Glossário

Quando um modelo de IA gera informações que parecem plausíveis, mas são factualmente incorretas ou inteiramente fabricadas. No contexto jurídico, isso comumente se manifesta como citações de casos fictícios ou referências legislativas imprecisas.

Uma forma de sistemas de software se comunicarem entre si. APIs de IA permitem que desenvolvedores integrem capacidades de inteligência artificial em outras aplicações, incluindo plataformas de tecnologia jurídica.

Um subconjunto da IA em que os sistemas aprendem padrões a partir de dados, em vez de serem explicitamente programados. É a base da maioria das ferramentas modernas de IA.

O design de rede neural que sustenta os LLMs modernos. Introduzida em 2017, os transformers processam texto considerando simultaneamente as relações entre todas as palavras de uma entrada.

O conjunto de dados usado para treinar um modelo de IA. Para LLMs, isso normalmente inclui livros, sites, artigos acadêmicos e outros textos. A composição dos dados de treinamento afeta o comportamento e os vieses do modelo.

A habilidade de elaborar prompts eficazes para obter os resultados desejados da IA. Envolve a especificação de contexto, papel, instruções, formato e restrições.

Ferramentas de IA projetadas para uso organizacional, com segurança aprimorada, proteção de dados, controles de acesso e recursos de conformidade — diferentemente das ferramentas voltadas ao consumidor.

O grau em que o processo de tomada de decisão de um sistema de IA pode ser compreendido por humanos. Fundamental em aplicações jurídicas onde as decisões devem ser justificadas e passíveis de recurso.

O processo de treinar adicionalmente um modelo de IA de uso geral com dados especializados (por exemplo, textos jurídicos) para melhorar o desempenho em um domínio específico.

Uma abordagem estruturada para construir prompts jurídicos eficazes: Context (Contexto), Role (Papel), Action (Ação), Format (Formato), Tone (Tom). Desenvolvido para a Lawra para ajudar profissionais do direito a se comunicar efetivamente com sistemas de IA.

Sistemas de IA capazes de criar novos conteúdos — texto, imagens, código, áudio — em vez de simplesmente analisar dados existentes. ChatGPT, Claude, DALL-E e Midjourney são exemplos.

Um amplo campo da ciência da computação focado na construção de sistemas capazes de realizar tarefas que tipicamente requerem inteligência humana, como reconhecimento de padrões, compreensão de linguagem e tomada de decisões.

A quantidade máxima de texto (medida em tokens) que um LLM pode processar em uma única interação. Janelas de contexto maiores permitem o processamento de documentos mais longos.

Um tipo de IA treinada em grandes volumes de dados textuais que pode gerar, resumir, traduzir e analisar linguagem humana. Exemplos incluem GPT-4, Claude e Gemini.

Um subcampo da IA focado em capacitar computadores a compreender, interpretar e gerar linguagem humana.

A entrada de texto fornecida a um sistema de IA para guiar sua resposta. Na prática jurídica, a qualidade do prompt afeta diretamente a qualidade do resultado.

Uma técnica que aprimora as respostas da IA recuperando informações relevantes de uma base de conhecimento curada antes de gerar o resultado, reduzindo alucinações e melhorando a precisão.

O uso de IA e aprendizado de máquina para auxiliar na revisão de grandes volumes de documentos durante a fase de discovery em litígios. Aprovada judicialmente em muitas jurisdições.

A unidade básica de texto que um LLM processa. Equivale aproximadamente a três quartos de uma palavra em português. Os modelos possuem limites de tokens que restringem o comprimento da entrada e da saída.

Erros sistemáticos nos resultados da IA que refletem preconceitos nos dados de treinamento ou no design do modelo. No contexto jurídico, isso pode afetar recomendações de sentença, ferramentas de contratação e avaliações de risco.