Mapa Interativo de Conceitos da IA

Olá pessoal! Este é meu primeiro post aqui no TabNews!

Eu tenho um blog chamado Ia Talking (https://iatalk.ing), onde o objetivo é compartilhar minha jornada de aprendizado de IA. A ideia é que isso me ajude no futuro e, quem sabe, ajude mais gente também!

Meu último post foi sobre a sopa de letrinhas da IA: Como qualquer outra área nova em que imergimos, tem muita termo e conceito novo! Por exemplo, termos do "dia a dia": LLM, "bilhões de parâmetros", modelo de IA, quantização, GGUF, Llama, ollama, Hugging Face, RAG, Transformers, etc. É bastante coisa... E não vai parar de aparecer coisa nova!

Então, eu fiz esse mapinha aqui pra tentar trazer tudo que eu estudei até aqui:

No post, o mapa é interativo, você pode clicar no componente e ele te levar no trecho onde fal sobre aquele conceito. (fiz com o Draw.IO, e então exportei como HTML e joguei no Wordpress).

O post completo está em: https://iatalk.ing/mapa-conceitos-ia/

A seguir, vou resumir alguns conceitos que achei pertinente:

Modelo de IA: Um sistema complexo que utiliza uma ou mais redes neurais para processar dados e gerar resultados. OpenAI: Empresa de tecnologia que desenvolve modelos de IA, incluindo o famoso GPT, Whisper, DALL-E e Sora. LLM (Large Language Models): Modelos de IA treinados com grandes quantidades de texto para entender e processar linguagem natural. Redes Neurais: Função matemática que aprende a partir de dados, sendo a parte da IA que aprende. Arquitetura: Estrutura conceitual de uma IA, definindo as etapas e as redes neurais envolvidas no processamento. Parâmetros (Pesos): Valores numéricos encontrados durante o treinamento que ajustam a rede neural para gerar resultados esperados. Datasets: Arquivos com dados de entrada e saída esperada para treinar modelos de IA. Checkpoint: Arquivos com os parâmetros salvos durante o treinamento. Inferência: Ato de executar um modelo de IA com dados de entrada e obter um resultado. Tokens: Representação numérica do texto para LLMs, quebrando o texto em partes menores. Quantização: Técnica para reduzir o tamanho de um modelo, simplificando os parâmetros. Hugging Face: Plataforma para compartilhar e utilizar modelos de IA open source, com recursos como Hub e a biblioteca Transformers. Gradio: Biblioteca Python para criar demonstrações de modelos de IA. Inference Engine: Software que facilita o carregamento e a execução de modelos de IA. GGUF: Formato de arquivo para armazenar os parâmetros de um modelo, usado pela biblioteca llama.cpp. ONNX: Formato de arquivo para compartilhar pesos e outras informações, usado pela biblioteca Transformers.js. Embeddings: Representação numérica de características de palavras, frases ou textos, que permite a comparação semântica. RAG (Retrieval-Augmented Generation): Processo para melhorar a qualidade das respostas de LLMs, usando dados contextuais. Groq: Empresa que oferece serviços de LLM na nuvem, com tecnologia otimizada para execução de LLMs open source. Maritaca AI: Empresa brasileira que desenvolveu o LLM SABIA, o primeiro LLM brasileiro disponível comercialmente. Eleven Labs: Empresa que oferece serviços de inteligência artificial de áudio, incluindo conversão de texto em voz e clonagem de voz.