IApédia — Glossário de Inteligência Artificial (Letra M)
Bem-vindo à IApédia, o glossário de Inteligência Artificial criado pela AQIA.
Nesta página encontras os principais conceitos e siglas iniciados pela letra M,
explicados em linguagem simples, com tradução, significado e exemplos práticos.
Termos de Inteligência Artificial — Letra M
| Nº | Termo | Tradução (se aplicável) | Descrição | Exemplo |
|---|---|---|---|---|
| 1 | Machine Learning | Aprendizagem Automática | Subcampo da IA focado em algoritmos que aprendem padrões a partir de dados. | Classificadores de imagens, sistemas de recomendação. |
| 2 | Masked Language Model | Modelo de Linguagem Mascarado | Modelo treinado para prever palavras ocultas em sequências de texto. | BERT é um exemplo popular. |
| 3 | Mean Squared Error (MSE) | Erro Médio Quadrático | Métrica que calcula a média dos quadrados das diferenças entre valores previstos e reais. | Avaliação de regressão em modelos de previsão. |
| 4 | Memory Augmentation | Aumento de Memória | Técnica que adiciona componentes de memória externa a redes neuronais para guardar informações. | Redes neurais com memória diferencial. |
| 5 | Meta-Learning | Meta-Aprendizagem | Aprendizagem sobre como aprender, para acelerar a adaptação a novas tarefas com poucos dados. | Modelos que se adaptam rapidamente a novas situações. |
| 6 | Meta-Optimizer | Meta-Otimização | Otimizador que aprende a melhorar outros otimizadores durante o treino. | Técnicas avançadas de otimização em deep learning. |
| 7 | Metrics | Métricas | Medidas utilizadas para avaliar o desempenho de modelos de IA. | Acurácia, precisão, recall, F1 score. |
| 8 | Micro-batch | Micro-lote | Pequenas divisões de um batch maior usadas para reduzir uso de memória durante treino. | Treino distribuído em batches pequenos para eficiência. |
| 9 | Model Compression | Compressão de Modelo | Técnicas para reduzir o tamanho e complexidade dos modelos, mantendo boa performance. | Pruning e quantização para deploy em dispositivos móveis. |
| 10 | Model Distillation | Destilação de Modelo | Processo de transferir conhecimento de um modelo grande para um mais pequeno e eficiente. | Transferir capacidade de GPT para versões compactas. |
| 11 | Model Explainability | Explicabilidade do Modelo | Grau em que as decisões do modelo podem ser compreendidas por humanos. | Ferramentas para explicar previsões em finanças. |
| 12 | Model Freezing | Congelamento de Modelo | Manter parte do modelo fixo durante o treino para preservar conhecimento anterior. | Ajuste fino de redes pré-treinadas. |
| 13 | Model Interpretability | Interpretabilidade do Modelo | Facilidade de entender como o modelo realiza previsões. | Modelos lineares são mais interpretáveis do que redes profundas. |
| 14 | Model Overfitting | Sobreajuste do Modelo | Quando um modelo aprende demasiado bem os dados de treino e perde capacidade de generalização. | Modelo que tem desempenho ruim em dados novos. |
| 15 | Model Selection | Seleção de Modelo | Processo de escolher o melhor modelo para uma tarefa específica com base em métricas. | Comparar redes neurais e árvores de decisão para classificação. |
| 16 | Model Training | Treino de Modelo | Processo de ajustar os parâmetros do modelo a partir de dados. | Treinar uma rede neural para reconhecer imagens. |
| 17 | Modality | Modalidade | Tipo de dado como texto, áudio, imagem ou vídeo usado para treino ou inferência. | Modelos multimodais que combinam texto e imagem. |
| 18 | Momentum | Momento | Técnica em optimização que acelera a convergência agregando gradientes anteriores. | Otimização de redes neurais profunda com SGD com momento. |
| 19 | Monte Carlo Method | Método de Monte Carlo | Técnica de amostragem para aproximação numérica de integrais e probabilidades complexas. | Usado em inferência bayesiana para estimar distribuições. |
| 20 | Moral Bias | Viés Moral | Tendência de modelos a refletir ou reproduzir preconceitos morais presentes nos dados de treino. | Modelos que geram respostas discriminatórias baseadas em dados enviesados. |
| 21 | Multi-Head Attention | Atenção Multi-Cabeça | Mecanismo das redes Transformer que calcula múltiplas representações paralelas de atenção. | Base para capacidades avançadas de PLN como em GPT e BERT. |
| 22 | Multi-Modal Learning | Aprendizagem Multimodal | Treino de modelos capazes de processar e integrar múltiplas modalidades de dados. | Modelos que interpretam texto e imagem em conjunto. |
| 23 | Multi-Task Learning | Aprendizagem Multi-tarefa | Treino simultâneo de um modelo para realizar várias tarefas relacionadas. | Modelo que executa tradução e resumo de texto ao mesmo tempo. |
| 24 | Multivariate Analysis | Análise Multivariada | Análise estatística envolvendo várias variáveis ao mesmo tempo para entender relações. | Regressão múltipla e análise de componentes principais. |
| 25 | Mutual Information | Informação Mútua | Medida de dependência entre variáveis, usada para selecionar características relevantes. | Melhorar seleção de atributos para classificação. |
| 26 | Mutation | Mutação | Processo em algoritmos evolutivos que altera aleatoriamente indivíduos para explorar mais soluções. | Algoritmos genéticos para otimização. |
| 27 | Multi-Agent System | Sistema Multi-Agente | Sistema com múltiplos agentes autónomos que interagem para resolver problemas complexos. | Simulações de tráfego ou jogos multi-agente. |
| 28 | Multi-Layer Perceptron (MLP) | Perceptron Multi-camada | Rede neuronal artificial com múltiplas camadas totalmente conectadas. | Modelos básicos de classificação e regressão. |
| 29 | Multilingual Model | Modelo Multilíngue | Modelo treinado para processar várias línguas. | Modelos como mBERT e XLM-R. |
| 30 | Maximum Likelihood Estimation (MLE) | Estimação por Máxima Verossimilhança | Técnica para estimar parâmetros de modelos probabilísticos maximizando a probabilidade dos dados. | Estimar parâmetros em modelos de linguagem. |
| 31 | Maximum a Posteriori (MAP) | Máxima a Posteriori | Estimação de parâmetros considerando tanto os dados quanto uma distribuição prévia. | Inferência bayesiana em modelos probabilísticos. |
| 32 | Max Pooling | Pooling Máximo | Operação em CNN que reduz a dimensionalidade selecionando o valor máximo numa região. | Extração de características importantes em imagens. |
| 33 | Mean Absolute Error (MAE) | Erro Médio Absoluto | Métrica que calcula a média das diferenças absolutas entre valores previstos e reais. | Avaliação de regressão em modelos preditivos. |
| 34 | Mean Pooling | Pooling Médio | Técnica que calcula a média dos valores numa região para reduzir dimensionalidade. | Camadas de pooling em redes convolucionais. |
| 35 | Memory Network | Rede de Memória | Rede neural com memória externa para armazenar e recuperar informações durante o processamento. | Modelos que mantêm diálogo contextual em chatbots. |
| 36 | Model Fine-Tuning | Ajuste Fino de Modelo | Pequeno treino adicional de um modelo pré-treinado para melhorar desempenho em tarefa específica. | Adaptar GPT para domínio jurídico com dados específicos. |
| 37 | Model Robustness | Robustez do Modelo | Capacidade do modelo de manter desempenho sob variações ou ruídos nos dados. | Modelos resistentes a dados adversariais. |
| 38 | Monte Carlo Dropout | Dropout Monte Carlo | Técnica para estimar incerteza em redes neuronais usando dropout durante inferência. | Avaliação de confiança nos resultados do modelo. |
| 39 | Moving Average | Média Móvel | Técnica para suavizar dados sequenciais, dando mais peso a valores mais recentes. | Ajuste de parâmetros durante treino para estabilizar oscilações. |
| 40 | Mutual Exclusion | Exclusão Mútua | Propriedade onde certas variáveis ou eventos são mutuamente exclusivos. | Modelos probabilísticos que garantem decisões exclusivas. |
