TLDR
- A IA generativa cria conteúdo novo do zero ao aprender padrões a partir de dados de treinamento — diferente da IA tradicional, que apenas reconhece padrões em dados já existentes.
- Um modelo de IA é, basicamente, uma função matemática gigantesca com trilhões de pesos ajustáveis armazenados em GPUs ou TPUs.
- O treinamento acontece por meio de milhões de ciclos de prática e feedback — o modelo absorve enormes conjuntos de dados (estima-se que o GPT-3 tenha usado 45 TB de texto), identifica padrões e ajusta os pesos até conseguir reproduzir o estilo de forma confiável.
- Três tipos comuns de modelos generativos: GPTs para texto, modelos de difusão para imagens e GANs para vídeo e deepfakes.
- Os modelos GPT funcionam prevendo qual palavra deve vir em seguida com base em padrões estatísticos — e é justamente por isso que eles "alucinam" (na prática, eles não entendem os conceitos).
- Os modelos de difusão começam com ruído aleatório e o refinam aos poucos até virar uma imagem, ao longo de 20 a 1000 iterações. Exemplos: DALL-E 3, Midjourney, Stable Diffusion.
- As GANs usam dois modelos em conjunto — um gerador que cria imagens e um discriminador que as julga como reais ou falsas, levando o gerador a melhorar a cada rodada.
- Aplicações no mundo real: chatbots (o ChatGPT para escrever, traduzir e ajudar com lições de casa), geradores de imagem (ilustrações personalizadas e transferências de estilo, como o Ghibli) e geradores de áudio.
O que é um modelo de IA generativa?
A IA generativa é um tipo de programa de computador que aprende padrões a partir dos dados nos quais é treinada. Em seguida, esse programa pode usar esses padrões para gerar conteúdo novo.
A IA generativa é um subconjunto das tecnologias de IA. O outro grande grupo é a IA tradicional.
👉 Os sistemas de IA tradicional são usados para reconhecer padrões em dados já existentes.
👉 Os sistemas de IA generativa são usados para criar algo novo a partir do nada.
Em outras palavras:
A IA tradicional é excelente em reconhecer padrões, enquanto a IA generativa é excelente em criar padrões.
Como a inteligência artificial funciona?
O que é um modelo de IA?
O modelo, criado pelo processo que descrevemos acima, é uma função matemática gigantesca com (muitas vezes) trilhões de números ajustáveis (chamados de pesos), armazenados em GPUs ou TPUs.
Diferentes tipos de IA generativa usam arquiteturas diferentes dependendo da tarefa:
| Tipo |
Bom em |
Indicado para |
| GPT |
Memorizar as relações entre as palavras. |
Texto |
| Stable diffusion |
Criar formas realistas a partir de ruído visual |
Imagens |
| GAN |
Ensinar a si mesma o que parece "certo" e o que parece "errado" |
Vídeo |
Como, exatamente, a inteligência artificial aprende?
Os modelos de IA generativa passam por um processo de treinamento estranhamente parecido com a forma como os humanos adquirem uma nova habilidade — vários ciclos de prática e feedback.
1️⃣ Primeiro, o modelo de IA recebe uma quantidade enorme de informações: texto para os modelos de geração de texto e imagens para os modelos de geração de imagem.
2️⃣ Em seguida, ele analisa os dados em busca de padrões — quais palavras seguem quais palavras, onde os símbolos de pontuação são colocados e assim por diante.
3️⃣ A IA usa uma fórmula matemática para gravar esses padrões na memória — isso é chamado de distribuição dos pesos.
Isso se repete milhões de vezes, até que os padrões estatísticos dos dados de treinamento sejam reproduzidos de forma confiável.
☝️A OpenAI, por exemplo, mantém em segredo os detalhes exatos de seus conjuntos de dados de treinamento, mas acredita-se que ela usou 45 TB de dados para treinar o agora descontinuado GPT-3. É uma quantidade absurda de informação, e é seguro presumir que os modelos mais novos (GPT-4.5, GPT-o3) consomem ainda mais durante o treinamento.
No fim, a IA terá adquirido a capacidade de criar conteúdo parecido com os exemplos que viu no conjunto de dados de treinamento.
Tipos comuns de modelos de IA generativa
Os tipos de modelos mais comuns em uso hoje são:
- GPTs
- Modelos de difusão
- GANs
Abaixo está uma explicação de como cada um deles funciona.
GPT (Generative Pre-trained Transformers)
GPT é a sigla de Generative Pre-trained Transformer (transformador generativo pré-treinado). Essa tecnologia foi inventada pela OpenAI. Hoje, ela alimenta o chatbot mais popular — o ChatGPT — além de suas alternativas.
Como funciona um GPT?
Quando você faz uma pergunta a um GPT, ele usa o que "aprendeu" durante a fase de treinamento para prever quais palavras devem vir em seguida. Assim, ele consegue gerar uma resposta parecida com a escrita humana.
Em essência, é um algoritmo de previsão estatística. E é por isso que os modelos GPT às vezes podem "alucinar".
💡Os modelos GPT não entendem os conceitos que estão descrevendo — eles apenas juntam palavras de um jeito que tem boas chances de estar correto.
Modelos de difusão (geradores de imagem)
Os modelos de difusão usam o que se chama de processo de refinamento. Exemplos desses modelos são:
- DALL-E 3
- Midjourney
- Stable Diffusion
- Imagen
- Midjourney
Como funcionam os modelos de difusão?
Os modelos de difusão começam com ruído aleatório e depois o transformam em uma imagem.
Por exemplo, se você disser ao modelo "Gere um gato preto", ele primeiro vai pegar pixels pretos e empurrá-los e puxá-los até formarem um vago contorno de gato. Em seguida, vai colocar os pixels verdes onde ficam os olhos — assim, a imagem fica (um pouco) menos ruidosa a cada vez que o modelo faz esse rearranjo.
👆Essa explicação é grosseiramente simplificada, mas é uma boa forma de imaginar o processo.
👉 A maioria dos modelos faz de 20 a 1000 iterações. Quanto mais iterações, melhor o resultado final.
Depois de etapas suficientes, o ruído se transforma em uma imagem reconhecível que corresponde a um prompt.
Como funcionam as GANs?
As GANs (Generative Adversarial Networks, ou redes adversárias generativas) usam, na verdade, não um, mas dois modelos de IA.
O Modelo A (gerador) cria uma imagem. O Modelo B (discriminador) olha para a imagem e decide se ela parece "real" ou "falsa".
O gerador cria, no início, imagens grosseiras — isso é feito de propósito para estabelecer uma referência do que é falso para o discriminador.
Mas, a cada etapa, o gerador produz algo mais coerente. Ao longo de muitas rodadas, o gerador melhora e suas imagens começam a parecer realistas.
Para que as GANs costumam ser usadas? Deepfakes — porque são as melhores em fotorrealismo — e geração de vídeo, porque, diferentemente dos modelos de difusão (stable diffusion), que removem ruído, elas criam o resultado final logo de primeira.
Exemplos de ferramentas de IA
Essas tecnologias são impressionantes na teoria, mas o que é realmente legal é a enorme variedade de ferramentas que elas podem alimentar:
👉 Chatbots
👉 Geradores de imagem
👉 Geradores de áudio
Chatbots
O exemplo mais famoso disso é, claro, o ChatGPT. Os chatbots conseguem responder perguntas, escrever de um jeito que lembra a escrita humana e até gerar código no nível de um bom desenvolvedor.
As pessoas costumam usar chatbots para automatizar a rotina:
- Escrever e-mails
- Melhorar seus textos
- Traduzir um documento de um idioma para outro
- Resumir um PDF longo
Por exemplo, uma das ferramentas mais populares da Overchat AI é um assistente de lições de casa baseado em GPT. Você envia uma foto da sua lição de casa ou cola o texto no chatbot, e a IA resolve.
Geradores de imagem
DALL-E 3, Midjourney e Stable Diffusion conseguem criar imagens a partir de prompts.
Por exemplo, você pode pedir a uma IA para criar "um ícone no estilo do Windows 11" ou para "transformar minha selfie em uma ilustração no estilo Ghibli".
Os resultados podem ser muito realistas. Veja este caso em que uma arte feita por IA foi inscrita em um concurso de prestígio… e ficou em primeiro lugar.
Quais são as aplicações dos geradores de imagem?
- Gerar ilustrações personalizadas sem saber desenhar.
- Editar fotos: transformar selfies em retratos no estilo Ghibli
Experimente aplicar um filtro Ghibli às suas imagens de graça na Overchat AI.
Como a inteligência artificial funciona: conclusão
Vamos recapitular rapidamente o que aprendemos:
- Os modelos de IA são, em essência, modelos estatísticos complexos. Eles se diferenciam de outros softwares por conseguirem gerar algo do zero. É nisso que os modelos de IA generativa são particularmente fortes. A IA generativa, por sua vez, é um subconjunto da IA.
- Os modelos de IA generativa recebem conjuntos de dados de treinamento, aprendem os padrões neles e depois usam isso para criar algo parecido. Esse processo acontece por meio de previsão.
Os três tipos mais populares de modelos de IA são:
- GPT (Generative Pre-trained Transformers)
- Modelos de difusão (usados em geradores de imagem)
- GANs (Generative Adversarial Networks)
Os GPTs são usados em chatbots; os modelos de difusão, em geradores de imagem; e as GANs, em geradores de vídeo.
