Processamento

Modelos de linguagem

Modelos de linguagem são sistemas avançados de IA que podem compreender, interpretar e gerar linguagem humana. Esses modelos são treinados em enormes conjuntos de dados de texto e aprendem padrões, combinações de palavras, estruturas de frases e até as sutilezas de diferentes idiomas e usos linguísticos. O núcleo de muitos modelos de linguagem modernos é a arquitetura transformer, que utiliza mecanismos de autoatenção para determinar quais partes do texto são importantes em um dado contexto.

No processamento da linguagem, esses modelos usam métodos estatísticos para prever qual é a palavra ou frase seguinte mais provável em um texto. Eles podem compreender o contexto em longos trechos de texto e, assim, gerar textos não apenas gramaticalmente corretos, mas também coerentes e relevantes em termos de conteúdo.

Ao usar um modelo de linguagem, por exemplo, para um chatbot ou um gerador de texto, o modelo recebe certos prompts ou dados iniciais e, com base nessa entrada, gera texto que segue logicamente o contexto fornecido. O objetivo desses modelos é produzir texto que pareça o mais humano possível, tanto em termos de conteúdo quanto de estilo.

Modelos texto-para-imagem

Modelos texto-para-imagem são sistemas de IA capazes de gerar representações visuais, como fotos, ilustrações ou outros tipos de imagens, a partir de descrições textuais escritas. Esses modelos utilizam redes neurais avançadas, mais especificamente redes adversariais generativas (GANs) ou variações delas, como modelos de difusão.

O processo começa com uma descrição textual inserida pelo usuário. O modelo avalia esse texto e tenta compreender seu significado e contexto. Em seguida, o modelo gera imagens que correspondem à descrição textual, utilizando o que aprendeu durante o treinamento, que foi realizado em enormes conjuntos de dados de pares texto-imagem.

Durante o treinamento, o modelo aprende associações entre descrições textuais e características visuais. Por exemplo, se o modelo vê repetidamente a combinação de palavras "um sol amarelo acima de um mar azul" junto com imagens que ilustram esse cenário, ele aprende a reconhecer e reproduzir esses elementos em futuras criações visuais.

O resultado são imagens frequentemente surpreendentemente precisas e detalhadas que correspondem à descrição textual fornecida. Esses modelos estão se tornando cada vez mais refinados e são capazes de representar cenários complexos com múltiplos objetos e conceitos abstratos. Eles são usados em uma ampla variedade de aplicações, incluindo criações artísticas, design de jogos, realidade virtual e mais.

Modelos disponibilizados pela AI-School

É importante entender que a AI-School disponibiliza diversos modelos de IA que estão incluídos no catálogo central de modelos. Esses modelos são oferecidos por fornecedores externos via uma API. Uma API, ou Interface de Programação de Aplicações, é um conjunto de regras e definições que permite que programas de software se comuniquem entre si. Funciona como uma espécie de "língua" compreendida pelos programas para trocar informações e chamar funções uns dos outros. A AI-School não possui seus próprios modelos de linguagem, modelos texto-para-imagem ou modelos texto-para-fala.

Não somos responsáveis pelos resultados dos diferentes modelos. No entanto, dedicamos atenção à seleção dos melhores e mais interessantes modelos para as escolas.

Procedimento de processamento segundo a DPIA

A DPIA descreve o procedimento básico para gerar uma resposta da seguinte forma:

• O usuário insere um prompt no portal da AI-School.
• O prompt é armazenado no banco de dados da AI-School.
• A AI-School oferece o prompt ao modelo de IA escolhido via uma conexão API e uma conta geral sem vínculo com a conta da AI-School.
• Dados da conta e da administração do aluno não são automaticamente adicionados ao modelo.
• A resposta do modelo de IA é enviada de volta para a AI-School.
• A resposta é armazenada no banco de dados da AI-School.
• A resposta é apresentada ao usuário.

A AI-School não envia automaticamente dados da conta e da administração do aluno para o modelo de IA. O modelo recebe o conteúdo do prompt sem vínculo com a conta da AI-School. Um usuário pode ter incluído dados pessoais no prompt; nesse caso, esses dados podem ser processados pelo modelo de IA escolhido.

Contexto adicional

Em funções como chat com documentos, entrada multimodal ou certas ferramentas, o prompt pode ser complementado com contexto escolhido pelo usuário, como fragmentos de documentos, imagens ou resultados de busca. Esse contexto também é oferecido ao modelo sem vínculo com um usuário identificável, mas o conteúdo pode conter dados pessoais se o usuário os tiver adicionado.