CAPABILITIES
O que a IA é capaz de fazer
Quarenta capacidades, agrupadas em nove famílias conforme aquilo com que lidam. Cada uma explica o que significa, como é feita tecnicamente, onde é usada e quais produtos já a entregam.
Clique em qualquer célula para ver as capacidades que caem nessa combinação «entrada → saída».
Linguagem e conhecimento
10 capacidadesDe «escrever a primeira palavra» a «ler um texto inteiro»: esta família lida com as próprias sequências de símbolos — gerar, reescrever, traduzir, resumir, extrair, recuperar e raciocinar.
Geração de texto
Continua um texto palavra a palavra
Conversa e seguimento de instruções
Entender a intenção ao longo do diálogo e agir
Tradução automática
Converter texto de um idioma para outro
Sumarização de texto
Comprimir um texto longo em uma versão mais curta e fiel
Classificação de texto e sentimento
Atribuir um rótulo predefinido a um texto
Extração de informação e NER
Extrair nomes, lugares e relações de texto livre
Perguntas e respostas com recuperação
Recupera a evidência primeiro e responde a partir dela
Raciocínio e cadeia de pensamento
Decompor um problema difícil em passos intermediários
Embeddings de texto e busca semântica
Transformar frases em vetores e buscar os mais próximos por sentido
Reordenação de resultados
Reordenar candidatos pela relevância real
Compreensão visual
7 capacidadesFazer o modelo enxergar uma imagem. Da classificação mais básica a delimitar objetos, segmentar pixel a pixel, reconhecer texto e rostos e responder a perguntas sobre o que vê.
Classificação de imagens
Decidir a que categoria pertence a imagem inteira
Detecção de objetos
Desenhar uma caixa por objeto e nomeá-lo
Segmentação de imagens
Rotular cada pixel com o objeto a que pertence
Estimativa de pose e pontos-chave
Localizar articulações e reconstruir o esqueleto
Reconhecimento óptico de caracteres
Ler o texto de uma imagem como caracteres editáveis
Reconhecimento facial
Decidir se dois rostos são da mesma pessoa
Compreensão de imagens e VQA
Olhar uma imagem e responder perguntas livres
Geração e edição de imagem
5 capacidadesPartindo de uma descrição ou de um esboço, gerar, modificar e restaurar imagens. É a família da IA generativa que o público percebeu primeiro.
Texto para imagem
Transformar uma frase em imagem
Imagem para imagem
Regerar uma imagem semelhante a partir de outra
Edição de imagem e inpainting
Alterar um ponto da imagem com uma instrução escrita
Super-resolução e restauração
Deixar nítidas imagens pequenas, borradas ou antigas
Recorte e remoção de fundo
Recortar o sujeito limpo do fundo
Vídeo
4 capacidadesVídeo é uma imagem em movimento mais a dimensão do tempo. Esta família trata espaço e tempo ao mesmo tempo: gerar clipes, entender ações, editar cenas e sincronizar lábios.
Texto para vídeo
Transformar uma frase em um videoclipe
Imagem para vídeo
Colocar uma imagem estática em movimento
Compreensão de vídeo
Entender o que acontece em um vídeo
Edição de vídeo e sincronia labial
Reeditar ou redublar para os lábios acompanharem o áudio
Fala e música
4 capacidadesO som é ao mesmo tempo onda e série temporal. O reconhecimento de fala converte o som em texto, a síntese de fala faz o caminho inverso, e a geração de música e efeitos produz material audível direto.
Reconhecimento de fala
Transcrever áudio falado em texto
Síntese de fala
Ler texto em voz alta com voz natural
Clonagem e conversão de voz
Reproduzir uma voz a partir de poucas amostras
Geração de música e efeitos
Gerar música ou efeito sonoro a partir de uma descrição
3D
2 capacidadesElevar entradas bidimensionais a ativos tridimensionais: malhas, nuvens de pontos e cenas renderizáveis. É a montante de jogos, cinema e simulação de robôs.
Código e software
2 capacidadesCódigo é uma linguagem com gramática estrita. Esta família não apenas completa a próxima linha: ela lê todo o repositório, executa comandos e localiza e corrige erros.
Agentes e uso de ferramentas
3 capacidadesQuando o modelo pode chamar ferramentas, ler e escrever arquivos e operar o navegador, deixa de «responder perguntas» e passa a «concluir tarefas». Esta família trata de encadear ações em fluxos confiáveis.
Dados e documentos
3 capacidadesTransformar tabelas, documentos e layouts desorganizados em campos estruturados. É o primeiro obstáculo a superar ao conectar a IA a um processo de negócio real.