A Evolução da IA

A primeira rede neural treinável. Recebe entradas, aplica pesos e decide: 0 ou 1. Só funciona quando os grupos têm uma fronteira reta entre eles. O neurônio artificial em si é de 1943 (McCulloch-Pitts).

Empilha neurônios em camadas. Cada camada aprende algo mais abstrato — bordas → formas → objetos. Quebra a limitação de "só linha reta".

Calcula onde a rede errou e propaga a correção de trás para frente, ajustando cada peso. Sem ele, a rede não aprende — é o motor do treinamento.

Filtros deslizam pela imagem detectando bordas, texturas e formas. Não analisa pixels separados — enxerga hierarquicamente, como o cérebro visual humano.

Processa dados em sequência — texto, áudio, séries de tempo. Passa um estado interno hₜ a cada passo. Problema: "esquece" o que aconteceu muito antes.

Três portas de controle decidem o que esquecer, guardar e usar. Resolve o esquecimento de longo prazo da RNN — e abriu o caminho para NLP moderno.

O modelo aprende onde prestar atenção. Para gerar "tapete", foca em "tapete" e "vermelho" — não em "no". Não é programado: descobre as relações durante o treinamento.

Abandona leitura em série. Processa tudo em paralelo com atenção em múltiplas "cabeças". Google publicou em 2017 — base de todos os LLMs modernos.

Transformer em escala enorme + RLHF. O modelo passa a compreender intenção. O "chat" que você usa é esse LLM respondendo prompts com bilhões de parâmetros.

Um agente não só percebe o ambiente — ele raciocina, age e lembra. Esses 4 pilares formam o loop agêntico que dá autonomia real ao Claude Code.