Entenda o que é IA, Apredizagem de Máquina, Deep Learning, LLM, entre outros conceitos

"O ChatGPT é inteligência artificial?" É — mas dizer só isso é como dizer que um ipê é "um ser vivo": verdade, porém vag...

"O ChatGPT é inteligência artificial?" É — mas dizer só isso é como dizer que um ipê é "um ser vivo": verdade, porém vago demais para ser útil. Neste segundo post da nossa série sobre IA, organizamos os termos que todo mundo usa (e quase ninguém define) em cinco conjuntos aninhados — inteligência artificial, aprendizado de máquina, deep learning, IA generativa e grandes modelos de linguagem —, com um diagrama interativo, exemplos e contra-exemplos em cada nível, as datas e os autores de cada termo, os fabricantes e seus produtos, e os três conceitos que destravam qualquer conversa técnica: modelo, parâmetro e token. Tudo com fontes primárias na mesa.

Toda turma tem esse momento: alguém pergunta se "o ChatGPT é uma IA", outro jura que "IA e machine learning são a mesma coisa", um terceiro garante que leu que "deep learning substituiu o machine learning". Nenhum dos três está exatamente errado — e é justamente por isso que a confusão prospera. Esses termos não são sinônimos nem rivais: são conjuntos aninhados, um dentro do outro, como bonecas russas. Todo LLM é IA generativa; toda IA generativa moderna é deep learning; todo deep learning é aprendizado de máquina; e todo aprendizado de máquina é inteligência artificial. A recíproca, porém, nunca é verdadeira — e é nos contra-exemplos que o entendimento de verdade acontece.

Este post é o dicionário visual da nossa série: define cada nível com sua fonte primária, diz quem cunhou cada termo e quando, dá exemplos e contra-exemplos de cada conjunto, apresenta os fabricantes e produtos que você encontra no noticiário e fecha com os três conceitos transversais — modelo, parâmetro e token — e um panorama de aplicações. Guarde-o nos favoritos: os próximos textos da série vão usar esse vocabulário o tempo todo.

Camada 01

O mapa: cinco conjuntos, um dentro do outro

Antes das definições, o mapa. Toque ou clique em cada anel do diagrama (ou nos botões) para ver a definição, o ano do termo, exemplos, contra-exemplos e os principais fabricantes de cada nível.

Selecione um nível no diagrama.

Cada conjunto contém todos os que estão dentro dele — e os contra-exemplos mostram o que fica de fora.

Uma imagem para levar para a prova: quando alguém disser "IA", pergunte mentalmente: de qual anel estamos falando? A resposta muda o assunto — falar de IA em geral inclui um GPS de 1990; falar de LLM é falar de uma tecnologia que só existe, com esse nome, desde a virada dos anos 2020.

Camada 02

Nível 1 — Inteligência artificial: o conjunto-mãe (1956)

Nível 1 — IA: qualquer sistema que percebe o ambiente e age racionalmente. Ilustração do autor (2026)

Definição: é o campo que estuda e constrói agentes — sistemas que percebem seu ambiente e escolhem ações para atingir objetivos da melhor forma possível (RUSSELL; NORVIG, 2022). O termo: artificial intelligence foi cunhado por John McCarthy e colegas na proposta do seminário de Dartmouth, redigida em 1955 e realizada em 1956 — a certidão de nascimento do campo (McCARTHY et al., 2006).

Exemplos (estão neste conjunto, mas não necessariamente nos de dentro): o GPS que planeja sua rota por busca em grafos; os sistemas especialistas de regras, como o MYCIN dos anos 1970; o Deep Blue, da IBM, que venceu Kasparov no xadrez em 1997 com busca massiva e heurísticas; um robô aspirador. Nenhum deles aprende com dados — e todos são IA. Contra-exemplos (fora do conjunto): uma calculadora, uma planilha de fórmulas, um sistema de cadastro, um semáforo de tempo fixo — automatizam, mas não decidem racionalmente diante de um ambiente que muda.

Camada 03

Nível 2 — Aprendizado de máquina: programas que melhoram com a experiência (1959)

Nível 2 — Aprendizado de máquina: em vez de regras prontas, exemplos. Ilustração do autor (2026)

Definição: a mais precisa é a clássica de Tom Mitchell: um programa aprende com a experiência E, em relação a uma tarefa T e a uma medida de desempenho P, se seu desempenho em T, medido por P, melhora com E (MITCHELL, 1997). Em vez de programar a regra, fornecemos exemplos — e a regra é ajustada a partir deles. O termo: machine learning foi estabelecido por Arthur Samuel, da IBM, no artigo de 1959 em que seu programa de damas melhorava jogando contra si mesmo — a máquina chegou a vencer o próprio autor (SAMUEL, 1959).

Exemplos: o filtro de spam que aprende com as mensagens que você marca; o sistema de recomendação do streaming; a previsão de inadimplência de um banco; o detector de fraudes do cartão. Contra-exemplos (IA que não é ML): o Deep Blue e o MYCIN de novo — toda a "inteligência" deles foi escrita à mão por programadores e especialistas; nada foi aprendido de dados. É por isso que "IA" e "machine learning" não são sinônimos: houve — e há — muita IA sem aprendizado algum.

Camada 04

Nível 3 — Deep learning: muitas camadas de neurônios (anos 2000)

Nível 3 — Deep learning: representações aprendidas camada a camada. Ilustração do autor (2026)

Definição: é o subcampo do aprendizado de máquina que usa redes neurais artificiais com muitas camadas, nas quais cada camada aprende representações progressivamente mais abstratas dos dados — de bordas a olhos, de olhos a rostos (LECUN; BENGIO; HINTON, 2015). O termo: a expressão deep learning aparece na literatura já em 1986, em outro contexto (DECHTER, 1986), mas ganhou o sentido atual nos anos 2000, com o trabalho de Geoffrey Hinton e colegas sobre redes de crenças profundas (HINTON; OSINDERO; TEH, 2006) — e explodiu em 2012, quando a rede AlexNet venceu o desafio ImageNet de reconhecimento de imagens, como vimos no primeiro post da série.

Exemplos: a AlexNet e as redes de visão computacional; o reconhecimento de fala do seu celular; o AlphaFold, que previu a estrutura de proteínas; a percepção dos carros autônomos. Contra-exemplos (ML que não é DL): regressão linear e logística, árvores de decisão, florestas aleatórias, k-médias, o filtro de spam bayesiano — aprendem com dados, mas sem camadas profundas de neurônios. Continuam extremamente úteis: boa parte do ML corporativo do mundo real vive aqui.

Camada 05

Nível 4 — IA generativa: máquinas que criam (2014)

Nível 4 — IA generativa: em vez de classificar conteúdo, produzir conteúdo novo. Ilustração do autor (2026)

Definição: são os sistemas de deep learning treinados para produzir conteúdo novo — texto, imagem, áudio, vídeo, código — que se pareça com os dados de treinamento, em vez de apenas classificá-los ou prever um número. O marco: o artigo das redes adversárias generativas (GANs), de Ian Goodfellow e colegas, em 2014, no qual duas redes competem — uma gera, a outra critica — até a geração ficar convincente (GOODFELLOW et al., 2014). A expressão "IA generativa", porém, só virou vocabulário de jornal com a chegada dos geradores de imagem e do ChatGPT ao grande público, em 2022 (OPENAI, 2022).

Exemplos: DALL-E (OpenAI, 2021), Midjourney (2022) e Stable Diffusion (Stability AI, 2022) para imagens; geradores de música e de vídeo; e os próprios chatbots de texto. Contra-exemplos (DL que não é generativo): o classificador que diz "é um gato", o reconhecimento facial, o detector de fraude, o AlphaGo — redes profundas que percebem, classificam e decidem, mas cujo produto não é um conteúdo novo.

Camada 06

Nível 5 — LLMs: os grandes modelos de linguagem (2017–2020)

Nível 5 — LLM: bilhões de parâmetros treinados para prever o próximo token. Ilustração do autor (2026)

Definição: os large language models são modelos generativos de linguagem, baseados na arquitetura Transformer (VASWANI et al., 2017), treinados sobre volumes gigantescos de texto para prever o próximo token de uma sequência — e que, nessa tarefa aparentemente humilde, desenvolvem competência linguística geral. O termo e a linhagem: o primeiro GPT é de 2018 (RADFORD et al., 2018); a expressão "grande modelo de linguagem" se consolidou com o GPT-3 e seus 175 bilhões de parâmetros, em 2020 (BROWN et al., 2020); e o fenômeno chegou ao público com o ChatGPT, lançado pela OpenAI em 30 de novembro de 2022 (OPENAI, 2022).

Exemplos e fabricantes: a família GPT (OpenAI), o Gemini (Google DeepMind, 2023) (GOOGLE, 2023), o Claude (Anthropic, 2023) (ANTHROPIC, 2023), o Llama (Meta, 2023) (META, 2023) — e, com orgulho nacional, o Sabiá, LLM treinado para o português brasileiro pela Maritaca AI, empresa nascida na comunidade acadêmica de Campinas (PIRES et al., 2023). Contra-exemplos (IA generativa que não é LLM): os geradores de imagem, música e vídeo — Stable Diffusion e Midjourney criam, mas seu produto não é linguagem. Todo LLM é IA generativa, mas nem toda IA generativa é um LLM.

Camada 07

Modelo, parâmetro e token: o vocabulário que destrava o resto

Modelo é a função matemática que o aprendizado produz: uma estrutura (a arquitetura) mais um conjunto de números ajustáveis, treinada para transformar entradas em saídas (MITCHELL, 1997); (RUSSELL; NORVIG, 2022). Parâmetros são exatamente esses números — os "pesos" das conexões da rede, ajustados durante o treinamento. Quando o noticiário diz que um modelo "tem 175 bilhões de parâmetros", está contando esses números ajustáveis, e não "fatos memorizados": parâmetro não é conhecimento enciclopédico, é coeficiente de uma função gigantesca. A Tabela 1 mostra a escalada.

Tabela 1 — Quantidade de parâmetros de modelos de linguagem selecionados — 2018-2024

Modelo	Fabricante	Ano	Parâmetros
GPT-1	OpenAI	2018	117 milhões
GPT-2	OpenAI	2019	1,5 bilhão
GPT-3	OpenAI	2020	175 bilhões
Llama 3.1 (maior versão)	Meta	2024	405 bilhões

Fonte: elaborado pelo autor com base em Radford et al. (2018), Brown et al. (2020) e Meta (2024).Nota: fabricantes deixaram, em geral, de divulgar o número de parâmetros de seus modelos mais recentes; a tabela usa modelos com valores publicados.

Token é a unidade em que o texto é picado antes de entrar no modelo: nem letra, nem exatamente palavra — em geral, pedaços de palavra definidos por algoritmos como o byte-pair encoding, que equilibram vocabulário enxuto e capacidade de representar palavras raras (SENNRICH; HADDOW; BIRCH, 2016). Uma palavra curta e comum pode ser um único token; uma palavra longa vira vários:

inconstitucionalissimamente → inconstitucionalissimamente

Divisão ilustrativa — o recorte exato varia conforme o tokenizador de cada modelo

Por que isso importa para você? Porque é em tokens que os modelos cobram, limitam contexto e "pensam": a janela de contexto de um LLM, os preços de API e até alguns erros curiosos (como dificuldade em contar letras de uma palavra) são consequências diretas da tokenização.

Camada 08

Quem fabrica o quê: produtos, datas e endereços no mapa

O Quadro 1 reúne produtos que você encontra no noticiário, seus fabricantes, o ano de lançamento público e o anel do diagrama em que cada um mora — repare como produtos famosos de IA ficam fora dos anéis internos.

Quadro 1 — Produtos de inteligência artificial, fabricantes, lançamento e nível no diagrama

Produto	Fabricante	Lançamento	Nível no diagrama
Deep Blue	IBM	1997	IA (busca e heurísticas; não aprende)
Watson (Jeopardy!)	IBM	2011	IA + ML (linguagem e recuperação de informação)
AlphaGo	Google DeepMind	2016	Deep learning (não generativo)
AlphaFold 2	Google DeepMind	2020	Deep learning (não generativo)
DALL-E	OpenAI	2021	IA generativa (imagem; não LLM)
GitHub Copilot	GitHub/OpenAI	2021	LLM aplicado a código
Midjourney	Midjourney, Inc.	2022	IA generativa (imagem; não LLM)
Stable Diffusion	Stability AI	2022	IA generativa (imagem; não LLM)
ChatGPT	OpenAI	nov. 2022	Aplicação sobre LLM (família GPT)
Llama	Meta	fev. 2023	LLM (pesos abertos)
Claude	Anthropic	mar. 2023	LLM
Sabiá	Maritaca AI (Brasil)	2023	LLM em português brasileiro
Gemini	Google DeepMind	dez. 2023	LLM multimodal

Fonte: elaborado pelo autor com base em Openai (2022), Meta (2023), Anthropic (2023), Google (2023) e Pires et al. (2023).Nota: datas referem-se ao primeiro lançamento público de cada produto; as versões atuais (famílias GPT, Gemini, Claude, Llama e afins) evoluem em ritmo semestral.

Camada 09

Aplicações: onde esses conjuntos encostam na sua profissão

Cada anel do diagrama sustenta aplicações profissionais concretas: o ML clássico prevê demanda, inadimplência e evasão escolar; o deep learning lê exames de imagem, inspeciona linhas de produção e transcreve reuniões; a IA generativa redige minutas, cria material didático e protótipos; os LLMs viram assistentes de pesquisa, tutores e copilotos de escrita e código. E isso já é estatística oficial: segundo o IBGE, 41,9% das empresas industriais brasileiras com 100 ou mais pessoas ocupadas usavam IA em 2024 — e as finalidades mais comuns mostram onde a ferramenta encosta no expediente (IBGE, 2025).

Para que as empresas brasileiras usam IA

Ativ. administrativas87,9%

Comercialização75,2%

Desenv. de produtos73,1%

Fonte: elaborado pelo autor com base em IBGE (2025).Nota: percentuais calculados sobre as empresas industriais com 100 ou mais pessoas ocupadas que utilizam inteligência artificial.

Camada 10

Perguntas para o seu contexto

Teste o vocabulário: marque o que você já consegue responder — cada item usa um conceito deste post.

0 de 6

Sei dizer em qual anel do diagrama mora cada ferramenta de IA que uso no dia a dia. Consigo dar um exemplo de IA que não é aprendizado de máquina — e explicar por quê. Consigo citar um algoritmo de ML que não é deep learning e segue útil. Sei explicar a diferença entre um gerador de imagens e um LLM. Sei o que é um parâmetro — e por que "175 bilhões" não significa "175 bilhões de fatos". Consigo explicar a um colega o que é um token e por que ele limita a "memória" de um chat.

Saída

Um mapa não é o território — mas evita muita discussão perdida

Setenta anos separam o seminário de Dartmouth do chat que você abre no celular — e, nesse intervalo, cada anel do nosso diagrama nasceu de uma pergunta diferente: máquinas podem agir racionalmente? Podem aprender? Podem aprender representações? Podem criar? Podem conversar? A resposta prática de 2026 é "sim" para as cinco — com as ressalvas de sempre sobre o que "criar" e "conversar" significam, discutidas no primeiro post da série. Na próxima parada, abriremos o anel 2 por dentro: como um algoritmo aprende, o que são treino e teste, e por que dados enviesados produzem modelos enviesados. Até lá, fica o exercício: da próxima manchete sobre IA que você ler, qual é o anel?

Nota do autor: a célebre frase "capacidade de aprender sem ser explicitamente programado", popularmente atribuída a Samuel, não consta literalmente do artigo de 1959 — por isso adotamos a definição formal de Mitchell (1997). O termo deep learning tem história dupla: aparece em Dechter (1986) em contexto de busca com restrições e ganhou o sentido atual, ligado a redes neurais, nos anos 2000. O encaixe "IA generativa ⊂ deep learning" é um recorte didático consagrado pelos diagramas de conjuntos: houve modelos generativos anteriores às redes profundas, mas toda a IA generativa relevante hoje é construída sobre elas. As datas do Quadro 1 referem-se ao primeiro lançamento público; contagens de parâmetros de modelos recentes deixaram de ser divulgadas pelos fabricantes. A divisão de tokens mostrada é ilustrativa — cada tokenizador recorta de um jeito.

Referências

1. ANTHROPIC. Introducing Claude. San Francisco: Anthropic, 2023. Disponível em: https://www.anthropic.com/news/introducing-claude. Acesso em: 9 ago. 2026.
2. BROWN, Tom B. et al. Language models are few-shot learners. In: CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS, 34., 2020. Advances in Neural Information Processing Systems 33. [S. l.]: NeurIPS, 2020. Disponível em: https://arxiv.org/abs/2005.14165. Acesso em: 9 ago. 2026.
3. DECHTER, Rina. Learning while searching in constraint-satisfaction-problems. In: NATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, 5., 1986, Filadélfia. Proceedings of AAAI-86. Menlo Park: AAAI, 1986. p. 178-183. Disponível em: https://cdn.aaai.org/AAAI/1986/AAAI86-029.pdf. Acesso em: 9 ago. 2026.
4. GOODFELLOW, Ian et al. Generative adversarial nets. In: CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS, 28., 2014, Montreal. Advances in Neural Information Processing Systems 27. [S. l.]: NeurIPS, 2014. Disponível em: https://arxiv.org/abs/1406.2661. Acesso em: 9 ago. 2026.
5. GOOGLE. Introducing Gemini: our largest and most capable AI model. Mountain View: Google, 2023. Disponível em: https://blog.google/technology/ai/google-gemini-ai/. Acesso em: 9 ago. 2026.
6. HINTON, Geoffrey E.; OSINDERO, Simon; TEH, Yee-Whye. A fast learning algorithm for deep belief nets. Neural Computation, v. 18, n. 7, p. 1527-1554, 2006. DOI: 10.1162/neco.2006.18.7.1527. Disponível em: https://doi.org/10.1162/neco.2006.18.7.1527. Acesso em: 9 ago. 2026.
7. IBGE — INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. De 2022 a 2024, percentual de empresas industriais utilizando inteligência artificial subiu de 16,9% para 41,9%. Agência IBGE Notícias, Rio de Janeiro, set. 2025. Disponível em: https://agenciadenoticias.ibge.gov.br/agencia-noticias/2012-agencia-de-noticias/noticias/44551-de-2022-a-2024-percentual-de-empresas-industriais-utilizando-inteligencia-artificial-subiu-de-16-9-para-41-9. Acesso em: 9 ago. 2026.
8. LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep learning. Nature, v. 521, p. 436-444, 2015. DOI: 10.1038/nature14539. Disponível em: https://doi.org/10.1038/nature14539. Acesso em: 9 ago. 2026.
9. McCARTHY, J.; MINSKY, M. L.; ROCHESTER, N.; SHANNON, C. E. A proposal for the Dartmouth Summer Research Project on Artificial Intelligence, august 31, 1955. AI Magazine, v. 27, n. 4, p. 12-14, 2006. DOI: 10.1609/aimag.v27i4.1904. Disponível em: https://doi.org/10.1609/aimag.v27i4.1904. Acesso em: 9 ago. 2026.
10. META. Introducing LLaMA: a foundational, 65-billion-parameter large language model. Menlo Park: Meta AI, 2023. Disponível em: https://ai.meta.com/blog/large-language-model-llama-meta-ai/. Acesso em: 9 ago. 2026.
11. META. Introducing Llama 3.1: our most capable models to date. Menlo Park: Meta AI, 2024. Disponível em: https://ai.meta.com/blog/meta-llama-3-1/. Acesso em: 9 ago. 2026.
12. MITCHELL, Tom M. Machine learning. Nova York: McGraw-Hill, 1997.
13. OPENAI. Introducing ChatGPT. San Francisco: OpenAI, 2022. Disponível em: https://openai.com/index/chatgpt/. Acesso em: 9 ago. 2026.
14. PIRES, Ramon; ABONIZIO, Hugo; ALMEIDA, Thales S.; NOGUEIRA, Rodrigo. Sabiá: Portuguese large language models. [S. l.], 2023. Disponível em: https://arxiv.org/abs/2304.07880. Acesso em: 9 ago. 2026.
15. RADFORD, Alec et al. Improving language understanding by generative pre-training. San Francisco: OpenAI, 2018. Disponível em: https://cdn.openai.com/research-covers/language-unsupervised/language_understanding_paper.pdf. Acesso em: 9 ago. 2026.
16. RUSSELL, Stuart; NORVIG, Peter. Inteligência artificial: uma abordagem moderna. 4. ed. Rio de Janeiro: LTC, 2022.
17. SAMUEL, Arthur L. Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, v. 3, n. 3, p. 210-229, 1959. DOI: 10.1147/rd.33.0210. Disponível em: https://doi.org/10.1147/rd.33.0210. Acesso em: 9 ago. 2026.
18. SENNRICH, Rico; HADDOW, Barry; BIRCH, Alexandra. Neural machine translation of rare words with subword units. In: ANNUAL MEETING OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS, 54., 2016, Berlim. Proceedings of the 54th Annual Meeting of the ACL. Stroudsburg: ACL, 2016. p. 1715-1725. Disponível em: https://arxiv.org/abs/1508.07909. Acesso em: 9 ago. 2026.
19. VASWANI, Ashish et al. Attention is all you need. In: CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS, 31., 2017, Long Beach. Advances in Neural Information Processing Systems 30. Long Beach: NeurIPS, 2017. Disponível em: https://arxiv.org/abs/1706.03762. Acesso em: 9 ago. 2026.