Os modelos discriminativos aprendem a distinguir pontos de dados determinando diretamente a fronteira entre classes – respondem à pergunta "A que categoria pertence esta entrada?". Exemplos são a regressão logística, as máquinas de vetores de suporte e muitos classificadores neuronais, por exemplo para a deteção de spam. Os modelos generativos, em contrapartida, captam a forma como os próprios dados surgem e, por isso, conseguem produzir novos exemplos.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoIA generativa designa sistemas de IA que criam conteúdos novos – texto, imagens, áudio, vídeo ou código de programação – em vez de se limitarem a ordenar ou avaliar dados existentes. Baseiam-se em modelos que aprendem padrões a partir de grandes quantidades de dados e os usam para produzir novas saídas plausíveis. Nas empresas, é usada, por exemplo, para redigir e-mails, resumos, descrições de produtos ou ideias de imagens. Os resultados podem conter erros e devem ser verificados antes de serem utilizados.
A regressão logística é um método estatístico que prevê a probabilidade de um de dois resultados, como "compra" ou "não compra". Pondera as características de entrada e converte a sua soma num valor entre 0 e 1 através de uma função em forma de S. Como os pesos são fáceis de interpretar, é muito utilizada na avaliação de crédito, na medicina e no marketing, muitas vezes como base sólida para modelos mais complexos.
Um classificador é um modelo ou método que atribui entradas a uma de várias categorias predefinidas. As variantes clássicas, como as árvores de decisão ou o naive Bayes, são treinadas com exemplos etiquetados; os modelos de linguagem também podem ordenar textos com base numa descrição das categorias. As utilizações típicas incluem a deteção de spam, a triagem de pedidos de clientes por tema e a categorização de recibos. A qualidade é medida com métricas como a exatidão, a precisão e a revocação.
Naive Bayes é uma família de métodos de classificação simples baseados no teorema de Bayes. São chamados «ingénuos» porque assumem que todas as características são independentes umas das outras, o que raramente acontece na prática, mas muitas vezes produz, ainda assim, bons resultados. Os métodos são rápidos, precisam de poucos dados de treino e são particularmente adequados para texto. Um exemplo clássico é o filtro de spam, que ordena os e-mails com base em palavras típicas.
