Conceitos centrais da IA generativa
Os modelos de fundação por dentro: tokens, embeddings, difusão, o ciclo de vida do FM, o preço por tokens, a engenharia de contexto e a IA agêntica com MCP.
Este é o tópico que transforma "a IA generativa é impressionante" em "eu sei o que está acontecendo aqui". Ele abre a arquitetura transformer, segue um documento até virar um índice pesquisável, mostra como imagens nascem de ruído e termina em agentes que decidem sozinhos o próximo passo. Entre um extremo e outro, ele torna concreta a conta que tudo isso gera.
A ordem é proposital. Cada lição usa o vocabulário da anterior: os tokens da lição 2 viram dinheiro na lição 6, e a janela de contexto da lição 7 só faz sentido depois que você sabe o que um token é. Nenhuma lição depende de uma posterior.
O que este tópico cobre
- o que define um modelo de fundação, como a self-attention lê a sequência inteira e por que um LLM é só um tipo de FM
- tokens, estratégias de chunking no Amazon Bedrock e embeddings como coordenadas de significado
- modelos multimodais, difusão direta e reversa, espaço latente e o contraste com GANs
- os oito casos de uso generativos do guia do exame, agrupados por capacidade e por perfil de risco
- os sete estágios do ciclo de vida do FM e por que a seleção do modelo herdou o peso do pré-treinamento
- preço por tokens, os modos on-demand, batch e Provisioned Throughput, e a economia do prompt caching
- context engineering: a janela de contexto como orçamento, o problema do lost in the middle e o limite entre RAG e fine-tuning
- IA agêntica: o laço de raciocinar, agir e observar, padrões multiagente e o Model Context Protocol
Por que isso importa
O Domínio 2 vale 24% do exame, e este tópico carrega a maior parte da Task Statement 2.1. Só que o retorno vai além da pontuação: quase todo o Domínio 3, o de maior peso, assume que você já domina esses termos. Perguntas sobre RAG, engenharia de prompts e ajuste fino ficam quase triviais depois que tokens, embeddings e janela de contexto estão claros.
No trabalho, o ganho é conseguir responder as perguntas que aparecem em reunião. Por que a fatura subiu quando ninguém mudou nada? Por que colar o manual inteiro no prompt piorou as respostas? Vale ajustar o modelo ou basta melhorar a recuperação? Cada uma dessas respostas está em uma das oito lições a seguir.