Glossário

A expressão por pessoa natural foi removida do artigo 20. O direito à revisão existe; a garantia de que um humano a faça, não.

Atacar o próprio sistema antes que outros o façam. O AI Act exige teste adversarial — e o que o fornecedor testou não é o que você montou.

A relação entre entrada e saída muda com o tempo e o modelo passa a errar sem que ninguém mexa nele. Não existe prazo de validade universal.

Pipeline, registry e serving são a maior parte do trabalho. E o 5% famoso atribuído a Sculley et al. não existe no artigo.

Método padrão para estimar desempenho em dados novos. Em dados temporais, a divisão aleatória vaza o futuro — o erro mais caro em modelos de propensão.

Mede o quanto o modelo se surpreende com o texto. O mesmo modelo e o mesmo dado mudam de valor só alterando o método de medição.

Acurácia, precisão, recall e F1 saem da matriz de confusão. Se 1% converte, prever que ninguém converte dá 99% de acurácia.

LoRA adapta modelos treinando 10.000× menos parâmetros. O paper original diz que iguala o ajuste completo; medição posterior diz o contrário.

Poda remove pesos pouco importantes. Em LLMs, 50% a 60% de esparsidade sem retreino — mas o número dos 90% vem de redes pequenas de visão.

Reaproveitar um modelo treinado para outra tarefa. É o que torna viável usar IA sem data center — e três técnicas circulam com os nomes trocados.