Engenharia de IA

Construindo aplicativos com modelos de base

O’Reilly, 2025

15 mins. de lectura

8 ideas fundamentales

Audio y Texto

¿De qué se trata?

Os modelos de base são amplamente aplicáveis – e facilitam o desenvolvimento de produtos de IA.

1×

Ingrese para escuchar el resumen en audio.

Avaliação Editorial

Qualidades

Analítico
Baseado na Ciência
Aplicável

Recomendação

Vários modelos de base de IA prontamente disponíveis podem ser aplicados a uma infinidade de utilizações. Esses modelos permitem que mesmo aqueles com relativamente pouco conhecimento técnico ou experiência com IA construam produtos de IA. A cientista da computação Chip Huyen ensina você a adaptar um modelo às suas necessidades específicas e escolher um modelo que funcione melhor no seu caso.

Resumo

A engenharia de IA difere da engenharia tradicional de aprendizado das máquinas.

O que distingue a IA hoje das versões anteriores é a sua escala. Aplicativos como ChatGPT, Gemini e Midjourney consomem quantidades significativas de eletricidade e são treinados em quantidades impressionantes de dados. Esses modelos de IA poderosos podem executar inúmeras aplicações, aumentando o seu valor econômico – e, em última análise, melhorando a vida das pessoas.

O treinamento de IAs de grandes modelos de linguagem (LLM) requer enormes quantidades de dados e poder computacional. Poucas empresas conseguem atender a essa demanda. A diferença entre os LLMs atuais e os modelos de linguagem anteriores é a “autossupervisão”: algoritmos de modelos de linguagem mais antigos precisavam de dados especificamente rotulados – o que pode levar muito tempo e recursos para serem coletados. A supervisão envolve marcar dados com comportamento e outros recursos que você deseja que um modelo aprenda e depois os utilizar para consolidar o resultado. Após a conclusão do treinamento, o modelo pode aplicar o que aprendeu com os conjuntos de dados marcados para analisar os dados em geral, acelerando...

Sobre o autor

Chip Huyen é escritora e cientista da computação que atua na interseção entre IA, dados e storytelling. Ela trabalhou com a Snorkel AI e a NVIDIA, fundou uma startup de infraestrutura de IA e ensinou design de sistemas de aprendizado das máquinas na Universidade de Stanford.