"IA" é usado para descrever tudo, de um filtro de spam a um chatbot até a ferramenta que fez aquele vídeo viral no seu feed. Aqui está a única coisa específica que "IA generativa" significa, como esses modelos realmente aprendem, e onde as ferramentas deste site se encaixam.
A maior parte da IA com que a maioria das pessoas interage no dia a dia é discriminativa, não generativa — ela olha algo que já existe e faz um julgamento sobre isso: este e-mail é spam, esta foto contém um rosto, este vídeo deve ser recomendado a você a seguir. A IA generativa é um trabalho diferente: em vez de julgar conteúdo existente, ela produz conteúdo novo — um parágrafo de texto, uma imagem, um clipe de vídeo, uma gravação de voz — a partir de um prompt ou de uma entrada inicial. O ChatGPT escrevendo um e-mail, o Midjourney desenhando uma imagem, e o Runway ou Veo gerando um clipe de vídeo são todos IA generativa. Um filtro de spam não é, mesmo que ainda seja "IA" no sentido mais amplo.
Treinar um modelo generativo significa mostrar a ele um número enorme de exemplos reais do que quer que ele deva produzir — bilhões de frases para um modelo de texto, conjuntos de dados enormes de imagens ou vídeo para um modelo de imagem ou vídeo — e ajustar os parâmetros internos do modelo (pode haver bilhões deles) para que ele fique progressivamente melhor em prever padrões dentro desses dados: qual palavra plausivelmente vem a seguir, quais valores de pixel plausivelmente pertencem ao lado de quais outros valores de pixel. Fundamental: o modelo não está armazenando e reproduzindo exemplos de treinamento específicos do jeito que um mecanismo de busca retorna uma página web armazenada. Ele está aprendendo padrões estatísticos gerais o suficiente para aplicá-los a um prompt totalmente novo que nunca encontrou durante o treinamento — o que é tanto a fonte da sua utilidade (consegue lidar com pedidos genuinamente novos) quanto a fonte das suas falhas mais estranhas (está sempre produzindo seu melhor palpite estatístico, mesmo quando esse palpite está errado).
Um modelo generativo não está consultando nada nem checando um fato — está produzindo a continuação estatisticamente mais plausível do prompt que recebeu, inteiramente com base em padrões aprendidos durante o treinamento. Para modelos de texto, isso aparece como informação incorreta afirmada com confiança, muitas vezes chamada de "alucinação". Para modelos de imagem e vídeo, aparece como o mesmo punhado de falhas visuais recorrentes em conteúdo completamente não relacionado: dedos extras ou malformados, joias e texto pequeno que se deformam ou saem como rabiscos, detalhes finos que não resistem a um exame atento. Esses não são bugs aleatórios específicos de uma ferramenta — são artefatos do que é estruturalmente difícil para esse tipo de modelo acertar exatamente: detalhe fino, preciso e governado por regras (um número exato de dedos, formas de letra exatas) é um alvo estatístico muito mais difícil de acertar de forma consistente do que um amplo e tolerante (uma pose geral, uma paleta de cores geral).
Os geradores de vídeo com IA (Runway, Pika, Kling, Seedance, Veo e outros) são IA generativa aplicada especificamente a vídeo: entra uma descrição de texto ou uma imagem de referência, e sai um clipe de vídeo novo e curto — quadros que o modelo construiu, não filmagem que foi filmada. É a mesma ideia subjacente de um gerador de texto ou imagem, só com a complexidade adicional de que cada quadro tem que ficar visualmente consistente com os quadros ao redor. Veja nosso explicador dedicado sobre como a geração de vídeo com IA realmente funciona para a mecânica, ou nosso tour dos tools de verdade, amigável para iniciantes, se você só quer saber o que está por trás dos vídeos que inundam seu feed.
Vale ser preciso sobre isso, porque os dois são confundidos: a remoção de fundo com IA (o que o RemoveGifBG faz) é construída sobre uma família de técnicas de rede neural intimamente relacionada, mas não é generativa no mesmo sentido. Seu trabalho é classificação, não criação — para cada pixel em uma imagem ou quadro de vídeo, decide se é parte do sujeito ou parte do fundo, e então mantém um e descarta o outro. Não está inventando pixels novos do jeito que um gerador de imagem inventa uma cena inteira a partir de um prompt de texto; está tomando uma decisão de manter-ou-descartar sobre pixels que já existem. Veja como a remoção de fundo com IA realmente funciona para os detalhes, e por que é um problema muito mais difícil em vídeo e GIFs do que em uma foto única.
A versão curta
Veja Como a Geração de Vídeo com IA Funciona
Relacionados: Como funciona a remoção de fundo com IA · Como os vídeos com IA são feitos (guia para iniciantes) · Todos os guias
É uma categoria de modelos de IA treinados para produzir conteúdo novo — texto, imagens, vídeo, áudio, código — em vez de apenas classificar ou analisar conteúdo existente. Um filtro de spam ("este e-mail é spam ou não") é IA mas não generativo. Uma ferramenta que escreve um e-mail, desenha uma imagem ou gera um vídeo a partir de uma descrição é generativa: a saída é material novo que o modelo constrói, não um rótulo aplicado a algo que já existia.
O treinamento expõe o modelo a uma quantidade enorme de conteúdo de exemplo existente (texto, imagens ou vídeo, dependendo do que ele deve gerar) e ajusta milhões ou bilhões de parâmetros internos para que o modelo fique progressivamente melhor em prever padrões dentro desses dados — qual palavra plausivelmente segue outras palavras, quais valores de pixel plausivelmente seguem outros valores de pixel. Não está memorizando e reproduzindo exemplos específicos; está aprendendo padrões estatísticos gerais o suficiente para aplicar a prompts totalmente novos que nunca viu durante o treinamento.
Porque o modelo está gerando a próxima saída estatisticamente mais plausível, não consultando nada nem verificando um fato. Para texto, isso aparece como informação errada afirmada com confiança ("alucinação"). Para imagens e vídeo, aparece como o mesmo punhado de erros visuais recorrentes — dedos extras, texto deformado, joias que não mantêm a forma — porque esses são exatamente os tipos de detalhe fino e estruturalmente preciso que é mais difícil manter estatisticamente consistente ao longo de uma imagem ou clipe gerado inteiro.
Não exatamente, embora seja um primo próximo. A remoção de fundo com IA usa a mesma família de técnicas de rede neural (treinada em quantidades enormes de dados de exemplo, fazendo previsões em nível de pixel), mas seu trabalho é classificação, não geração: para cada pixel, ele é primeiro plano ou fundo? Não está criando pixels novos como um gerador de imagem faz — está decidindo o que manter de uma imagem que já existe.