Glossário do Futuro

Inteligência Artificial Geral. Hipotético sistema de IA capaz de aprender e resolver qualquer problema intelectual com a mesma flexibilidade de um humano — transferindo conhecimento entre domínios, adaptando-se a situações inéditas. Diferente da IA atual, que é "estreita": excelente em tarefas específicas mas incapaz de generalizar como humanos fazem. Quando AGI chegará? Pesquisadores sérios divergem em décadas.

O problema de garantir que sistemas de IA façam o que humanos realmente querem — não apenas o que foi especificado. Um sistema treinado para "maximizar engajamento" pode aprender a criar dependência. Não porque foi programado assim, mas porque esse comportamento emerge como estratégia eficaz. O alinhamento é a área de pesquisa que tenta resolver esse problema antes que sistemas mais capazes o tornem crítico.

Quando um modelo de IA produz informações falsas com a mesma confiança e fluência das verdadeiras. Cita artigos que não existem, inventa datas, declara fatos incorretos com precisão total. Não é um bug a ser corrigido — é consequência estrutural de como modelos de linguagem funcionam (predição de padrões, não verificação de verdades). Regra prática: nunca use dado factual gerado por IA em decisão importante sem verificar a fonte.

Modelo de Linguagem Grande. A arquitetura por trás do ChatGPT, Claude, Gemini e outros. Treinado em volumes massivos de texto, aprende a prever qual sequência de palavras é mais provável dado um contexto. Não "pensa" no sentido humano — processa padrões estatísticos com sofisticação extraordinária. O "Large" refere-se a bilhões de parâmetros (pesos ajustáveis) aprendidos durante o treinamento.

A entrada que você fornece a um modelo de IA — a pergunta, instrução ou contexto que inicia a geração de resposta. A qualidade do prompt determina diretamente a qualidade da resposta. O Burrinho prefere chamar de "a arte de perguntar": uma habilidade real, treinável e que faz diferença imediata nos resultados.

A arte e ciência de construir instruções eficazes para IAs. Envolve saber como dar contexto, exemplos, restrições e tom para obter respostas úteis e precisas. Não exige programação — exige clareza de pensamento. Uma das habilidades mais valiosas e mais acessíveis do momento. "Aja como um nutricionista experiente. Meu objetivo é perder 5kg. Me dê um plano semanal" gera resultado radicalmente diferente de "dicas de dieta".

A unidade básica que modelos de linguagem processam — aproximadamente 0,75 palavra em português. A janela de contexto é o número máximo de tokens que o modelo consegue "manter em mente" numa conversa. Quando a conversa excede esse limite, informações antigas podem ser "esquecidas". Modelos modernos têm janelas de centenas de milhares de tokens — o equivalente a vários romances.

Processo de treinar adicionalmente um modelo já existente com dados específicos — tornando-o especialista num domínio. É como pegar um médico generalista e fazê-lo fazer especialização em cardiologia. Um LLM com fine-tuning em jurisprudência brasileira responde questões legais com muito mais precisão e vocabulário correto do que o modelo base.

Uma IA capaz de executar ações autônomas — não só responder, mas planejar, usar ferramentas, navegar na web, executar código e completar tarefas em várias etapas com mínima supervisão humana. É a próxima fronteira dos LLMs. Um agente que pesquisa voos, compara preços, reserva e envia o comprovante por e-mail — tudo sozinho — é um agente de IA em ação.

Sistema hipotético de IA que supera a inteligência humana em todos os domínios — criatividade, sabedoria, habilidades sociais, além de capacidades cognitivas puras. Nick Bostrom popularizou o conceito em 2014. Ainda teórico, mas central nos debates de segurança de IA. Diferente de AGI: AGI iguala humanos em generalização; superinteligência os supera em tudo.

Tendências sistemáticas nos outputs de modelos de IA que refletem desigualdades ou preconceitos nos dados de treinamento. Um modelo treinado predominantemente em texto anglófono, produzido por pessoas com acesso à internet no Hemisfério Norte, terá pontos cegos sobre outras experiências. O viés não é intencional — emerge estruturalmente. Um sistema de recrutamento com IA pode favorecer candidatos masculinos porque foi treinado em histórico de contratações antigas.

Técnica que combina um modelo de linguagem com um sistema de busca em documentos externos. Em vez de depender apenas do conhecimento treinado, o modelo busca informação relevante em bases de dados específicas antes de responder — reduzindo alucinações em domínios especializados. O NotebookLM do Google usa esse princípio: o modelo só responde com base nos documentos que você carregou.

Modelo de IA capaz de processar e gerar múltiplos tipos de dados — texto, imagens, áudio, vídeo — numa única arquitetura. GPT-4o e Claude são exemplos: conseguem analisar uma foto de um prato e estimar calorias, ou ler um gráfico e explicar a tendência. A evolução multimodal expande dramaticamente as aplicações práticas e os riscos (especialmente deepfakes de áudio e vídeo).

O processo pelo qual um modelo de IA aprende. Envolve expor o sistema a enormes volumes de dados e ajustar bilhões de parâmetros internos para minimizar erros de predição. Um modelo como o Claude foi treinado por semanas em hardware especializado usando textos equivalentes a milhares de vezes a Biblioteca do Congresso americano. O corte de treinamento é a data após a qual o modelo não tem conhecimento atualizado do mundo.

Órbita Terrestre Baixa. Região entre 200 e 2.000 km acima da Terra onde operam a Estação Espacial Internacional, a maioria dos satélites comerciais e os primeiros datacenters orbitais. Vantagem para datacenters: energia solar abundante, refrigeração passiva pelo vácuo e latência menor que órbitas mais altas. Em 2026, a LEO abriga mais de 8.000 satélites ativos.

Programa da NASA para retornar humanos à Lua com presença permanente — diferente das visitas Apollo (que chegavam e voltavam). A Artemis II (lançada em 1º de abril de 2026) foi o primeiro voo tripulado ao redor da Lua em 54 anos. A Artemis III (prevista para 2027) pousará no Polo Sul lunar pela primeira vez, onde há evidências de gelo de água — recurso fundamental para bases permanentes.

Veículo de lançamento totalmente reutilizável da SpaceX — 120 metros de altura, maior foguete já construído. Projetado para transportar 100+ toneladas a órbita baixa, com capacidade para missões lunares e marcianas. A reutilização completa é o que torna viável economicamente a exploração em escala. Em 2024, a SpaceX demonstrou a captura do booster na torre de lançamento usando braços mecânicos — um feito sem precedente na história espacial.

Utilização de Recursos In-Situ. A capacidade de produzir combustível, oxigênio e materiais usando recursos presentes no destino, em vez de trazê-los da Terra. Absolutamente crítico para Marte: uma missão de retorno requer ~2.400 toneladas de combustível — impossível trazer da Terra. O ISRU marciano usaria CO₂ atmosférico e água do subsolo para produzir metano e oxigênio líquido.

Período em que o alinhamento orbital entre Terra e Marte permite a viagem mais eficiente em combustível. Ocorre a cada 26 meses. Cada janela perdida atrasa o cronograma em mais dois anos — o que torna cada tentativa de lançamento critical path para missões marcianas. A próxima janela favorável após 2026 abre em 2028.

Estação espacial em órbita lunar planejada pela NASA e parceiros internacionais como plataforma permanente para missões à superfície da Lua. Diferente da ISS (em órbita terrestre), o Gateway orbitará a Lua, servindo como base intermediária. Previsto para 2028-2030. Parte da estratégia Artemis de presença lunar permanente e eventual ponto de parada para missões a Marte.

Satélite equipado com hardware computacional (GPUs, servidores) para processar dados e rodar modelos de IA em órbita. Vantagens: energia solar ilimitada e gratuita, refrigeração passiva pelo vácuo, sem restrições de zoneamento terrestre. A Starcloud lançou o primeiro em novembro de 2025 com um GPU NVIDIA H100. Desafios reais: radiação cósmica, custo de lançamento, debris espacial, manutenção impossível.

O novo setor de empresas privadas que estão tornando o acesso ao espaço mais barato, mais frequente e mais inovador — SpaceX, Blue Origin, Rocket Lab e centenas de startups. É a comercialização do espaço, antes exclusivo de governos. Em 2024, os custos por kg lançado à órbita caíram 90% em relação a 2000. Isso tornou viável satélites pequenos, datacenters orbitais e, eventualmente, turismo espacial.

Conceito de Nassim Taleb: sistemas que se fortalecem com a desordem, em vez de simplesmente resistir a ela (robusto) ou quebrar (frágil). Uma carreira antifrágil ganha com mudanças tecnológicas porque foi construída com redundâncias, habilidades diversas e capacidade de adaptação. O contrário de uma carreira que depende de um único empregador, habilidade ou setor.

Conjunto de expertise, reputação e competências que funcionam independentemente de empregador, cidade ou país. Com IA como amplificador, um profissional solo pode operar com a capacidade de uma pequena equipe. Componentes essenciais: especialidade profunda, presença digital com evidências de competência, rede de confiança construída ao longo do tempo.

Aprender habilidades completamente novas para atuar em uma área diferente da atual. Diferente do upskilling (melhorar o que já sabe), o reskilling é uma mudança de direção — muitas vezes necessária quando a automação transforma um setor inteiro. Um operador de caixa que aprende análise de dados para trabalhar em logística faz reskilling.

Desenvolver e aprofundar habilidades já existentes para se manter relevante no mercado. Enquanto o reskilling é mudar de trilho, o upskilling é andar mais rápido no mesmo trilho — mas com ferramentas melhores. Um contador que aprende a usar IA para automatizar relatórios está fazendo upskilling — mantendo a profissão, ampliando a capacidade.

Perfil de competência com profundidade vertical numa área específica (o traço vertical do T) combinada com amplitude horizontal em múltiplas áreas adjacentes. Mais resiliente à automação que perfis hiperspecializados porque permite adaptação quando a especialidade principal é parcialmente automatizada. A IA tende a automatizar o traço vertical — o horizontal, mais contextual e relacional, resiste mais.

O mercado econômico gerado pelo envelhecimento populacional — bens, serviços e oportunidades voltados para pessoas com 60+ anos. No Brasil, o IBGE projeta mais de 30% da população acima de 60 anos em 2050. A combinação de maturidade profissional com ferramentas de IA cria oportunidades de alta margem para profissionais experientes que se adaptam tecnologicamente.

Pessoa que trabalha remotamente usando tecnologia e escolhe viver em países diferentes por períodos variados. Requer disciplina, planejamento financeiro e habilidades digitais. Não é férias permanentes — é um estilo de vida que exige estrutura real: fusos horários, impostos internacionais, vistos, saúde no exterior. A infraestrutura para isso melhorou dramaticamente com IA e ferramentas de colaboração.

Setor econômico baseado em criatividade, cultura, arte, design, tecnologia e propriedade intelectual. Inclui criadores de conteúdo, designers, músicos, desenvolvedores de jogos, escritores — todos que monetizam criatividade. Em 2026, a economia criativa global vale US$985 bilhões. Um canal do YouTube de desenvolvimento pessoal como o Burrinho Esforçado faz parte dela.

O fenômeno em que habilidades e conteúdos digitais perdem valor rapidamente porque IA pode gerá-los em escala e custo zero. Design básico, redação genérica e código simples estão sendo commoditizados. A resposta: especialização profunda, perspectiva humana única e criatividade genuína — o que a IA pode imitar mas não originar.

O tempo necessário para que metade do conhecimento específico de uma área se torne obsoleto. Em tecnologia, a IBM estima em ~2,5 anos (era 10-12 anos em 1980). Isso não significa que o aprendizado perdeu valor — significa que o método de aprendizado contínuo vale mais que qualquer conteúdo específico memorizado. O lifelong learning deixou de ser virtude e virou necessidade estratégica.

A prática de continuar aprendendo intencionalmente ao longo de toda a vida adulta — não só na escola ou na faculdade. Em mundo de mudança acelerada, é uma necessidade estratégica, não um hobby. É a filosofia central do Burrinho Esforçado: a pessoa que aprende todos os dias, devagar, constrói algo que nenhuma graduação isolada garante.

Modelo educacional que adapta conteúdo, ritmo e abordagem às necessidades de cada aluno — usando dados e IA para ajustar o percurso em tempo real. O oposto da sala de aula padrão onde todos aprendem a mesma coisa do mesmo jeito ao mesmo tempo. Um app que detecta que você tem dificuldade em frações e muda a abordagem antes que você desista é aprendizado personalizado.

Aprendizado em fragmentos pequenos e focados — vídeos de 3 minutos, fichas de estudo, pílulas de conhecimento diárias. Alinha-se com como o cérebro retém informação: repetição espaçada em doses pequenas funciona melhor do que sessões longas e raras. Aprender 3 palavras em inglês por dia via app é microlearning mais eficaz do que 3 horas de aula por semana.

Certificações, badges e comprovações de competência que não são diplomas universitários tradicionais — mas provam habilidades reais e específicas. Emitidas por plataformas (Coursera, Google, MIT OpenCourseWare), empresas ou organizações setoriais. Uma certificação Google em análise de dados pode valer mais para um empregador do que um diploma genérico de 4 anos.

A capacidade de ler, entender, questionar e comunicar informações a partir de dados. Não é sobre programar — é sobre não ser enganado por gráficos manipulados, estatísticas mal apresentadas ou correlações falsas. É a literacia do século XXI. Perceber que um gráfico começa no eixo Y em 80% (não em 0%) para exagerar uma diferença pequena é alfabetização de dados em ação.

Conteúdo de vídeo, áudio ou imagem gerado ou manipulado por IA para fazer parecer que alguém disse ou fez algo que não disse ou fez. O termo combina "deep learning" com "fake". A ameaça mais profunda não é o deepfake individual — é a erosão sistêmica da confiança em qualquer evidência audiovisual. Em 2026, deepfakes de voz podem ser gerados com segundos de áudio de referência.

Abordagem da Anthropic para treinar modelos de IA com valores explícitos — uma "constituição" de princípios que o modelo usa para auto-avaliar e corrigir seus outputs. Diferente de simplesmente filtrar respostas indesejadas, o CAI tenta fazer o modelo internalizar valores durante o treinamento. É a base filosófica por trás do Claude — o modelo que alimenta o Coach Burrinho.

Modelos open source (Llama da Meta, Mistral) disponibilizam pesos e código publicamente — qualquer pessoa pode rodar, modificar e usar. Modelos closed source (GPT-4, Claude) são proprietários. Tensão central: open source democratiza acesso e permite auditoria independente; closed source permite mais controle de segurança mas concentra poder. O debate está longe de ser resolvido e define o futuro da governança de IA.

As políticas que determinam como seus dados de conversas com IA são usados. Em geral: versões gratuitas podem usar conversas para treinar modelos futuros; versões pagas oferecem mais proteções; APIs corporativas geralmente garantem que dados não são usados para treinamento. Regra prática: nunca insira em ferramenta gratuita de IA o que não colocaria numa mensagem pública.

Conceito aristotélico: sabedoria prática — a capacidade de julgamento ético correto em situações concretas e complexas. Diferente de seguir regras: a phronesis requer experiência acumulada, sensibilidade ao contexto e a capacidade de equilibrar valores em conflito. A IA não tem phronesis — pode aplicar regras, não pode exercer julgamento ético situado. É o que torna humanos insubstituíveis nas decisões que importam.

Uma "tomada padronizada" que permite que sistemas diferentes se comuniquem. Quando um app usa o mapa do Google ou quando o Coach Burrinho usa a IA da Anthropic, está usando uma API. É a linguagem comum entre softwares independentes. Saber que APIs existem — mesmo sem programar — ajuda a entender como ferramentas se conectam e por que algumas integrações funcionam ou falham.

Tipo de computação que usa princípios da mecânica quântica para processar informação de formas impossíveis para computadores clássicos. Promete resolver problemas enormes — descoberta de medicamentos, criptografia, logística — muito mais rapidamente. Ainda em fase inicial de escala: os computadores quânticos atuais são frágeis, caros e só úteis em domínios específicos. Mas a IBM, Google e startups estão avançando rapidamente.

A rede de objetos físicos conectados à internet — de relógios inteligentes a geladeiras, de sensores agrícolas a carros. Cada dispositivo coleta dados, processa informações e pode ser controlado remotamente. Em 2030, estima-se 30 bilhões de dispositivos IoT. O volume de dados gerado está transformando manufatura, agricultura, saúde e cidades — e criando novos riscos de privacidade e segurança.

Software cujo código-fonte é público — qualquer pessoa pode ler, modificar e distribuir. É a base da internet moderna: Linux, Python, Firefox e metade das ferramentas de IA mais poderosas são open source. É colaboração em escala global: milhares de pessoas contribuindo voluntariamente para criar software que empresas usam para gerar bilhões — e que qualquer pessoa pode usar de graça.

Ponto hipotético no futuro em que a IA se torna capaz de melhorar a si mesma de forma autônoma, criando um loop de melhoria exponencial além da compreensão ou controle humano. Ray Kurzweil previu isso para 2045. Controverso: muitos pesquisadores sérios consideram a singularidade mais metáfora do que previsão técnica. O que é indiscutível: a velocidade de desenvolvimento de IA está acelerando em ritmo sem precedente histórico.

Mudança de perspectiva cognitiva descrita por astronautas ao verem a Terra do espaço — a percepção visceral da fragilidade do planeta, da ausência de fronteiras visíveis e da unidade da espécie humana. Frank White cunhou o termo em 1987. Relevante para o Burrinho: é a versão espacial do que Marco Aurélio descrevia como "ver as coisas de cima" — ganhar perspectiva sobre o que realmente importa.

Crescimento onde o valor dobra a cada período. O cérebro humano é wired para crescimento linear (mais um a cada passo). Crescimento exponencial é contraintuitivo: parece lento no início e depois surpreendentemente rápido. A IA, os custos de lançamento espacial e várias tecnologias emergentes seguem curvas exponenciais que enganam quem projeta com intuição linear — inclusive gestores, políticos e investidores.

A data após a qual um modelo de IA não possui conhecimento atualizado do mundo. O Claude tem corte em agosto de 2025 — eventos após essa data são desconhecidos para o modelo (a menos que tenha acesso a busca na web). Implicação prática: perguntas sobre eventos recentes, leis novas ou tecnologias lançadas depois do corte podem gerar respostas desatualizadas apresentadas com falsa confiança.