IA vs ML vs DL — Qual é a diferença?
Pense em bonecas russas aninhadas:
Boneca grande = IA: qualquer sistema que imita a inteligência humana Boneca do meio = ML: aprende padrões dos dados Boneca pequena = DL: redes neurais com múltiplas camadas
!IA contém ML contém DL, uma hierarquia aninhada
Conceitos principais
IA (Inteligência Artificial)
Qualquer técnica que permite aos computadores imitar a cognição humana.
ML (Aprendizado de Máquina)
Sistemas que aprendem regras a partir dos dados.
| Tipo | Descrição | Exemplo | |---|---|---| | Supervisionado | Dados rotulados | Detecção de spam | | Não supervisionado | Sem rótulos | Segmentação de clientes | | Por reforço | Aprende com recompensas | IA de jogos |
DL (Aprendizado Profundo)
ML com redes neurais artificiais de múltiplas camadas.
---
Treinamento vs Inferência
| Aspecto | Treinamento | Inferência | |---|---|---| | Objetivo | Aprender padrões | Fazer previsões | | Recursos | Alto (GPU) | Relativamente baixo | | Velocidade | Lento | Rápido |
---
Termos-chave de ML
Feature: variável de entrada usada no treinamento Label: resposta correta no aprendizado supervisionado Overfitting: modelo memoriza os dados de treino, falha em dados novos Hiperparâmetro: configuração definida antes do treinamento
---
IA Generativa
Modelo base (FM): modelo grande pré-treinado; acessado via Amazon Bedrock Token: unidade de processamento de texto em LLMs Janela de contexto: máximo de tokens processados de uma vez Embedding: representação vetorial do texto
---
Resumo-chave do exame
IA ⊃ ML ⊃ DL (relação aninhada) Supervisionado = tem rótulos / Não supervisionado = sem rótulos / Reforço = recompensas Treinamento = aprender / Inferência = prever Overfitting = ótimo no treino, ruim em dados novos Modelo base = IA grande pré-treinada (Bedrock)