conceitos se encaixam, leia o guia completo O Que É Inteligência Artificial e Como Funciona?

Fontes

• Google: Glossário de Machine Learning

• IBM: O que é inteligência artificial?

• Stanford HAI: The 2026 AI Index Report

• OpenAI: O que são tokens e como contá-los

• Vaswani et al. (2017): Attention Is All You Need

• Ouyang et al. (2022): Treinando modelos de linguagem com feedback humano

• Ho et al. (2020): Modelos probabilísticos de difusão

• Lewis et al. (2020): Geração aumentada por recuperação (RAG)

• Lei de IA da UE: texto e cronograma

• Prêmio Nobel: Física 2024