A inteligência artificial trouxe consigo um vocabulário técnico que pode confundir quem está começando a explorar o assunto. Este glossário reúne, de forma simples e direta, os principais termos que você vai encontrar ao usar o chat de DeepSeek ou qualquer outra ferramenta de IA no dia a dia.
Use esta página como referência rápida sempre que topar com uma palavra desconhecida. Para explicações mais completas, com exemplos práticos e passo a passo, confira também as guias deste site.
Inteligência artificial (IA)
É o campo da computação dedicado a criar sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana, como entender um texto, reconhecer imagens ou tomar decisões. A DeepSeek é um exemplo de IA aplicada à conversação e à geração de conteúdo. O termo é amplo e engloba desde assistentes de voz simples até modelos de linguagem complexos.
Modelo de linguagem (LLM)
Um LLM (Large Language Model, ou “modelo de linguagem de grande escala”) é um tipo de IA treinada com enormes quantidades de texto para prever e gerar palavras de forma coerente. É essa tecnologia que permite ao chat da DeepSeek responder perguntas, escrever textos e explicar conceitos. Para entender em detalhes como isso funciona por trás das telas, veja como funciona a DeepSeek.
Prompt
É a instrução ou pergunta que você digita para a IA responder. Pode ser algo simples, como “explique o que é fotossíntese”, ou mais elaborado, com contexto e exemplos. A qualidade do prompt influencia diretamente a qualidade da resposta gerada.
Token
É a unidade mínima de texto que um modelo de linguagem processa, podendo ser uma palavra inteira, parte dela ou até um sinal de pontuação. Por exemplo, a palavra “inteligência” pode ser dividida em dois ou três tokens. Modelos de IA cobram, limitam e medem o uso justamente em quantidade de tokens processados.
Janela de contexto
É a quantidade máxima de texto (medida em tokens) que um modelo consegue “enxergar” de uma vez, incluindo o histórico da conversa e o prompt atual. Se a conversa ultrapassar esse limite, as mensagens mais antigas começam a ser esquecidas pela IA. Janelas maiores permitem lidar com documentos longos ou conversas extensas sem perder o fio.
Alucinação
Acontece quando a IA gera uma informação que parece confiante e bem escrita, mas que é falsa ou inventada. Por exemplo, citar uma fonte que não existe ou atribuir uma frase à pessoa errada. É importante sempre checar dados importantes antes de usá-los, especialmente datas, números e citações.
Fine-tuning (ajuste fino)
É o processo de pegar um modelo já treinado e refiná-lo com um conjunto de dados menor e mais específico, para que ele se especialize em uma tarefa ou área, como atendimento jurídico ou suporte técnico. É mais rápido e barato do que treinar um modelo do zero.
Treinamento
É a etapa em que o modelo de IA aprende padrões de linguagem, fatos e formas de raciocinar a partir de uma quantidade massiva de textos. Durante o treinamento, os parâmetros internos do modelo são ajustados repetidamente até que ele consiga gerar respostas coerentes. É um processo caro, demorado e que exige grande poder computacional.
Rede neural
É a estrutura matemática que serve de base para os modelos de IA modernos, inspirada de forma simplificada no funcionamento dos neurônios do cérebro humano. Ela é formada por camadas de “nós” conectados entre si, que processam informações e ajustam suas conexões conforme aprendem. É o alicerce sobre o qual são construídos os LLMs.
Transformer
É a arquitetura de rede neural que revolucionou a IA de linguagem, permitindo que o modelo analise uma frase inteira de uma vez e entenda a relação entre palavras distantes entre si. É a base técnica usada pela maioria dos modelos de linguagem atuais, incluindo os da DeepSeek.
Parâmetros
São os valores internos ajustados durante o treinamento de um modelo, que determinam como ele processa e gera texto. De forma simplificada, quanto mais parâmetros um modelo tem, maior sua capacidade de captar nuances — embora isso também exija mais recursos computacionais para funcionar.
Chatbot
É um programa de computador projetado para manter conversas com pessoas, respondendo perguntas ou executando comandos simples. Chatbots antigos seguiam regras fixas e respostas prontas; os atuais, como o chat da DeepSeek, usam modelos de linguagem para gerar respostas mais naturais e flexíveis.
IA generativa
É o ramo da inteligência artificial voltado para criar conteúdo novo — textos, imagens, código ou áudio — em vez de apenas analisar ou classificar dados existentes. Quando você pede à IA para escrever um poema ou resumir um artigo, está usando IA generativa.
Aprendizado de máquina (machine learning)
É a área da IA em que os sistemas aprendem padrões a partir de dados, em vez de seguir regras programadas manualmente. Por exemplo, um sistema de aprendizado de máquina pode aprender a identificar spam analisando milhares de e-mails já classificados. Os modelos de linguagem são um caso avançado dessa técnica.
Aprendizado profundo (deep learning)
É um subcampo do aprendizado de máquina que usa redes neurais com muitas camadas para reconhecer padrões complexos, como linguagem natural, imagens ou voz. Foi o avanço do aprendizado profundo, combinado com mais dados e poder computacional, que tornou possíveis os modelos de linguagem atuais.
Raciocínio
No contexto de IA, refere-se à capacidade de um modelo de resolver problemas em etapas lógicas, como contas de matemática, quebra-cabeças ou análises complexas, em vez de apenas gerar texto fluente. Modelos com foco em raciocínio tendem a “pensar” mais antes de responder, o que costuma melhorar a precisão em tarefas difíceis.
API
Uma API (Application Programming Interface) é a “porta de entrada” que permite que programas e sites se conectem a um serviço de IA sem precisar de uma interface visual. Desenvolvedores usam a API para integrar respostas da IA em seus próprios aplicativos. Veja o passo a passo completo em como usar a API da DeepSeek.
Chave de API (API key)
É um código único que identifica e autoriza o uso de uma API, funcionando como uma senha pessoal de acesso. Ela deve ser mantida em sigilo, pois quem a possuir pode fazer chamadas em seu nome e gerar custos na sua conta. O processo de criação dessa chave está detalhado no guia sobre a API da DeepSeek.
Código aberto (open source)
Refere-se a modelos ou softwares cujo código (ou, no caso de IA, os pesos do modelo) é disponibilizado publicamente, permitindo que qualquer pessoa examine, use e adapte a tecnologia. A DeepSeek ficou conhecida justamente por disponibilizar modelos com pesos abertos, o que contrasta com empresas que mantêm seus modelos totalmente fechados.
Mixture of Experts (MoE)
É uma arquitetura em que o modelo é dividido em vários “especialistas” internos, e apenas alguns deles são ativados para responder a cada pergunta, em vez de usar toda a rede de uma vez. Essa técnica, adotada pela DeepSeek em parte de seus modelos, permite ganhar eficiência computacional sem perder qualidade nas respostas.
Embeddings
São representações numéricas de palavras, frases ou documentos, criadas de forma que textos com significados parecidos fiquem “próximos” matematicamente. Embeddings são usados, por exemplo, em sistemas de busca inteligente e recomendação, ajudando a IA a entender similaridade de sentido além da simples repetição de palavras.
Temperatura
É um parâmetro que controla o quão criativas ou previsíveis são as respostas de um modelo. Uma temperatura baixa deixa as respostas mais diretas e consistentes; uma temperatura alta gera respostas mais variadas e criativas, mas com mais chance de imprecisões.
Cadeia de pensamento (chain-of-thought)
É uma técnica em que o modelo expõe o raciocínio passo a passo antes de dar a resposta final, em vez de “pular” direto para a conclusão. Isso costuma melhorar o desempenho em problemas de lógica e matemática, além de tornar mais fácil entender como a IA chegou àquela resposta.
Aprendizado por reforço (RLHF)
RLHF significa “aprendizado por reforço com feedback humano”. É uma etapa de refinamento em que avaliadores humanos classificam respostas do modelo como boas ou ruins, e essa avaliação é usada para ajustar o comportamento da IA, tornando-a mais útil, segura e alinhada às expectativas das pessoas.
Dataset (conjunto de dados)
É o conjunto de textos, imagens ou outros dados usado para treinar ou ajustar um modelo de IA. A qualidade e a diversidade do dataset influenciam diretamente a qualidade das respostas do modelo: dados enviesados ou incompletos tendem a gerar respostas enviesadas ou incompletas.
Inferência
É o momento em que um modelo já treinado é usado para gerar uma resposta a partir de um prompt, ou seja, é o “uso prático” da IA no dia a dia. Diferente do treinamento, que é feito uma vez e exige muito processamento, a inferência acontece a cada mensagem enviada no chat.
GPU
GPU (Graphics Processing Unit, ou unidade de processamento gráfico) é o tipo de chip usado para treinar e rodar modelos de IA, por conseguir realizar muitos cálculos matemáticos em paralelo. Empresas de IA dependem de grandes quantidades de GPUs para treinar seus modelos, o que torna esse hardware um recurso caro e disputado.
Multimodal
Descreve um modelo capaz de entender e/ou gerar mais de um tipo de conteúdo, como texto, imagem e áudio, em vez de trabalhar apenas com texto. Um modelo multimodal pode, por exemplo, analisar uma foto e responder perguntas sobre o que aparece nela.
Benchmark
É um teste padronizado usado para medir e comparar o desempenho de diferentes modelos de IA em tarefas específicas, como matemática, programação ou compreensão de texto. Benchmarks ajudam a avaliar de forma mais objetiva se um modelo é melhor do que outro em determinada área, embora não substituam o teste na prática.
Viés (bias)
É a tendência de um modelo de IA reproduzir preconceitos, estereótipos ou desequilíbrios presentes nos dados usados em seu treinamento. Por exemplo, se um dataset tiver pouca representação de determinado grupo, o modelo pode gerar respostas menos precisas ou injustas sobre esse grupo.
Privacidade de dados
Refere-se ao cuidado com as informações pessoais que você compartilha ao usar uma ferramenta de IA, como conversas, documentos enviados ou dados de cadastro. É recomendável evitar enviar informações sensíveis, como senhas ou dados financeiros, em conversas com qualquer chatbot.
Latência
É o tempo que um modelo leva para começar a responder depois de receber um prompt. Uma latência baixa significa respostas quase instantâneas; uma latência alta pode ser percebida como demora, especialmente em respostas longas ou que exigem mais raciocínio.
Engenharia de prompt
É a prática de escrever e ajustar prompts de forma estratégica para obter respostas mais precisas e úteis da IA, definindo contexto, formato desejado e exemplos. Dominar essa habilidade faz diferença real no resultado final; nossas guias práticas trazem exemplos de prompts eficazes para diferentes tarefas.
Few-shot
É uma técnica de prompt em que você fornece alguns exemplos de como quer a resposta antes de fazer o pedido real, ajudando o modelo a entender o padrão desejado. Por exemplo, mostrar dois exemplos de tradução antes de pedir para traduzir uma terceira frase.
Zero-shot
É quando você pede uma tarefa à IA sem fornecer nenhum exemplo prévio, confiando apenas no conhecimento geral que o modelo já adquiriu no treinamento. A maioria das perguntas do dia a dia feitas a um chatbot é, na prática, zero-shot.
Agente de IA
É um sistema baseado em modelo de linguagem capaz de executar tarefas de forma mais autônoma, tomando decisões, usando ferramentas externas e realizando várias etapas sem precisar de um comando para cada passo. Ao contrário de um chatbot comum, um agente pode, por exemplo, pesquisar informações e organizar um plano sozinho. Explore esse tema com mais profundidade em nossas guias sobre uso avançado da IA.
Destilação
É a técnica de treinar um modelo menor e mais leve (“aluno”) para imitar o comportamento de um modelo maior (“professor”), preservando boa parte da qualidade das respostas com um custo computacional muito menor. Modelos destilados são úteis para rodar em dispositivos com menos capacidade de processamento.
Código aberto vs. fechado
Modelos de código aberto disponibilizam seus pesos publicamente, permitindo que qualquer desenvolvedor os baixe, estude e rode em seus próprios servidores. Modelos fechados só podem ser acessados via chat ou API da empresa que os criou, sem acesso ao funcionamento interno. Cada abordagem tem vantagens: abertura favorece transparência e customização; fechamento costuma facilitar o controle de qualidade e a manutenção pela empresa responsável.
Alucinação vs. erro
Um erro comum acontece quando a IA interpreta mal o pedido ou comete um deslize pontual, algo que também acontece com pessoas. Já a alucinação é mais específica: é a IA inventar uma informação com total confiança, como se fosse verdadeira, mesmo sem base real. A diferença importa porque a alucinação exige atenção redobrada na hora de verificar fatos, nomes e números.
Contexto
De forma mais ampla, contexto é toda a informação disponível para a IA entender e responder a um pedido: o histórico da conversa, instruções anteriores e documentos anexados. Fornecer bom contexto — explicando objetivo, público e formato desejado — é uma das formas mais simples de melhorar a qualidade das respostas geradas.
Sitio independiente e informativo, no afiliado a DeepSeek. Sitio oficial: deepseek.com.