Prompt, output, hallucination: as palavras de AI que soam mais estranhas do que são

Você abre uma ferramenta de AI e alguém manda você "write a better prompt". Depois avisa que o model pode "hallucinate", e comenta que o seu texto custa um certo número de "tokens". Se você parasse para pensar nessas palavras isoladamente, elas soariam bizarras. Uma ferramenta que alucina? Tokens, como fichas de fliperama?

A boa notícia: essas palavras não são tão estranhas quanto parecem. Cada uma toma emprestada uma palavra do dia a dia e lhe dá uma função estreita e específica. Quando você aprende a função, o vocabulário deixa de intimidar e começa a ser útil.

Ajuda pensar nessas palavras como fantasias. Uma palavra familiar veste uma fantasia de tecnologia e entra numa sala nova. "Prompt" parece igual por fora, mas dentro da sala de AI significa algo específico. A sua tarefa é simplesmente reconhecer em qual sala você está, para ler a palavra do jeito certo.

Resposta rápida

Em AI, um prompt é a instrução ou pergunta que você digita, o output é o que o sistema produz em resposta, uma hallucination é um pedaço confiante porém errado desse output, um token é um pequeno fragmento de texto que o sistema processa, e um model é o próprio sistema treinado. Nenhuma delas significa o que significaria numa mesa de jantar, e é nessa lacuna que as pessoas se confundem.

Palavras-chave

• Prompt. Aquilo que você entrega à AI: a sua pergunta, instrução ou texto. "Write me a prompt" quer dizer "escreva o input que você vai enviar".
• Output. O que quer que o sistema gere de volta. É deliberadamente neutro. Dizemos "output" em vez de "answer" porque o resultado não tem garantia de estar correto, nem mesmo de ser sobre o tema.
• Hallucination. Um pedaço de output confiante e fluente que é simplesmente inventado ou errado. O fato falso, a citação inventada, a referência que não existe.
• Token. Um pequeno pedaço de texto, muitas vezes uma palavra ou parte de uma palavra, usado como unidade que o sistema lê e conta. Tamanho e custo costumam ser medidos em tokens.
• Model. O sistema treinado que produz o output. "The model" é a coisa que faz o trabalho, não uma pessoa nem um exemplo a copiar.
• Context. O texto a que o sistema está prestando atenção no momento, incluindo o seu prompt e a conversa recente. Uma "context window" é quanto texto ele consegue segurar de uma vez.
• Fine-tune. Pegar um model existente e treiná-lo um pouco mais com material específico para que ele se comporte de certa forma. Não é "fazer um pequeno ajuste à mão", mas um passo de training real, ainda que menor.

Armadilhas comuns

Uma armadilha comum é ouvir prompt e pensar nos seus sentidos cotidianos. No inglês do dia a dia, "prompt" pode significar rápido ("a prompt reply") ou lembrar alguém de algo ("she prompted him to speak"). Em AI é um substantivo: o texto de input. Então "improve your prompt" não significa "seja mais rápido", significa "reescreva a instrução que você digitou".

A palavra output derruba as pessoas porque elas esperam que signifique "a resposta correta". Não significa. Output é só o que saiu. Pode ser brilhante, pode ser besteira. Manter a palavra neutra em mente protege você de confiar nos resultados rápido demais.

Hallucination soa dramática, até médica, e muita gente supõe que significa que a AI está quebrada ou tendo algum tipo de surto. É mais calmo que isso. É um termo técnico simples para um output que é fluente e confiante, mas falso. O sistema não está vendo coisas; está preenchendo uma lacuna com um texto de aparência plausível. O perigo é exatamente que ele não parece um erro, parece liso.

Token confunde quase todo mundo no começo. Não é uma ficha, um presente, um gesto ("a token of thanks") nem um passe de segurança. Em AI é um fragmento de texto. Quando uma ferramenta diz que você tem um limite de tantos tokens, está falando de quanto texto ela consegue processar, não de uma moeda que você gasta em prêmios.

Por fim, model soa como se devesse significar uma pessoa que posa para fotos, ou um exemplo perfeito a imitar ("a model student"). Em AI significa o próprio sistema treinado. "Which model are you using?" pergunta qual sistema treinado, não qual exemplo nem qual modelo a seguir.

Uma armadilha mais silenciosa se esconde em context. Na conversa do dia a dia, context significa pano de fundo ou situação ("in this context"). Em AI tem um contorno preciso: é o texto específico que o sistema consegue ver no momento. Quando as pessoas dizem "it forgot, the context ran out", querem dizer que a conversa ficou mais longa do que o sistema conseguia segurar, não que ele perdeu o interesse. E fine-tune, no inglês casual, significa fazer um retoque mínimo ("fine-tune the wording"). Em AI nomeia uma rodada adicional real de training. Então "we fine-tuned the model" é uma ação maior do que "we tweaked a setting", mesmo que a palavra cotidiana soe suave e modesta.

Em todas elas, o padrão é o mesmo: uma palavra suave e familiar esconde uma função técnica precisa. Os mal-entendidos não vêm de as palavras serem difíceis, mas de confiarmos no sentido cotidiano um instante demais. Vá com calma em cada termo, anexe a sua função estreita, e a confusão se dissipa.

Exemplos naturais vs. esquisitos

Esquisito: I gave the AI a quick prompt, so it answered promptly with the right output.

Natural: I typed a short prompt, and the model produced an output I still had to check.

Menos natural: The model hallucinated, so something must be seriously wrong with it.

Melhor: The model hallucinated a source, so I verified the claim before trusting it.

Esquisito: My message used too many tokens, like spending coins.

Natural: My message was long, so it used a lot of tokens.

Esquisito: This AI model is a real role model for writing.

Natural: This model produces strong writing, though it still makes mistakes.

As versões naturais mantêm as palavras nas suas funções técnicas estreitas e evitam deixar os sentidos cotidianos entrarem de contrabando.

Menos natural: The conversation got too long, so the AI lost interest in the context.

Melhor: The conversation got too long, so it ran past the context the model could hold.

Aqui "lost interest" contrabandeia um sentimento. O model não tem interesse a perder. Ele simplesmente não conseguiu manter todo o texto anterior à vista.

Mini tabela

Prática rápida

Preencha a lacuna com uma de: prompt, output, hallucination, token, model. Confira depois.

1. The system invented a study that does not exist; that is a ________.
2. The instruction you type into the tool is the ________.
3. Long text costs more because it uses more ________s.
4. Whatever the tool generates back is its ________.
5. The trained system answering you is the ________.

Respostas:

1. hallucination
2. prompt
3. token
4. output
5. model

Verificação bônus: em "she gave a prompt reply", "prompt" está no sentido de AI? (Não. Ali significa rápido, o sentido cotidiano.)

Conclusão

Este vocabulário só soa estranho porque cada palavra toma emprestada uma palavra comum e lhe entrega uma função única e específica. Um prompt é o seu input, output é o resultado bruto, uma hallucination é besteira confiante, um token é um fragmento de texto, e um model é o próprio sistema. Mantenha cada palavra no seu sentido estreito, especialmente output e hallucination, e você vai ler textos de AI sem se encolher e falar dessas ferramentas como alguém que de fato sabe o que as palavras fazem. Os termos não são magia profunda. São só rótulos, e agora são seus.