Conceitos de IA generativa representam aproximadamente 25% do exame AIF-C01. Termos-chave: LLM, modelos de fundação, tokens, embeddings, RAG e engenharia de prompts.
---
Conceitos principais
Modelo de Fundação (Foundation Model) Modelo de IA grande pré-treinado com dados massivos. Um único modelo lida com tradução, resumo, geração de código e Q&A. O Amazon Bedrock fornece acesso a múltiplos modelos (Claude, Llama, Titan) via API.
Token Unidade mínima de texto que o modelo processa. O custo, velocidade e limites de contexto dependem da contagem de tokens.
Janela de contexto Número máximo de tokens em uma única solicitação. Como a memória de trabalho.
Embedding Conversão de texto em um vetor numérico. Significados similares produzem vetores similares.
Banco de dados vetorial Armazena embeddings e realiza buscas por similaridade.
Chunking Divisão de documentos longos em partes menores que cabem na janela de contexto.
---
RAG
RAG recupera documentos relevantes de um banco de dados vetorial e os inclui como contexto antes de o FM gerar uma resposta.
---
Engenharia de prompts
| Técnica | Descrição | |---------|-----------| | Zero-shot | Perguntar diretamente sem exemplos | | Few-shot | Fornecer 2–5 exemplos antes de perguntar | | Cadeia de pensamento | Pedir ao modelo que pense passo a passo |
---
Pontos-chave para o exame
"Modelo de IA grande pré-treinado de propósito geral" — Modelo de Fundação "Unidade mínima de texto, afeta o custo" — Token "Máximo de tokens por solicitação" — Janela de contexto "Converter texto em vetor numérico" — Embedding "IA fabrica informações falsas plausíveis" — Alucinação "Busca + injeção de contexto para resolver alucinação" — RAG