Lei europeia que estabelece regras para inteligência artificial, com exigências relacionadas aos riscos e ao tipo de sistema. As obrigações e datas de aplicação variam.
Na prática: Uma organização verifica quais regras se aplicam ao sistema que pretende usar e documenta suas responsabilidades.
Espaço de teste separado dos sistemas reais, com acessos e efeitos externos restritos. O isolamento precisa ser verificado; não garante proteção perfeita.
Na prática: Testar um agente com dados fictícios e sem permissão para enviar mensagens ou alterar cadastros reais.
Técnica de IA em que modelos aprendem padrões a partir de dados para fazer previsões ou classificações. Aprender padrões não é compreender uma situação como uma pessoa.
Na prática: Um modelo treinado com vendas anteriores pode ajudar a estimar demanda. A previsão precisa ser conferida e não garante vendas futuras.
Conjunto de regras e controles definidos e aplicados pelo próprio setor ou pelas próprias organizações, sem substituir automaticamente a legislação e a fiscalização pública.
Na prática: Laboratórios de IA assumem compromissos voluntários de testar modelos e divulgar incidentes, enquanto clientes verificam como esses compromissos são cumpridos.
Modelo da Reflection voltado a programação, raciocínio e agentes. Em 06/10/2026, seus arquivos públicos ainda estavam previstos para o decorrer do mês.
Na prática: Uma empresa aguarda a liberação dos arquivos e testa tarefas próprias antes de decidir adotá-lo.
Padrão para registrar informações sobre a origem e as alterações de um arquivo digital, com assinaturas que permitem verificar a integridade do registro.
Na prática: Uma imagem pode trazer um histórico de edição verificável. Esse registro ajuda a avaliar a origem, mas não comprova sozinho que tudo o que a imagem comunica é verdadeiro.
Serviço para fazer perguntas a documentos e consultar referências no próprio arquivo. Possui acesso pelo navegador e planos gratuito com limites e pago.
Na prática: Enviar um manual público, perguntar pelas orientações principais e conferir cada trecho citado.
Tarefa de atribuir uma imagem a categorias previamente definidas, a partir de características ou padrões. A classificação pode errar e não equivale a localizar e contar todos os objetos da cena.
Na prática: Separar fotos de folhas e flores em categorias e conferir manualmente as imagens novas e os erros.
Colegiado que delibera e emite pareceres sobre a educação no Brasil. Em novembro de 2026, o MEC homologou seu parecer com diretrizes para uso de IA na educação.
Na prática: Uma rede de ensino consulta as diretrizes ao planejar a formação de professores e revisar como protege dados dos estudantes.
Imagem, áudio, vídeo ou outro conteúdo produzido ou alterado por sistemas computacionais, incluindo IA. O significado e as regras aplicáveis dependem do contexto.
Na prática: Um áudio que imita uma pessoa pode parecer real sem registrar algo que ela disse. Confira a origem antes de compartilhar.
Plataforma federal que aproxima órgãos públicos de pequenos fornecedores, como microempreendedores individuais e agricultores familiares, nas categorias previstas.
Na prática: Um prestador cadastrado consulta oportunidades de serviço e lê as condições antes de enviar proposta.
Centro brasileiro de pesquisa e desenvolvimento em tecnologias da informação e comunicação, sediado em Campinas (SP). É o executor anunciado do projeto Prisma.
Na prática: Uma instituição de pesquisa desenvolve a tecnologia prevista em um convênio, sem que o anúncio signifique produto pronto.
Dados produzidos artificialmente para representar situações e apoiar desenvolvimento e testes. Precisam de avaliação para representar adequadamente o contexto real.
Na prática: Criar imagens de defeitos raros para testar um classificador, validando depois com peças reais.
Empresa chinesa que desenvolve modelos de inteligência artificial, acessíveis por serviços e, em determinadas versões, por pesos disponibilizados para uso conforme a licença.
Na prática: Uma equipe pode testar um modelo da DeepSeek em uma tarefa de programação antes de decidir se ele atende ao projeto.
Técnica em que um modelo aprende usando saídas produzidas por outro, como respostas ou avaliações. Seu uso legítimo depende das permissões e condições aplicáveis; destilação não significa necessariamente ataque.
Na prática: Uma equipe autorizada usa respostas de um modelo maior como parte dos dados para treinar um modelo menor em uma tarefa delimitada.
Ferramenta de IA para professores criarem e adaptarem materiais didáticos a partir de textos, PDFs, links ou temas. Materiais precisam de revisão docente.
Na prática: Gerar perguntas sobre um texto público e conferir cada resposta na fonte antes da aula.
Empresa de tecnologia de origem brasileira que desenvolve aplicações de IA para apoiar rotinas de departamentos jurídicos.
Na prática: Sua plataforma é apresentada como apoio ao acompanhamento e à preparação de atividades jurídicas; responsabilidade e revisão precisam ser definidas.
Técnica de visão computacional que estima onde estão partes do corpo, como ombros, cotovelos e joelhos, em uma imagem ou vídeo. Esses pontos ajudam a representar a postura. Se um braço estiver encoberto, sua posição pode ser estimada com erro.
Na prática: No Animated Drawings, confira se o ponto do cotovelo está na dobra do braço do personagem. Se estiver fora do lugar, ajuste o ponto antes de aplicar um movimento da biblioteca.
Método de pesquisa que usa correções em linguagem natural para acrescentar, generalizar ou desconsiderar características usadas no planejamento de robôs.
Na prática: Uma correção sobre evitar derramar café num notebook pode orientar uma restrição mais ampla sobre eletrônicos, dentro dos testes do estudo.
Sistema de IA do Google DeepMind voltado à percepção e execução de tarefas físicas em robôs compatíveis. A capacidade depende do equipamento, do ambiente e da tarefa.
Na prática: Uma linha de montagem avalia a separação de peças em um piloto controlado antes de considerar uso mais amplo.
Família de modelos de mundo do Google DeepMind que gera ambientes interativos. A versão Genie 4 inclui áudio e foi apresentada em prévia restrita de pesquisa.
Na prática: Um criador explora um protótipo visual, lembrando que a física simulada pode falhar.
Plataforma beta do Serviço Geológico do Brasil que usa IA generativa para localizar conteúdos institucionais a partir de perguntas em linguagem natural.
Na prática: Buscar estudos sobre água subterrânea e abrir os documentos indicados para conferir o conteúdo.
Memória de alta largura de banda, usada para transferir grandes volumes de dados junto a processadores em aplicações como IA. HBM4 é uma geração dessa tecnologia.
Na prática: Um servidor de IA usa memória HBM para alimentar seu acelerador com dados.
Métodos que ajudam pessoas a compreender como um modelo de IA chega a um resultado. Uma explicação não garante que o resultado esteja correto ou seja justo.
Na prática: Uma análise de previsão de demanda mostra quais informações mais influenciaram o resultado; a equipe compara a previsão com os registros reais.
Uso de modelos de IA em sistemas que percebem o ambiente e participam de ações físicas, como robôs. As capacidades dependem do projeto e das condições de operação.
Na prática: Um robô usa imagens e sensores para ajustar a manipulação de um objeto.
Abordagem que busca manter autonomia e controle sobre dados, modelos, infraestrutura e decisões apoiadas por IA. Não exige necessariamente desenvolver tudo internamente.
Na prática: Antes de contratar um sistema, conferir onde os dados são processados e como a instituição pode trocar de fornecedor.
Conjunto de equipamentos e serviços que sustenta sistemas de IA, incluindo computação, armazenamento, rede e energia. Capacidade anunciada pode ainda não estar operacional.
Na prática: Um serviço depende de servidores e energia disponíveis, além do modelo de IA.
Preenchimento ou substituição de uma região selecionada de uma imagem. Com IA generativa, produz conteúdo plausível a partir do contexto visual; não recupera com certeza o original oculto.
Na prática: Remover uma pequena distração de uma foto própria e conferir se a textura proposta faz sentido, preservando o arquivo original.
Banco brasileiro que oferece serviços financeiros e descreve a ia.i como sua experiência conversacional baseada em IA generativa. A disponibilidade e as funções variam conforme o produto e o público.
Na prática: Um cliente pode consultar informações pelo aplicativo quando a função estiver habilitada, conferindo o contexto e os valores apresentados.
Modelo de linguagem de quatro bilhões de parâmetros disponibilizado pelo CEIA. Os resultados publicados são específicos das avaliações descritas no card; não garantem desempenho em qualquer tarefa.
Na prática: Uma equipe técnica examina os arquivos e verifica condições de uso antes de testar classificação de textos em português.
Sinal inserido no texto para ajudar a identificar participação de um sistema de IA. Pode ser invisível e não comprova a verdade ou a autoria integral do conteúdo.
Na prática: Um detector procura um sinal estatístico em uma resposta, mas seu resultado precisa ser interpretado com outras evidências.
Sinal embutido em conteúdo para ajudar a identificar processamento por um sistema de IA. Pode ser imperceptível; a detecção tem limites e não comprova veracidade ou autoria completa.
Na prática: Conferir um sinal de origem de texto e, separadamente, verificar as informações nas fontes.
Tabela que cruza as previsões de um classificador com o que foi confirmado. Em uma tarefa com duas classes, mostra os acertos de cada classe e os dois tipos de erro.
Na prática: Uma loja testa um filtro de spam: a tabela mostra quantos spams o filtro detectou, quantos passaram, quantas mensagens legítimas ficaram na caixa e quantas foram marcadas por engano.
Aplicativo da Microsoft que usa IA para criar e editar imagens. Sua central de ajuda informa uso pessoal e não comercial, com condições e limites de créditos.
Na prática: Criar um cartão para a família a partir de uma descrição e revisar imagem e texto antes de compartilhar.
Camadas de serviços da Microsoft que fornecem contexto de trabalho, dados e processos empresariais a ferramentas de IA.
Na prática: Em um ambiente Microsoft configurado, um agente pode consultar os documentos da equipe que o usuário tem permissão para acessar antes de responder.
Instituição de saúde, ensino e pesquisa de Nova York, nos Estados Unidos. O Mount Sinai Health System reúne hospitais e a Icahn School of Medicine, sua escola de medicina. Na notícia do Radar, o nome identifica a instituição dos pesquisadores do estudo.
Na prática: Ao ler “pesquisadores do Mount Sinai”, entenda que o trabalho foi realizado por pesquisadores ligados a essa instituição de saúde e pesquisa.
Acontece quando os dados que entram em um modelo de IA mudam de padrão ao longo do tempo. Alguns tipos de entrada passam a aparecer mais ou menos do que antes. Isso pede uma nova checagem da qualidade, pois a mudança, por si só, não prova que o modelo piorou.
Na prática: Exemplo didático: uma loja usava IA para classificar pedidos escritos em formulários. Depois que passou a receber pedidos por mensagens, abreviações e trechos incompletos ficaram mais comuns. Dica: compare o perfil dos pedidos antes e depois e confira manualmente os acertos em uma amostra recente antes de decidir se precisa ajustar o modelo.
Modelo de IA da Meta voltado a tarefas repetitivas de agentes, como chamadas de ferramentas, extração de informações e subtarefas de programação. Comparações de desempenho dependem das condições de avaliação.
Na prática: Avaliar a extração de campos de documentos públicos antes de integrar o modelo a um processo, conferindo erros e custo total.
Inteligência artificial integrada ao Notion, um espaço para notas, documentos, tarefas e projetos. Ajuda a escrever, resumir e organizar informações, conforme o plano.
Na prática: Após uma reunião, pedir uma lista de próximos passos a partir das anotações e conferir os responsáveis e prazos.
Ensaio aberto e randomizado que compara cuidado orientado por análise de tomografia coronariana com IA e cuidado usual em pacientes com suspeita de doença coronariana.
Na prática: Ler o que foi medido antes de atribuir redução de infartos a um resultado preliminar.
Situação em que os parâmetros aprendidos por um modelo são disponibilizados para download, inspeção ou execução local, sob condições de licença. Isso não significa automaticamente que todo o sistema, dados e processo de treinamento sejam de código aberto.
Na prática: Uma equipe baixa um modelo, verifica a licença e o executa em ambiente controlado antes de decidir se pode usá-lo.
Versão de um trabalho científico compartilhada antes da publicação formal em periódico. Não deve ser tratada automaticamente como resultado já revisado por pares.
Na prática: Ao citar um preprint sobre universidades, o estudante identifica a versão, a data e as limitações do estudo.
Projeto brasileiro de plataforma para distribuir processamento entre infraestruturas e mini data centers com apoio de IA. Executado pelo CPQD com recursos do Funttel administrados pela Finep; objetivos anunciados não equivalem a resultados comprovados.
Na prática: A proposta é escolher onde processar dados considerando recursos disponíveis; a plataforma ainda precisa ser desenvolvida e validada.
Informações verificáveis sobre a origem e o histórico de um arquivo digital, como quem o criou, quais ferramentas foram usadas e que alterações foram registradas. Elas ajudam a avaliar a origem, mas não provam que o conteúdo retratado seja verdadeiro.
Na prática: Antes de compartilhar uma imagem, conferir se há Credenciais de Conteúdo e comparar a origem com o contexto da publicação.
Técnica que representa com menos bits os pesos de um modelo de IA, os números aprendidos no treinamento. Isso reduz o tamanho dos pesos e a memória necessária para carregá-los, mas pode afetar a qualidade das respostas. O efeito depende do método, do modelo e da tarefa.
Na prática: No LM Studio, se houver versões de 4 e 8 bits do mesmo modelo, compare o tamanho dos arquivos e peça a ambas que extraiam datas de um aviso fictício. Confira no original se alguma data foi omitida ou alterada antes de escolher a versão.
Geração aumentada por recuperação: técnica que busca informações em fontes externas e fornece os trechos relevantes a um modelo para apoiar a resposta. Não elimina erros nem substitui a verificação.
Na prática: Um assistente busca a regra em um manual vigente antes de redigir uma resposta sobre trocas.
Ferramenta gratuita da Microsoft para praticar leitura em voz alta, com IA que analisa a fala e propõe prática de palavras. Idiomas disponíveis variam por recurso.
Na prática: Colar um texto próprio em português brasileiro e conferir com um professor as palavras sinalizadas pela análise automática.
Empresa sul-coreana que desenvolve processadores especializados em IA. O anúncio com NVIDIA e SK Telecom descreve sistemas planejados, não uma entrega concluída.
Na prática: Comparar o chip proposto com requisitos de software, operação e compatibilidade antes de contratar infraestrutura.
Medida de quantos casos realmente positivos um classificador conseguiu encontrar. Divide os positivos encontrados pelo total de positivos reais, incluindo os que passaram despercebidos. Não é a taxa geral de acerto.
Na prática: Exemplo fictício: de 20 pedidos que realmente precisavam de revisão, uma IA sinalizou 16 e deixou 4 passar. O recall foi 16 dividido por 20, ou 80%. Isso não informa quantos dos demais pedidos foram sinalizados por engano.
Técnica que identifica letras, números e outros caracteres em uma imagem e os converte em texto digital. O resultado pode ser pesquisado, copiado ou enviado a um leitor de voz. Foto desfocada, reflexos e baixo contraste podem fazer o sistema omitir ou trocar caracteres.
Na prática: Fotografe um aviso fictício com “Encontro às 14h30, sala 12”. O OCR é a etapa que reconhece os caracteres da imagem. Quando um aplicativo lê o resultado em voz alta, a voz vem de outra etapa, a síntese de fala. Compare o horário e a sala com o impresso para detectar possíveis trocas.
Teste estruturado e autorizado que procura falhas em uma IA, inclusive com entradas adversariais que desafiam suas restrições.
Na prática: Em uma cópia de teste de um assistente, usar dados fictícios para conferir se ele revela informações que deveria proteger. Um teste sem falhas não garante segurança completa.
Técnica que separa uma imagem em regiões. Um modelo pode classificar os pixels para distinguir, por exemplo, o objeto em destaque do fundo.
Na prática: Exemplo didático: na foto de um caderno, uma máscara indica quais pixels pertencem ao objeto. O editor pode usar essa máscara para retirar o fundo e conservar o caderno. Dica: amplie o recorte e confira se a máscara deixou restos de fundo ou retirou detalhes como a fita e o elástico.
Abordagem de aplicações de IA voltadas a tarefas específicas e necessidades locais, buscando uso acessível. Não é sinônimo obrigatório de um único tamanho de modelo.
Na prática: Um comerciante usa assistência integrada ao aplicativo de vendas para organizar registros.
Ocorre quando um modelo se ajusta demais aos dados de treino, incluindo detalhes que não se repetem, e passa a errar mais em exemplos novos.
Na prática: Um modelo treinado para separar tipos de flores acerta quase todas as que viu no treino, mas confunde muitas das flores de uma amostra nova. Essa diferença é um sinal de possível sobreajuste.
Coalizão de organizações jornalísticas que desenvolve padrões para acompanhar e orientar o uso de conteúdo por aplicações de IA.
Na prática: Um padrão de rastreabilidade pode ajudar a registrar o uso de uma reportagem por um sistema. A coalizão não é uma lei nem um órgão de licenciamento coletivo.
Processamento que reduz sons indesejados em uma gravação, como o zumbido de um ventilador, tentando preservar a voz ou o som principal. Alguns sistemas usam IA para distinguir o fundo da fala; uma redução forte pode alterar a voz.
Na prática: Em uma aula gravada com ventilador ligado, aplique uma redução leve a um trecho curto. Alterne entre o áudio original e o tratado no mesmo volume. Se sílabas sumirem ou a voz ficar metálica, diminua a intensidade.
Proporção dos casos realmente negativos que um classificador marcou como positivos por engano.
Na prática: Exemplo fictício: entre 100 pedidos sem problema, uma triagem sinalizou cinco. A taxa de falsos positivos foi 5%. Isso não informa quantos pedidos problemáticos passaram sem alerta.
Modelo de pesquisa de Microsoft e Terradot para estimar a remoção de CO₂ ligada ao uso de rocha triturada no solo, com dados ambientais e medições de campo.
Na prática: Uma equipe usa a estimativa para planejar onde coletar amostras de solo e confere o resultado com as medições.
Biblioteca aberta em prévia para converter um subconjunto de código Three.js em cenas 3D e formatos para realidade aumentada. Não é produto com suporte oficial do Google.
Na prática: Um desenvolvedor testa uma cena simples em diferentes aparelhos antes de publicá-la.
Unidades em que um modelo divide o texto para processá-lo. Podem corresponder a palavras, partes de palavras ou sinais; não equivalem sempre a uma palavra inteira.
Na prática: Um texto maior pode consumir mais tokens e aumentar o custo de uma consulta, conforme as regras do serviço.
Processador especializado criado pelo Google para acelerar determinadas operações de aprendizado de máquina, especialmente cálculos com grandes matrizes. TPU significa Tensor Processing Unit.
Na prática: Uma equipe pode usar TPUs para treinar um modelo compatível. A escolha depende do programa, do volume de trabalho e do custo.
Ocorre quando informações que não estariam disponíveis ao fazer uma previsão influenciam a construção do modelo. Por exemplo, dados reservados para teste entram no treinamento ou no preparo dos dados e fazem o desempenho parecer melhor do que realmente é. O termo em inglês é data leakage; aqui, não significa exposição de informações pessoais.
Na prática: Exemplo fictício: uma equipe testa uma IA que separa fotos de cães e gatos. Por engano, várias fotos do teste já foram usadas no treinamento. O alto número de acertos parece provar que a ferramenta funciona muito bem, mas não comprova o mesmo desempenho em fotos novas.
Registro e gestão das mudanças em dados, modelos e código para identificar o estado de um sistema em um momento e recuperar versões anteriores quando disponíveis.
Na prática: Guardar a versão do modelo, a data e os documentos usados antes de comparar respostas depois de uma atualização.
Área da IA que permite analisar imagens e vídeos para reconhecer padrões e apoiar tarefas específicas. Não equivale a compreender tudo que aparece na cena.
Na prática: Um sistema procura defeitos em imagens de peças e sinaliza casos para conferência.
Conjunto de testes da Ai2 que compara como assistentes respondem a pedidos que podem não refletir o problema real.
Na prática: Uma pessoa pede ajuda para consertar uma fórmula, mas quer saber por que o total não confere. O teste avalia se o assistente considera esse objetivo.
Empresa brasileira de software para automação de fluxos corporativos. O projeto financiado pelo BNDES prevê incorporar modelos de IA e etapas de aprovação humana.
Na prática: Em um processo de compras, o sistema organiza documentos e encaminha a decisão ao responsável.
Plataforma brasileira que descreve treinos individualizados com IA e metodologia de treinador. A descrição comercial não comprova benefício esportivo ou segurança individual.
Na prática: Conferir condições de suporte e quem responde pela metodologia antes de usar um plano.
Óculos que combinam funções de inteligência artificial com recursos do equipamento, como câmera ou microfone. O alcance das funções varia conforme o produto.
Na prática: O usuário recebe assistência sobre o que vê; pessoas ao redor podem não perceber que há uma câmera no equipamento.