O que é um Algoritmo?
Um algoritmo é uma sequência finita de instruções para resolver um problema. Uma receita de bolo é um algoritmo. O GPS que você usa é um algoritmo. Uma IA é muitos algoritmos trabalhando juntos.
🔢 Algoritmos Matemáticos
Ordenação, busca, regressão. Ex: gradiente descendente — ajusta pesos para minimizar o erro.
🧠 Algoritmos de Aprendizado
Backpropagation, Adam optimizer, dropout. Ensinam a rede a aprender com os dados.
👁️ Algoritmos de Atenção
Self-attention, multi-head attention. Fazem o modelo "olhar" para o que importa no contexto.
🔤 Algoritmos de Tokenização
BPE (Byte-Pair Encoding), SentencePiece. Transformam texto em números que a rede entende.
🎲 Algoritmos de Amostragem
Top-k, top-p (nucleus), temperatura. Controlam a "criatividade" das respostas geradas.
🧩 Juntos, eles formam uma IA
Tokenização → Embedding → Transformers → Atenção → Geração → Decodificação. Uma orquestra de algoritmos.
Redes Neurais: O Cérebro Artificial
Inspiradas no cérebro biológico, redes neurais são camadas de "neurônios artificiais" conectados. Cada conexão tem um peso — e aprender é ajustar esses pesos.
Como ler a animação: os pulsos representam o sinal de entrada percorrendo a rede. Conexões mais grossas e brilhantes têm peso maior — o neurônio de destino recebe mais influência desse caminho. Na vida real, redes têm milhares de neurônios; aqui usamos 3 camadas para ilustrar a ideia.
Perceptron (1958)
O neurônio artificial básico. Uma camada. Resolve problemas lineares simples.
MLP (Multilayer Perceptron)
Várias camadas empilhadas. Consegue aprender padrões não-lineares.
CNN (Convolucional)
Especialista em imagens. Detecta bordas, formas, objetos em camadas.
RNN / LSTM
Memória para sequências. Dominou tradução e texto até 2017.
Transformer ⭐
A arquitetura dominante hoje. Atenção paralela. Base de GPT, BERT, Claude.
Diffusion Models
Adicionam e removem ruído gradualmente. Base do DALL·E, Stable Diffusion, Sora.