Dihexa está entre os temas em que os detalhes importam mais que as manchetes. Esta página reúne contexto, mecanismos e os pontos práticos mais consultados.
Última revisão em 2025-08-01. Quando uma afirmação depende de um estudo específico, o estudo é descrito em vez de superinterpretado.
Texto: sistemas de IA generativos treinados em palavras ou tokens de palavras incluem GPT-3, LaMDA, LLaMA, BLOOM, GPT-4 e outros (veja lista de modelos de linguagem grandes). Eles são capazes de processamento de linguagem natural, tradução automática e geração de linguagem natural e podem ser usados como modelos básicos para outras tarefas. Conjuntos de dados incluem BookCorpus, Wikipedia e outros. Modelos de textos são versáteis e têm demonstrado a capacidade de resolver diversas tarefas: de criar textos coerentes de diversas formatações, resumir textos longos extraindo informações-chave, são capazes de traduzir textos entre diversos idiomas com alta precisão, cada vez demonstrando ser mais úteis para a automação de tarefas do cotidiano, sendo poderosas e adaptáveis a uma ampla gama de aplicações práticas e criativas. Código: além do texto em linguagem natural, grandes modelos de linguagem podem ser treinados em texto de linguagem de programação, permitindo que gerem código-fonte para novos programas de computador. Um exemplo notável é a geração automatizada de código, onde modelos como o OpenAI Codex são capazes de criar código-fonte a partir de comandos de linguagem natural. Isso acelera o processo de desenvolvimento e reduz a ocorrência de erros humanos. Além disso, a IA generativa pode ser usada para depurar e revisar códigos, identificar e corrigir bugs e sugerir melhorias e simplificações que podem não ser óbvias para os desenvolvedores. Esse recurso de análise aprofundada ajuda a manter a qualidade do software.
Fontes: pt.wikipedia.org
Outra aplicação relacionada é a criação de testes automatizados, onde a inteligência artificial pode gerar automaticamente casos de teste para garantir que o código seja robusto e menos sujeito a falhas quando implementado em produção. Essa automação é fundamental para manter a confiabilidade e a funcionalidade do software em diferentes cenários. Por fim, ferramentas como o GitHub Copilot atuam como assistentes de programação, fornecendo sugestões contextuais à medida que os desenvolvedores escrevem o código. Isso não apenas acelera a solução de problemas, mas também mantém o fluxo de trabalho, permitindo que os desenvolvedores sejam mais produtivos e criativos. Imagens: Sistemas de IA generativa incluem Stable Diffusion, DALL-E, Midjourney, ChatGPT e plataformas emergentes como Geniloop, voltadas para geração multimodal de imagens e vídeos. São comumente usados para geração de texto para imagem e transferência de estilo neural. Os conjuntos de dados incluem LAION-5B e outros. De forma geral, existe uma infinidade de aplicações para essa modalidade, em diversos campos, por exemplo para meios de entretenimento, seja animações ou filmes, facilitar a visualização dos roteiristas de um ambiente, de uma pessoa ou de um objeto. Ou até no meio do marketing de criar uma campanha mais customizada ou para visualização do produto. De forma análoga podemos pensar em situação para Arquitetura, Esporte ou Ciências.
Fontes: pt.wikipedia.org
Vídeo: De forma similar ao caso de geração de imagens também temos para a modalidade de vídeo, no qual a partir de um prompt, é possível gerar um vídeo, que apresenta uma coerência temporal, com bastantes detalhes e bem realista. Um dos mais famosos da área é o Sora da OpenAI, com potencial de revolucionar diversas áreas. Outros sistemas relevantes para geração de vídeo a partir de texto incluem o Veo, do Google DeepMind, e os modelos Gen-2 e Gen-3 da Runway. Áudio: Sistemas de IA generativos treinados em dados de áudio podem gerar uma ampla variedade de sons, desde música e efeitos sonoros até vozes humanas realistas. Essa capacidade tem sido explorada para diversas aplicações, como composição musical, dublagem e produção de podcasts. Cada vez mais fácil de ser possível encontrar online plataformas que oferecem a criação de músicas geradas por IA. Jogos: Sistemas de IA generativos também são capazes de abranger várias áreas do desenvolvimento de jogos como na criação de personagens e do diálogo entre eles, também na geração procedural de conteúdo, na criação de narrativas interativas além de outras áreas de desenvolvimento. Inclusive já temos cada vez mais o uso da IA na indústria de desenvolvimento de games e exemplos como no Man's Sky na qual foi usado geração procedural para criação de ambientes dentro do jogo e da Ubisoft grande empresa no setor de desenvolvimento de jogos que tem usado ferramentas de IA baseado em modelo de linguagem grande (Ghostwriter) para escrita de diálogo básicos dos NPCs em seus jogos são cada vez mais comuns.
Fontes: pt.wikipedia.org
Moléculas: Os sistemas generativos de IA podem ser treinados em sequências de aminoácidos ou representações moleculares, como SMILES representando DNA ou proteínas. Esses sistemas, como o AlphaFold, são usados para previsão da estrutura de proteínas e descoberta de medicamentos. Conjuntos de dados incluem vários conjuntos de dados biológicos. Multimodal: um sistema de IA generativo pode ser construído a partir de vários modelos generativos ou um modelo treinado em vários tipos de dados. Por exemplo, uma versão do GPT-4 da OpenAI aceita entradas de texto e imagem.
Fontes: pt.wikipedia.org
Dihexa é resumido aqui a partir de literatura pública: definição, contexto e pontos recorrentes na prática. Informação geral, não aconselhamento médico.
A pesquisa sobre Dihexa apoia-se sobretudo em estudos de laboratório e modelos animais; dados clínicos variam conforme a substância.
Pureza e análise (HPLC, espectrometria de massa), reconstituição correta e armazenamento adequado são decisivos.%!(EXTRA string=Dihexa)
Nem todos os mecanismos estão demonstrados e um estudo isolado não é evidência global. As questões abertas são sinalizadas.%!(EXTRA string=Dihexa)