Inteligência Artificial é um campo da ciência da computação dedicado a criar sistemas capazes de executar tarefas que normalmente requerem inteligência humana, como percepção, raciocínio, aprendizado e tomada de decisão.

O termo foi cunhado por John McCarthy em 1956, na Conferência de Dartmouth, considerada o marco fundador do campo. Mas a história começa antes¹.

O prelúdio veio com a Cibernética (1940s): Warren McCulloch, Walter Pitts e Norbert Wiener investigando "mente como circuito" — sistemas de feedback, auto-organização, e a ideia de que processos cognitivos poderiam ser realizados por máquinas.

Ao escolher um modelo, o que importa são as capacidades, não o marketing:

Dica: Para construir agentes, o essencial é tool calling e estabilidade. Modelos densos (não-MoE) tendem a ser mais estáveis nisso.

"AGI virou termo de hype" — Andrew Ng (Google Brain) e Yann LeCun (Meta AI)

Andrew Ng, fundador do Google Brain e professor de Stanford, afirma que "AGI virou um termo de hype, não um termo com significado preciso". Yann LeCun, Chief AI Scientist da Meta e vencedor do Turing Award, complementa: "O hype de IA é ridículo em todas as direções."

O problema: não existe definição rigorosa. Empresas usam para criar FOMO² e justificar valuations.

Para quem constrói, o que importa são capacidades mensuráveis: o modelo X faz tool calling? Tem contexto suficiente? É estável? Foco no que você pode testar.

Large Language Model é um tipo de modelo de linguagem neural baseado na arquitetura Transformer, treinado em grandes corpus de texto (bilhões a trilhões de tokens) para prever a próxima palavra em uma sequência, desenvolvendo capacidades emergentes de compreensão e geração de linguagem natural.

Os LLMs fundamentam-se na arquitetura Transformer proposta por Vaswani et al. (2017). O mecanismo de self-attention permite que o modelo pondere a importância de diferentes partes do input de forma dinâmica.

A evolução de LLMs foi exponencial em duas dimensões: tamanho e eficiência.

Paradoxo da eficiência: Em 2023, GPT-4 foi o estado da arte com ~1.8T parâmetros. Em 2026, Gemma 4 E4B (4B parâmetros) alcança desempenho comparable em muitos benchmarks. Modelos modernos são ~450x menores e igualmente capazes.

Top modelos por benchmark (MMLU Pro):

Nota: Qwen 3.6 Plus NÃO é open weights (diferente da maioria dos Qwen), tem 1M de contexto e reasoning always-on. Qwen 3.6-35B-A3B é open weights (Apache 2.0), 35B/3B MoE, supera o Qwen3.5-27B em coding. GPT-4o foi aposentado em Fevereiro/2026. GPT-5.4 (março/2026) substituiu o GPT-5.2 com computer use nativo e 1M de contexto. Gemini 3.1 Flash-Lite tem tier gratuito na API (500 RPD). Gemini 3 Flash (SWE-bench 78%, τ²-bench 90.2%) é pago: USD 0.50/3.00 por M tokens. Não existe "Gemini 3.1 Flash" — os modelos de texto da série 3 são: 3 Flash (agentic, pago), 3.1 Flash-Lite (leve, gratuito), 3.1 Pro (top, pago). Gemini 2.5 Flash (gratuito, 1.500 RPD) ainda é a opção free mais generosa para Colab/API. GLM-5.1 (MIT License) é o modelo open weights mais forte em coding — SWE-bench Pro 58.4%, execução autônoma de até 8 horas. MiniMax M2.5 é mais barato que M2.7 (USD 0.15 vs USD 0.30/M input) e melhor pra batch processing; M2.7 tem self-evolution e é melhor pra coding interativo. Atenção: M2.7 tem licença MIT modificada que proíbe uso comercial. Câmbio: USD 1 = BRL 5.50.

Para rodar localmente em CPU/GPU modesta:

Dica: Para agentes locais, Gemma 4 31B e Qwen3.5-27B são as escolhas mais robustas. Ambos densos, ambos com tool calling estável. Gemma 4 vence em coding, Qwen3.5 vence em multilingual. Prefira modelos densos (não-MoE) para tool calling estável. Qwen 3.6-35B-A3B é exceção: sendo MoE de 3B ativos, roda em hardware modesto e ainda supera o 27B denso em coding — boa opção para quem tem GPU limitada.

Aplicativo Android (beta) para rodar modelos localmente:

• Roda Gemma 4 E2B e E4B no celular
• Funciona offline, sem API, sem custo
• Suporta texto, imagem e áudio
• Disponível na Google Play Store

Para iniciantes: O AI Edge Gallery é a forma mais fácil de experimentar IA local sem configurar nada. Instala e usa.

• Vaswani, A. et al. (2017). "Attention Is All You Need". arXiv:1706.03762
• Kaplan, J. et al. (2020). "Scaling Laws for Neural Language Models". arXiv:2001.08361
• Brown, T. et al. (2020). "Language Models are Few-Shot Learners". arXiv:2005.14165

Retrieval Augmented Generation é uma arquitetura de sistema que combina recuperação de informação (retrieval) com geração de texto (generation), permitindo que LLMs acessem conhecimento externo não presente em seus parâmetros de treinamento.

Proposto por Lewis et al. (2020), o RAG endereça a limitação de LLMs de não conseguirem acessar informação privada ou atualizada após o cutoff de treinamento.

• Lewis, P. et al. (2020). "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks". arXiv:2005.11401
• Gao, Y. et al. (2023). "Retrieval-Augmented Generation for Large Language Models: A Survey". arXiv:2312.10997

Agente de IA é um sistema autônomo que utiliza um LLM como controlador central para perceber o ambiente, raciocinar sobre objetivos, e executar ações através de ferramentas externas, mantendo memória e estado ao longo de interações.

Proposto por Yao et al. (2022), o framework ReAct intercala passos de raciocínio (Thought) com passos de ação (Action):

Thought: Preciso saber a população atual do Brasil
Action: Search[população Brasil 2024]
Observation: Brasil tem aproximadamente 215 milhões de habitantes
Thought: Agora tenho a informação necessária
Action: Finish[A população do Brasil em 2024 é de aproximadamente 215 milhões]

• Yao, S. et al. (2022). "ReAct: Synergizing Reasoning and Acting in Language Models". arXiv:2210.03629

Fine-tuning é o processo de treinamento adicional de um modelo pré-treinado em um dataset específico para adaptar seu comportamento a uma tarefa ou domínio particular.

• Hu, E. J. et al. (2021). "LoRA: Low-Rank Adaptation of Large Language Models". arXiv:2106.09685
• Ouyang, L. et al. (2022). "Training language models to follow instructions with human feedback". arXiv:2203.02155
• Rafailov, R. et al. (2023). "Direct Preference Optimization: Your Language Model is Secretly a Reward Model". arXiv:2305.18290

Modelos de linguagem podem ter diferentes arquiteturas:

Ao rodar modelos localmente (Ollama, LM Studio, llama.cpp), você pode ajustar parâmetros que afetam a geração de texto.

Unsloth oferece guias para:

• Fine-tuning de LLMs com LoRA/QLoRA
• Deploy local de modelos
• Otimização de parâmetros de inferência
• Tutoriais para Qwen, Llama, Mistral

Embedding é uma representação vetorial densa de um objeto (palavra, frase, documento, imagem) em um espaço contínuo de dimensão d, onde a proximidade vetorial indica similaridade semântica.

Embeddings word2vec (Mikolov et al., 2013) revolucionaram NLP ao mostrar que relações semânticas podem ser capturadas geometricamente:

rei - homem + mulher ≈ rainha
vetor("rei") - vetor("homem") + vetor("mulher") ≈ vetor("rainha")

Mikolov, T. et al. (2013). "Efficient Estimation of Word Representations in Vector Space". arXiv:1301.3781

Vector Database é um sistema de armazenamento otimizado para embeddings, fornecendo indexação e busca de similaridade eficiente (ANN - Approximate Nearest Neighbor) em escala.

1. "Attention Is All You Need" (Vaswani et al., 2017)
   • Link: arXiv:1706.03762
   • Por que ler: Arquitetura Transformer, base de todos os LLMs modernos
2. "Language Models are Few-Shot Learners" (Brown et al., 2020)
   • Link: arXiv:2005.14165
   • Por que ler: Introduz GPT-3 e demonstra capacidades emergentes
3. "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (Lewis et al., 2020)
   • Link: arXiv:2005.11401
   • Por que ler: Paper original do RAG
4. "ReAct: Synergizing Reasoning and Acting in Language Models" (Yao et al., 2022)
   • Link: arXiv:2210.03629
   • Por que ler: Framework fundamental para agentes

1. "Scaling Laws for Neural Language Models" (Kaplan et al., 2020)
   • Link: arXiv:2001.08361
   • Por que ler: Mostra como performance escala com parâmetros e dados - a base teórica do "maior é melhor"
2. "Training Compute-Optimal Large Language Models" (Hoffmann et al., 2022)
   • Link: arXiv:2203.15556
   • Por que ler: Chinchilla scaling laws - modelos menores com mais dados podem superar modelos maiores
3. "Distilling the Knowledge in a Neural Network" (Hinton et al., 2015)
   • Link: arXiv:1503.02531
   • Por que ler: Base teórica da distilação - como modelos pequenos aprendem com grandes

1. "Origins and Evolution of Enactive Cognitive Science" (Carvalho, Pereira & Coelho, 2015)
   • Link: doi:10.1016/j.plrev.2015.08.001
   • Por que ler: Genealogia das escolas de ciência cognitiva — da Cibernética ao Enativismo

Para cada cenário abaixo, identifique qual tecnologia está sendo usada (IA, LLM, RAG, Agente, Embedding, VectorDB, Fine-tuning):

Cenário A: Você faz uma pergunta sobre documentos internos da sua empresa. O sistema busca os documentos relevantes e passa para um modelo gerar a resposta.

Cenário B: Um sistema classifica automaticamente emails como spam ou não spam.

Cenário C: Você usa o ChatGPT para traduzir um texto do português para inglês.

Cenário D: Um assistente converte moedas em tempo real, faz buscas na web e lembra suas preferências.

Cenário E: Uma empresa treina um modelo para responder no tom específico da sua marca.

Dado o seguinte sistema, desenhe a arquitetura e identifique os componentes:

"Sistema de atendimento ao cliente da empresa X:
1. Recebe pergunta do usuário via WhatsApp
2. Busca em 5000 PDFs de manuais técnicos
3. Usa um modelo para gerar resposta
4. Se não encontrar resposta, abre ticket no Zendesk
5. Mantém histórico das últimas 10 conversas por usuário"

Tarefas: a) Quais componentes de RAG estão presentes? b) Quais componentes de Agente estão presentes? c) Desenhe o fluxo de dados.