Abstract:
Nos últimos anos, a evolução da Inteligência Artificial (IA) tem sido marcante, trazendo inovações em diversos campos, desde a medicina até a automação industrial. Entre as áreas mais promissoras da IA está a geração automatizada de conteúdo, capaz de criar textos, imagens, músicas e vídeos. Apesar dos avanços, a IA ainda enfrenta desafios como a necessidade de grandes quantidades de dados para treinamento e questões éticas. Dentro desse contexto, a IA generativa de prompt surge como uma ferramenta poderosa, criando conteúdos específicos e adaptados às necessidades dos usuários. Este trabalho tem como objetivo explorar os conceitos de IA, focando em algoritmos de Machine Learning e Redes Neurais, essenciais para a construção de IA generativa de prompt. Foram analisados algoritmos como Redes Generativas Adversárias (GANs), Modelos Autoregressivos, Redes de Memória Longa e Curta (LSTMs), Autoencoders Variacionais (VAEs) e Transformers, investigando suas capacidades, limitações e aplicações. A metodologia adotada combina pesquisa bibliográfica e análise prática, implementando e avaliando os modelos selecionados. A pesquisa busca fornecer uma boa base para a construção de IA generativa de prompt que possa trabalhar com conteúdos específicos selecionados pelos usuários, promovendo uma maior personalização e eficiência na geração de respostas e conteúdos.
