Artigos e Análises
Conteúdo especializado sobre Direito e Tecnologia, derivado do livro "Responsabilidade Civil por Inteligência Artificial" e da prática profissional.
1.3.5. IA Preditiva e IA Generativa: Aplicações e Implicações
arquiteturas conhecidas como redes geradoras adversárias (GAN). O gerador é responsável por criar amostras que imitam o conjunto de dados de treinamento, mas, inicialmente, suas produções são...
1.3.5. IA Preditiva e IA Generativa: Perspectivas e Desafios
soluções para problemas diversos – que não simplesmente reproduzem os dados existentes, mas, sim, criam composições originais baseadas nos padrões aprendidos durante o treinamento. Segundo a...
1.3.5. IA Preditiva e IA Generativa: Aspectos Práticos
tradições em sentenças judiciais, na velocidade de análise de uma petição, no aprimoramento da identificação de pessoas em situação de vulnerabilidade, entre outros possíveis usos131. Em suma, a...
1.3.5. IA Preditiva e IA Generativa: Análise Aprofundada
e suas aplicações em problemas específicos. Sob tal enfoque, abordaremos duas subcategorias de maior proeminência, a IA Preditiva e a IA Generativa, ambas diretamente derivadas das categorias...
1.3.5. IA Preditiva e IA Generativa: Conceitos Fundamentais
Esse é, portanto, o problema em comum apresentado pelas caixas-pretas em suas diferentes formas127: elas não nos permitem entender, explicar, rastrear ou auditar completamente como os dados são...
1.3.4. Caixas-Brancas e Caixas-Pretas: Aspectos Práticos
aplicadas em áreas onde a explicabilidade é tão importante quanto a precisão, como nas decisões médicas ou jurídicas, pois operam com códigos rastreáveis e auditáveis.123 Dentro da categoria da IA...
1.3.4. Caixas-Brancas e Caixas-Pretas: Análise Aprofundada
portamento de seres humanos ou de entidades racionais. Em outras palavras, sistemas que “pensam” e/ou agem como humanos, por um lado, e sistemas que “pensam” e/ou agem racionalmente, por outro. A...
1.3.4. Caixas-Brancas e Caixas-Pretas: Conceitos Fundamentais
Pode-se dizer que os sistemas de IA baseados em redes neurais artificiais destacam-se sobretudo no reconhecimento de padrões quando operam com grandes volumes de dados, incluindo informações não...
1.3.3.2. Redes Neurais Artificiais e Aprendizado Profundo: Análise Aprofundada
neural network, ANN) e da tipologia conhecida como aprendizado profundo (deep learning), diretamente relacionada com aquelas112. As redes neurais artificiais, ou simplesmente ANNs, recebem esse...
1.3.3.2. Redes Neurais Artificiais e Aprendizado Profundo: Conceitos Fundamentais
O aprendizado autossupervisionado (self-supervised learning) também pode ser entendido como uma abordagem intermediária que combina elementos dos dois métodos, embora de forma distinta: o modelo...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Considerações Críticas
A vantagem da auto-organização traz, por outro lado, riscos e problemáticas. Esse é um ponto nuclear do aprendizado de máquina não supervisionado: o processo não permite que os programadores...
1.3.3.1. Aprendizado de Máquina (Machine Learning): Fundamentos Jurídicos
No processo de preparação dos dados, são os humanos que etiquetam os modelos, como palavras, imagens e voz, para que a máquina possa aprender a identificá-los corretamente. Isso é crucial para a...