IA tradicional versus IA generativa: prever a partir de dados conhecidos ou compor novas saídas

Um banco quer saber se o pagamento com cartão que acabou de chegar é fraude. Uma prefeitura quer saber quantas pessoas vão à praia no próximo sábado. Uma equipe de suporte quer uma resposta redigida para um cliente irritado. As duas primeiras perguntas têm uma forma de resposta fixada de antemão — uma classe, um número — e o sistema só precisa escolhê-la ou estimá-la. A terceira não tem opção a escolher: a resposta precisa ser composta. Essa diferença na forma da resposta é a linha mais limpa entre IA tradicional e IA generativa, e é ela que decide qual das duas uma tarefa exige.^[2]

1. Duas perguntas, dois paradigmas

A IA tradicional opera sobre entradas e saídas definidas antes do treino. Ela não cria nada; aprende relações entre variáveis conhecidas para estimar uma resposta provável, que é exatamente o que previsão e apoio à decisão precisam.^[2] O paradigma depende de exemplos em que o sistema já sabe o que entrou e qual deveria ter sido o resultado.

A IA generativa aprende as regularidades internas dos dados e as usa para produzir novos exemplos coerentes com o que aprendeu.^[3] A pergunta muda de qual rótulo devo atribuir? para qual saída posso compor a partir dos padrões observados? — e é por isso que a resposta não precisa existir previamente como opção fechada: ela é construída no momento da interação.

Pratique: abrir no Lab: Exercício 1, Forma da resposta

2. IA tradicional: aprender com exemplos rotulados

Dados rotulados são registros em que cada exemplo já vem associado à categoria ou ao valor esperado: uma transação marcada como fraude ou normal, um cliente marcado como cancelou ou permaneceu, um dia marcado com o número de visitantes que de fato apareceram. Os rótulos existem porque o modelo precisa de uma referência explícita para aprender a mapear entrada para saída sem ambiguidade. Isso é aprendizado supervisionado: o procedimento de treino ajusta os parâmetros θ de uma função f_θ para que suas previsões cheguem o mais perto possível dos rótulos em todo o conjunto de treino.^[2]

A equação (1) diz tudo sobre a dependência dos rótulos: a perda L compara cada previsão com o seu rótulo y_i, e nada mais. Se os rótulos estiverem errados — por exemplo, imagens de cachorro marcadas como humano — o sistema aprenderá a associação errada, porque ele não tem como corrigir sozinho a semântica do dado: para o otimizador, o rótulo é a verdade. Erros de rotulagem não são uma curiosidade rara; uma auditoria de dez conjuntos de teste amplamente usados encontrou em média 3,3% de exemplos mal rotulados, o suficiente para mudar qual modelo fica em primeiro lugar.^[5]

Pratique: abrir no Lab: Exercício 2, Rótulos errados

3. Classificação e regressão: as duas formas de uma previsão

Classificação é a tarefa de escolher entre categorias discretas: cancelar ou permanecer, spam ou legítimo, fraude ou operação normal. Regressão estima uma quantidade contínua: volume de tráfego, demanda futura, o número de pessoas esperado na praia. As duas usam padrões observados no histórico, mas diferem no tipo de saída — classe fechada na classificação, valor numérico na regressão.^[2] Os modelos mais simples de cada família deixam o contraste explícito:

A equação (2) é a regressão logística, o cavalo de batalha da classificação binária: a mesma soma ponderada de (3), comprimida para uma probabilidade entre 0 e 1 pela função logística σ, e depois transformada em classe por um limiar. A equação (3) é a regressão linear: a soma ponderada é a resposta, sem classe envolvida. A Figura 2 mostra as duas em exemplos pequenos.

Pratique: abrir no Lab: Exercício 3, Classe ou número

4. Da previsão à decisão: scores, limiares e triagem

A IA tradicional observa padrões recorrentes e os transforma em decisão operacional. Em fraude bancária, o sistema aprende o comportamento usual de cada cliente — valores, horários, lugares, estabelecimentos — e sinaliza desvios com um score de risco.^[6] Em filtros de spam, separa mensagens com base em traços já reconhecidos como suspeitos, uma ideia que remonta aos filtros bayesianos do fim dos anos 1990.^[7] O valor prático está em automatizar triagem, priorização e recomendação em uma escala que nenhuma equipe de analistas alcançaria.

Pratique: abrir no Lab: Exercício 4, Do score à decisão

5. A limitação estrutural: um espaço de respostas fechado

A restrição desse paradigma é que ele generaliza sobre o que já foi aprendido, mas não sintetiza uma saída nova no sentido generativo. Ele identifica, classifica, ranqueia ou prevê dentro de um espaço de respostas já delimitado pelos dados de treino e pela tarefa. O modelo de fraude só pode dizer fraude ou normal; o modelo de visitantes só pode devolver um número; um recomendador só pode ranquear itens que existem no seu catálogo. Por isso recomendação, detecção e reconhecimento funcionam bem nesse modelo, enquanto criação aberta exige outra abordagem.^[2]

• Espaço de respostas fixado antes do treino. As classes, ou a faixa numérica, fazem parte do enunciado do problema; o modelo nunca acrescenta uma opção.
• Um rótulo por exemplo. O sinal de supervisão é explícito e caro: alguém precisou escrevê-lo, e os seus erros são aprendidos como fatos.
• Força onde o espaço é conhecido. Triagem, pontuação, ranqueamento e detecção são exatamente as tarefas cujas respostas são uma classe ou um número, e o paradigma continua sendo a ferramenta certa para elas.

6. IA generativa: aprender padrões para compor novas saídas

A IA generativa aprende as regularidades internas dos dados e as usa para produzir novos exemplos coerentes com o que foi aprendido.^[3] A mudança de mentalidade está em sair de qual rótulo devo atribuir? para qual saída posso compor a partir dos padrões observados?. Diferentemente da IA tradicional, ela pode aprender com muito menos dependência de rotulagem manual exaustiva: em vez de exigir que cada exemplo venha marcado com a resposta correta em formato rígido, ela explora grandes volumes de dados para captar estrutura, sequência, contexto e relações implícitas.^[4] Isso amplia a escala de treinamento e muda o tipo de conhecimento que o modelo consegue internalizar.

O truque é que o rótulo vem do próprio dado. Um modelo de linguagem é treinado para prever o próximo token de um texto que já existe; um modelo mascarado é treinado para preencher palavras que foram escondidas dele.^[8] Ninguém precisou anotar nada: cada frase na web é ao mesmo tempo uma entrada e a sua própria resposta. Formalmente o modelo aprende uma distribuição de probabilidade sobre sequências inteiras, fatorada um passo de cada vez:

Compare (4) com (2). O classificador devolve uma probabilidade sobre um punhado de classes fixadas de antemão. O modelo generativo devolve uma probabilidade sobre o próximo pedaço de uma saída, condicionada ao prompt e a tudo o que ele já escreveu — e, encadeando esses passos, atribui probabilidade a sequências que ninguém listou antes. O espaço de respostas deixa de ser um cardápio; passa a ser o conjunto de todas as saídas que os padrões aprendidos tornam plausíveis.

Pratique: abrir no Lab: Exercício 5, Duas formas de responder

7. Composição condicionada: prompt, contexto e coerência em entradas longas

O ponto novo, em contraste com a previsão tradicional, é que a saída não está pré-fixada como uma classe conhecida. Quando o usuário fornece uma instrução, o modelo usa o contexto recebido para determinar o que gerar — texto, imagem, som ou código. O resultado continua condicionado aos padrões aprendidos, mas é composto dinamicamente em vez de selecionado de uma lista de respostas possíveis.^[4]

Essa capacidade viabiliza escrita automatizada, geração de imagens, produção assistida de código e tradução automática sofisticada.^[9] Em tradução em tempo real, o sistema não apenas identifica palavras isoladas; ele recompõe a mensagem de forma coerente no idioma de destino, e foi por isso que a tradução neural ultrapassou os sistemas baseados em frases assim que a atenção permitiu ao decodificador olhar de volta para a parte certa da fonte.^[10] O mesmo princípio começa a aparecer em wearables e dispositivos embarcados — óculos inteligentes e smart rings — que usam geração contextual para apoiar interação contínua ao longo do dia: uma legenda para o que a câmera vê, uma resposta sugerida a partir das últimas mensagens, um resumo falado no fone de ouvido.

Modelos generativos modernos mantêm coerência em entradas maiores porque processam dependências entre partes distantes do conteúdo. O Transformer, apresentado no artigo anterior, é a base que lida melhor com contexto longo e sustenta a continuidade semântica durante a geração: a atenção deixa cada posição pesar diretamente todas as outras, em vez de depender de um estado que se apaga com a distância.^[1] Isso é decisivo em diálogo, tradução e produção de texto extenso, nos quais o sentido depende do que veio muito antes.

As duas formas de responder cabem em poucas linhas de código. A forma do valor devolvido é toda a diferença:

from math import exp

CLASSES = ["normal", "fraude"]          # espaço de respostas fechado: fixado antes do treino

def classificar(atributos, pesos, vies, limiar=0.5):
    # IA tradicional: um score para a classe positiva, depois uma decisão — equação (2)
    z = sum(w * x for w, x in zip(pesos, atributos)) + vies
    score = 1 / (1 + exp(-z))
    return CLASSES[int(score >= limiar)], score   # uma das opções conhecidas, mais o score

def prever_valor(atributos, pesos, vies):
    # regressão: um número, não uma classe — equação (3)
    return sum(w * x for w, x in zip(pesos, atributos)) + vies

def compor(tokens_do_prompt, modelo, max_novos=50, parada="<eos>"):
    # IA generativa: a resposta é construída token a token — equação (4)
    contexto = list(tokens_do_prompt)
    for _ in range(max_novos):
        distribuicao = modelo.distribuicao_proximo_token(contexto)   # p(x_t | prompt, x_<t)
        token = distribuicao.amostrar()
        if token == parada:
            break
        contexto.append(token)          # o que foi escrito passa a fazer parte do contexto
    return contexto[len(tokens_do_prompt):]   # uma sequência que ninguém listou antes

8. Múltipla escolha versus escritor: escolhendo o paradigma para a tarefa

A analogia mais útil é comparar a IA tradicional a um aluno de múltipla escolha e a IA generativa a um escritor. O primeiro escolhe entre alternativas já dadas; o segundo produz uma nova história a partir do repertório que acumulou. A implicação prática é direta: sistemas tradicionais são fortes quando o espaço de resposta é conhecido, enquanto sistemas generativos se destacam quando a tarefa exige composição, reformulação e criação condicionada ao contexto. A Tabela 1 coloca os dois lado a lado.

Tabela 1 — Os dois paradigmas comparados. Nenhum substitui o outro: um banco roda um classificador em cada transação e um modelo generativo só onde um texto precisa ser escrito.^[2,4]

9. Conclusão

A linha entre os dois paradigmas não é inteligência, tamanho ou idade; é a forma da resposta. A IA tradicional aprende com exemplos rotulados a escolher uma classe ou estimar um número dentro de um espaço definido antes do treino, o que a torna precisa, auditável e a ferramenta certa para detecção, ranqueamento e previsão. A IA generativa aprende os padrões do próprio dado e compõe uma saída que não existia como opção, condicionada ao prompt e a um contexto que o Transformer permite sustentar por trechos longos. Pergunte primeiro qual é a forma da resposta: se for um cardápio, use o aluno de múltipla escolha; se precisar ser escrita, chame o escritor — e mantenha um humano lendo o que o escritor produz. O próximo artigo abre a caixa de ferramentas do escritor: o mapa probabilístico que o modelo aprende em vez de um mapeamento, a autorregressão token a token, a self-attention em contexto longo e os embeddings que dão coordenadas ao significado.