IA, aprendizado de máquina e IA generativa

A inteligência artificial (IA) é um campo que desenvolve sistemas capazes de realizar tarefas como reconhecer padrões, interpretar informações e recomendar opções.

No dia a dia, podemos observar uma capacidade do sistema — por exemplo, sugerir produtos ou identificar objetos em uma imagem. Isso ajuda a levantar hipóteses sobre o que ele faz, mas não revela automaticamente como ele foi construído.

Associe cada situação à capacidade demonstrada ou à conclusão apropriada sobre a construção do sistema.

Uma automação por regra explícita segue uma condição definida por pessoas: se a condição acontece, o sistema executa a ação prevista.

Na Loja Aurora, a regra de frete é: frete grátis em pedidos a partir de R$ 150,00. Assim, um pedido de R$ 150,00 recebe frete grátis; um de R$ 149,99 não recebe. O critério já está escrito de forma direta.

No aprendizado de máquina (machine learning), o sistema usa padrões aprendidos a partir de exemplos para apoiar decisões. Em vez de alguém escrever cada critério de recomendação, o sistema pode encontrar relações em compras anteriores.

Na Loja Aurora, a recomendação de produtos pode sugerir uma garrafa para alguém interessado em mochila porque identificou esse padrão em compras anteriores. Isso não significa que toda recomendação use aprendizado de máquina: é a descrição do funcionamento que permite concluir.

Associe cada descrição à origem principal da decisão.

Um modelo de aprendizado de máquina é a parte de um sistema que usa padrões aprendidos para transformar informações em um resultado. Para observar seu funcionamento sem entrar nos cálculos internos, use esta sequência: entrada → modelo → saída.

A entrada é a informação fornecida para realizar uma tarefa. O modelo transforma essa informação de acordo com os padrões que representa. A saída é o resultado produzido.

A forma da entrada e da saída depende da tarefa. O nome da capacidade ajuda a entender o que o modelo faz, mas o fluxo continua sendo o mesmo.

Uma rede neural é um modelo computacional organizado em camadas. Cada camada processa e transforma informações recebidas, contribuindo para que o modelo produza uma saída.

Não é necessário conhecer os cálculos internos para entender a ideia central: as informações percorrem várias etapas de processamento. Por exemplo, diante de uma foto, as camadas podem transformar a entrada visual em uma saída como o reconhecimento de um objeto.

Deep learning (aprendizado profundo) é uma abordagem de aprendizado de máquina que utiliza redes neurais com várias camadas de processamento.

A relação de abrangência é esta:

• A IA é a área mais ampla.
• O aprendizado de máquina está dentro da IA.
• O deep learning está dentro do aprendizado de máquina.

Portanto, todo sistema descrito como deep learning também está no campo da IA e usa aprendizado de máquina. O caminho inverso não é obrigatório: há sistemas de IA sem aprendizado de máquina e sistemas de aprendizado de máquina sem deep learning.

A IA generativa é uma capacidade de IA voltada a produzir conteúdo novo — como textos, imagens, áudios ou vídeos — a partir de padrões aprendidos. Na Loja Aurora, o caso de geração de descrição cria um texto novo para apresentar um produto.

Produzir conteúdo é diferente de selecionar ou identificar algo que já existe. A recomendação de produtos sugere, por exemplo, uma garrafa já presente no catálogo. O reconhecimento de objetos pode receber uma foto e retornar “mochila”. Já uma mensagem definida antecipadamente pode apenas ser exibida quando uma condição acontece.

Portanto, uma saída em texto não basta para concluir que há geração: o ponto é saber se o sistema compôs conteúdo novo ou apenas retornou uma informação já definida ou identificada.

IA generativa descreve o que o sistema é capaz de produzir: conteúdo novo. Já aprendizado de máquina e deep learning descrevem abordagens técnicas: maneiras pelas quais sistemas podem aprender ou processar informações.

Muitos modelos generativos atuais utilizam deep learning. Isso não transforma IA generativa em um quarto nível dentro de IA, aprendizado de máquina e deep learning: ela é uma capacidade que pode estar associada a modelos construídos com essas abordagens. Também não é correto concluir que todo sistema de deep learning gera conteúdo.

Mesmo quando uma descrição parece nova, a técnica usada só pode ser afirmada se a descrição do sistema fornecer essa evidência.

Para analisar um sistema, separe duas perguntas:

1. Como funciona? Procure evidências de regra explícita, padrões aprendidos ou uma técnica declarada.
2. O que produz? Pode ser uma decisão, uma recomendação, o nome de um objeto ou um conteúdo novo.

Não conclua a técnica apenas pelo resultado. Se a descrição não informa o mecanismo, a conclusão adequada é: não há evidências suficientes.

Quando o cenário declara uma rede neural com várias camadas, há deep learning: ele está dentro do aprendizado de máquina, que está dentro da IA. Já IA generativa identifica a capacidade de criar conteúdo; ela não é um nível separado nessa relação.