Parte V · 4 — Índice remissivo e bibliografia

draft

Onde encontrar cada tópico no Compêndio, e as fontes canônicas que o embasam.

Índice remissivo temático

Tópico Onde tratar
Ciclo de vida (11 etapas) Parte I
Real × formal × metáfora I/04
Matrizes matemáticaciênciasinsumos I/03, V/02
Taxonomia (paradigmamodalidadearquitetura) Parte II
História da IA Parte III
Transformer / atenção IV/01 (LLM)
Difusão / geração de imagem IV/02
Visão (CNN/ViT) IV/03, IV/04
Áudiofalamúsica/vídeo IV/07–10
Sequências (RNN/SSM) IV/12, IV/13
IA simbólica IV/15–18
Bayesiano / ML clássico IV/19–22
Evolutivo / enxame IV/23–25
Aprendizado por reforço IV/26–29
Alinhamento (RLHF/RLAIF) IV/29
Agentes / RAG / neuro-simbólico IV/30–32
Recomendação / robótica IV/33, IV/34
Glossário V/01
Mapa das ciências V/03

Bibliografia — referências canônicas

Obras e marcos fundacionais citados ao longo do Compêndio. Lista de referência conceitual (verificar edição/DOI ao publicar; preferir fontes primárias).

Fundamentos e teoria

  • Turing, A. (1950). Computing Machinery and Intelligence.
  • Shannon, C. (1948). A Mathematical Theory of Communication.
  • McCulloch, W. & Pitts, W. (1943). *A Logical Calculus of Ideas Immanent in

    Nervous Activity.*

  • Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems.
  • Vapnik, V. (1995). The Nature of Statistical Learning Theory.

Deep learning e arquiteturas

  • Rumelhart, Hinton & Williams (1986). *Learning representations by

    back-propagating errors.*

  • Krizhevsky, Sutskever & Hinton (2012). ImageNet Classification with Deep CNNs

    (AlexNet).

  • Vaswani et al. (2017). Attention Is All You Need (Transformer).
  • Ho, Jain & Abbeel (2020). Denoising Diffusion Probabilistic Models.
  • Kaplan et al. (2020). Scaling Laws for Neural Language Models.

Aprendizado por reforço e alinhamento

  • Mnih et al. (2015). Human-level control through deep RL (DQN).
  • Silver et al. (2017). Mastering the game of Go without human knowledge

    (AlphaZero).

  • Ouyang et al. (2022). Training language models to follow instructions

    (InstructGPT/RLHF).

  • Bai et al. (2022). Constitutional AI (Anthropic, RLAIF).

Obras de referência (livros-texto)

  • Russell, S. & Norvig, P. Artificial Intelligence: A Modern Approach.
  • Goodfellow, Bengio & Courville. Deep Learning.
  • Bishop, C. Pattern Recognition and Machine Learning.
  • Sutton, R. & Barto, A. Reinforcement Learning: An Introduction.

Material interno relacionado

  • O antigo volume IA_Volume_Completo foi absorvido neste Compêndio (Partes V–VI +

    estado da arte) e aposentado — este Compêndio é o documento de referência.

Créditos e licença

  • Idioma: pt-BR (conforme policies/language.kmd).
  • Ilustrações: briefs F-* a substituir por arte final; fotos históricas

    preferir domínio público / Wikimedia (checar licença ao publicar).

  • Status: rascunho (draft) — estrutura completa das 5 partes; profundidade e

    arte evoluem por iteração.

Fim da Parte V. Com os apêndices, o Compêndio de Inteligência Artificial fecha sua estrutura completa: ciclo de vida (I), tipos em cards (II), história (III), capítulos enciclopédicos (IV) e referência (V).