Capítulo 3 de 6
Percorra os conceitos em uma trilha visual. Depois, use o laboratório e abra o conteúdo completo para aprofundar.
Você está aqui: conceitos essenciais → exemplo → interação → leitura detalhada
Trilha interativa
Acompanhe como uma rede transforma entradas, como aprende e como falhas visuais chegam ao resultado.
Entradas, pesos, viés e ativação produzem uma transformação numérica.
Exemplo: uma unidade combina características de uma imagem para produzir uma saída.
Quais parâmetros mudam durante o treinamento?
Camadas sucessivas aprendem representações diferentes, mas não funcionam como explicações humanas.
Exemplo: bordas podem preceder formas, e formas podem preceder uma classe visual.
O que a camada seguinte recebe da anterior?
O erro orienta ajustes graduais nos parâmetros durante o treinamento.
Exemplo: a rede compara a saída com o rótulo e atualiza pesos em várias épocas.
A saída de treinamento é a mesma coisa que uma inferência nova?
Mais profundidade não elimina a necessidade de dados adequados, teste local e controle de sobreajuste.
Exemplo: um modelo pré-treinado pode acelerar o trabalho, mas precisa ser avaliado no contexto real.
O que mudou entre o conjunto de origem e o seu contexto?
Classificação, detecção, segmentação e layout respondem a perguntas diferentes.
Exemplo: identificar um tipo de documento não é o mesmo que localizar uma assinatura.
A saída necessária é um rótulo, uma caixa, uma máscara ou uma estrutura?
Captura, pré-processamento, reconhecimento, estrutura e revisão formam uma cadeia.
Exemplo: baixa resolução pode alterar um caractere e propagar o erro para um campo crítico.
Em qual etapa a pessoa pode detectar e corrigir o problema?
Uma média geral não substitui testes estratificados nos campos que mudam decisões.
Exemplo: nome, número e data podem exigir revisão mesmo quando a média do OCR é alta.
Qual campo não pode falhar sem uma correção humana?
Reconhecimento facial e biometria exigem necessidade, base normativa, teste e salvaguardas reforçadas.
Exemplo: uma taxa média de acerto não prova segurança ou legitimidade em todos os grupos.
A tarefa é necessária, proporcional e contestável?
Como usar: percorra a trilha, observe o exemplo e use o laboratório abaixo para testar o conceito com dados sintéticos.
Próxima etapa
As simulações ficam em páginas próprias para você se concentrar em uma atividade por vez.
Seu progresso fica somente neste dispositivo.
No capítulo anterior, avaliamos modelos preditivos por meio de dados, linhas de base, separação entre treinamento e teste, métricas e monitoramento. Agora examinaremos uma família de modelos capaz de aprender representações complexas de imagens, áudio e texto: as redes neurais profundas.
O ponto de partida será um problema documental. Um mecanismo de reconhecimento óptico de caracteres converte quase toda uma página corretamente, mas omite a palavra “não” na frase “a parte não requer tutela de urgência”. Em outra página, transforma R$ 1.250,00 em R$ 12.500,00. Uma taxa média muito alta pode coexistir com um erro raro e decisivo.
Esse exemplo mostra por que “usar visão computacional” ainda é uma descrição incompleta. O sistema pode classificar uma página, localizar uma assinatura, separar regiões, reconhecer caracteres, analisar o layout ou extrair campos. Cada tarefa produz uma saída diferente e exige avaliação própria. Reconhecer um padrão visual também não determina validade jurídica, autoria ou sentido.
Estudaremos redes neurais em nível conceitual, sem derivação matemática. Veremos como entradas, pesos, viés matemático, ativações e camadas produzem uma saída; como perda, retropropagação e gradiente orientam o treinamento; e por que treinamento difere de inferência. Depois, passaremos ao aprendizado profundo, às redes convolucionais, à transferência de aprendizagem e às tarefas de visão computacional. Por fim, analisaremos OCR, propagação de erros, métricas por campo e limites da biometria.
Ao final deste capítulo, você deverá ser capaz de:
💬 Pra começo de conversa!
Um tribunal avalia um sistema que informa 99% de acerto no reconhecimento de caracteres. No teste, a maioria das letras de cabeçalhos, rodapés e textos longos foi reconhecida. Entretanto, a equipe ainda não sabe quantas negações, datas, valores e números processuais foram alterados.
O resultado de 99% basta para integrar o texto extraído à triagem? O que precisa ser medido separadamente? A imagem original será preservada? Uma correção automática poderá alterar silenciosamente o texto? Quem revisará um campo que produz efeito no fluxo?
Registre sua resposta inicial. Retomaremos o caso no estudo e no laboratório deste capítulo.
O termo “neurônio artificial” é uma inspiração histórica. A unidade computacional não replica fielmente um neurônio biológico, não pensa e não compreende. Ela recebe números, combina-os e produz outro número.
Uma forma simplificada é:
z = w₁x₁ + w₂x₂ + w₃x₃ + b
saída = f(z)
| Elemento | Função |
|---|---|
Entrada x |
característica numérica fornecida à unidade |
Peso w |
contribuição ajustada durante o treinamento |
Viés matemático b |
termo de ajuste somado à combinação |
Ativação f |
transformação aplicada ao resultado |
| Saída | valor transmitido à próxima camada ou à previsão |
O peso não é uma regra redigida por uma pessoa. É um parâmetro ajustado para reduzir uma função de perda. Um peso positivo pode aumentar um sinal; um negativo pode reduzi-lo. Seu significado depende das demais unidades, da representação e da arquitetura.
⚠ Atenção!
Viés matemático é o parâmetro
bda fórmula. Viés discriminatório é um padrão de resultado indevidamente prejudicial ou discriminatório. Compartilhar a palavra “viés” não torna os conceitos equivalentes.
Se todas as camadas realizassem apenas combinações lineares, empilhá-las continuaria equivalente a uma única transformação linear. Ativações não lineares permitem representar relações mais complexas.
A função ReLU, por exemplo, preserva valores positivos e transforma negativos em zero. A sigmoide comprime valores para o intervalo entre zero e um. Não é necessário memorizar fórmulas: importa compreender que diferentes ativações cumprem funções diferentes e afetam o treinamento.
Uma rede organiza unidades em camadas:
entrada → camada oculta → camada oculta → saída
A camada de entrada recebe a representação. As camadas ocultas combinam sinais. A camada de saída produz classe, valor ou vetor. Na passagem para frente, a entrada atravessa essas transformações até gerar a previsão.
Em uma rede aplicada a imagens, unidades iniciais podem responder a contrastes e bordas; camadas posteriores combinam sinais em padrões mais amplos. Essa é uma intuição útil, não uma regra de interpretação para toda arquitetura. Profundidade significa múltiplas camadas, não consciência.
Descrição acessível: Três entradas são multiplicadas por pesos, somadas ao viés matemático e transformadas por uma ativação. A saída alimenta uma representação de rede com camada de entrada, camada oculta e camada final.
No treinamento supervisionado, a rede produz uma previsão para exemplos com respostas de referência. Uma função de perda mede a diferença relevante entre previsão e referência. O otimizador ajusta os parâmetros para reduzir essa medida.
A perda não mede automaticamente utilidade, equidade, segurança, calibração ou conformidade. Ela formaliza o objetivo técnico escolhido. Se classes ou erros recebem pesos inadequados, o treinamento seguirá esse incentivo.
O treinamento pode ser resumido em quatro passos:
O gradiente indica a direção de crescimento mais rápido da perda em relação aos parâmetros. Para reduzi-la, o otimizador dá passos aproximadamente na direção oposta. A retropropagação usa a regra da cadeia do cálculo diferencial para obter esses gradientes de forma eficiente (GOODFELLOW; BENGIO; COURVILLE, 2016).
Não é necessário derivar a regra da cadeia. Imagine uma paisagem com vales, inclinações e regiões planas. O gradiente fornece informação local sobre inclinação; não apresenta visão completa da paisagem nem realiza busca consciente.
Taxa muito alta pode ultrapassar regiões melhores e tornar o processo instável. Taxa muito baixa pode produzir ajuste lento. Muitas épocas podem favorecer sobreajuste. Número de camadas, tamanho do lote, regularização e taxa de aprendizagem são escolhidos com validação; os pesos são ajustados pelo treinamento.
| Fase | O que ocorre | Questões principais |
|---|---|---|
| Treinamento | parâmetros são ajustados com dados | proveniência, custo, vazamento, reprodutibilidade e validação |
| Inferência | parâmetros ajustados recebem uma entrada nova | versão, latência, domínio da entrada, segurança e revisão |
Um modelo pode ser treinado em grande infraestrutura e executado em ambiente diferente. Anexar uma nova imagem para análise não significa retreinar a rede. Treinamento e inferência podem ter fornecedores, custos e riscos distintos.
📝 Tome nota!
Minimizar a perda é uma etapa técnica. Finalidade legítima, base adequada, supervisão, contestação e resposta a incidentes precisam ser projetadas no sistema sociotécnico.
Aprendizado profundo, ou deep learning, utiliza redes com múltiplas camadas para aprender representações em diferentes níveis. Em vez de depender apenas de atributos desenhados manualmente, o modelo ajusta transformações intermediárias úteis para a tarefa (LECUN; BENGIO; HINTON, 2015).
Isso não significa que aprendeu um conceito jurídico. Uma rede pode distinguir tipos de página usando layout, vocabulário visual ou template. O sinal pode funcionar no teste e falhar após mudança de formulário. Representação útil para prever um rótulo não equivale a compreensão do conteúdo.
O avanço do aprendizado profundo combinou bases extensas, unidades de processamento gráfico, novas arquiteturas, técnicas de otimização, avaliações padronizadas, software e investimento. Em 2012, a rede conhecida como AlexNet apresentou resultado marcante na competição ImageNet, com cerca de 1,2 milhão de imagens de treinamento, convoluções, GPU e uma técnica de regularização denominada dropout (KRIZHEVSKY; SUTSKEVER; HINTON, 2012). O marco não autoriza transferir o desempenho de imagens naturais para documentos judiciais.
Redes neurais convolucionais, ou CNNs, aplicam filtros locais em diferentes posições da imagem, compartilhando pesos. A intuição é a de pequenos detectores que respondem a padrões locais; camadas sucessivas combinam esses sinais.
Esse compartilhamento aproveita a estrutura espacial e reduz a necessidade de aprender um conjunto independente de pesos para cada posição. Contudo, rotação, escala, recorte, baixa resolução e novo layout ainda podem alterar o comportamento.
Na transferência de aprendizagem, um modelo pré-treinado serve como ponto de partida para outra tarefa. Isso pode reduzir dados rotulados e tempo de treinamento. A transferência, porém, é uma hipótese a validar localmente.
É preciso verificar:
Um modelo pré-treinado com fotografias não recebe automaticamente capacidade de interpretar tabelas. Um OCR treinado em impressos nítidos pode falhar em manuscritos e carimbos.
Regularização reúne técnicas destinadas a melhorar generalização e conter sobreajuste. Exemplos incluem penalização de complexidade, dropout, interrupção quando a validação piora e aumento de dados com transformações plausíveis.
O aumento de dados deve preservar o rótulo. Pequena inclinação pode ser plausível para uma página; inverter horizontalmente texto produz caracteres irreais. Transformação conveniente não é necessariamente válida para o domínio.
Modelo maior não é automaticamente melhor. A escolha deve considerar hardware, energia, latência, curadoria, custo de API, auditoria, atualização, dependência externa e impacto ambiental. Uma regra ou modelo menor pode oferecer melhor custo total.
Entrada fora da distribuição difere das condições representadas no desenvolvimento. Novo formulário, tribunal distinto, página girada, carimbo, idioma raro ou mudança normativa podem provocar falhas. O sistema deve detectar condições não cobertas, abster-se quando possível e encaminhar para revisão.
💡 Para refletir!
Um modelo pré-treinado reduz trabalho inicial, mas quais evidências locais ainda seriam indispensáveis antes de usá-lo em documentos do seu contexto?
Uma imagem é uma grade de valores. Resolução, compressão, contraste, orientação, ruído e iluminação modificam os sinais disponíveis. “Visão computacional” reúne tarefas diferentes:
| Tarefa | Pergunta | Saída possível |
|---|---|---|
| Classificação | O que predomina na imagem? | tipo de página |
| Detecção | Onde está o objeto? | caixas ao redor de assinaturas |
| Segmentação | A que região pertence cada pixel? | máscaras de texto, tabela e fundo |
| OCR | Que caracteres aparecem? | texto reconhecido |
| Análise de layout | Como os blocos se organizam? | título, coluna, rodapé e tabela |
| Extração | Qual valor ocupa o campo? | data, órgão ou quantia |
| Similaridade | Quais imagens se parecem? | possíveis duplicatas |
Classificar “há assinatura” não informa onde ela está nem autentica autoria. Detectar uma forma semelhante a carimbo não confirma validade. Segmentação de tabela não garante que células e valores foram associados corretamente.
Descrição acessível: Página sintética apresentada quatro vezes: com rótulo global de classificação, caixa de detecção, máscara de segmentação e blocos de análise de layout.
Reconhecimento óptico de caracteres - OCR - converte sinais visuais em caracteres e estrutura textual. Sistemas históricos e atuais podem combinar análise de linhas, segmentação e classificadores; o mecanismo Tesseract é uma referência aberta documentada desde Smith (2007).
OCR não interpreta mérito nem compreende Direito. Ele pode produzir uma camada textual para busca e processamento posterior. Se o texto reconhecido estiver errado, etapas seguintes poderão amplificar o erro.
captura
↓
controle de qualidade da imagem
↓
orientação, contraste e layout
↓
OCR
↓
classificação ou extração
↓
validação por campo
↓
revisão, uso e monitoramento
Uma página inclinada prejudica a segmentação de linhas; ruído e baixo contraste apagam detalhes; carimbo encobre caracteres; tabela associa valor à coluna errada. A documentação do Tesseract destaca resolução, binarização, ruído, inclinação, bordas, segmentação e tabelas entre as condições que afetam a saída (TESSERACT OCR, [s.d.]).
Soluções contemporâneas de processamento documental não se limitam a reconhecer caracteres. Elas podem combinar extração direta do texto de PDFs nativos, renderização de páginas digitalizadas, detecção de layout, OCR, identificação da ordem de leitura, reconhecimento da estrutura de tabelas, classificação de elementos e montagem de uma representação hierárquica do documento. Essa abordagem é frequentemente descrita como Document AI ou compreensão documental.
O primeiro passo continua sendo distinguir o tipo de entrada. Em um PDF nativo, o texto já incorporado deve ser preservado quando sua qualidade e sua ordem forem adequadas. Em uma imagem digitalizada, o OCR será necessário. Documentos mistos podem exigir decisão por página ou por região. Aplicar OCR indiscriminadamente pode aumentar custo, alterar caracteres que já estavam corretos e perder relações estruturais existentes.
Entre as ferramentas abertas atuais, o Docling foi apresentado por pesquisadores vinculados à IBM como um pacote para conversão de documentos. Seu pipeline padrão combina análise de layout, OCR quando necessário, reconhecimento de estrutura de tabelas e montagem de um modelo documental que pode ser exportado, por exemplo, para Markdown ou JSON. O relatório técnico descreve o emprego de modelos especializados, como DocLayNet para layout e TableFormer para tabelas (AUER et al., 2024). A documentação atual também prevê diferentes mecanismos de OCR e uma alternativa baseada em modelos de visão e linguagem para documentos em que a estrutura visual é determinante (DOCLING PROJECT, 2026).
Docling é um exemplo de arquitetura, não uma garantia de correção nem uma escolha automática para qualquer acervo. A equipe deve comparar pelo menos três estratégias em amostra representativa:
Modelos de visão e linguagem podem produzir uma representação mais integrada, mas também podem omitir elementos, alterar texto ou completar informação não visível. Por isso, a saída precisa permanecer vinculada à página e às regiões que a sustentam. Em documentos judiciais, número de processo, nomes, datas, valores, negações, dispositivo, notas de rodapé e células de tabela devem ser avaliados como campos críticos separados.
📝 Tome nota!
OCR responde quais caracteres foram reconhecidos. Compreensão documental acrescenta onde esses caracteres estavam, a que bloco pertenciam, em que ordem devem ser lidos e como tabelas, títulos, listas e imagens se relacionam. Nenhuma dessas camadas substitui validação jurídica ou conferência com o documento original.
Ao avaliar ferramentas como Docling, registre versão, modelos e mecanismos de OCR utilizados, idiomas configurados, artefatos instalados, recursos computacionais, formatos de saída e possibilidade de execução em ambiente controlado. A documentação informa que diferentes mecanismos possuem coberturas linguísticas próprias e que o processamento pode ser executado localmente após a disponibilização dos artefatos necessários. Essa característica pode apoiar requisitos de segurança, mas não elimina análise de dependências, licenças, atualização, desempenho e proteção de dados.
Considere a cadeia:
imagem: “a parte não requer tutela de urgência”
OCR: “a parte requer tutela de urgência”
regra: localiza “requer tutela de urgência”
fila: eleva prioridade
O classificador posterior pode estar funcionando exatamente como foi programado e ainda produzir ação inadequada, porque recebeu texto alterado. Avaliar apenas a última etapa atribuiria o erro ao lugar errado.
Correção generativa pode deixar a frase mais fluente e ocultar a divergência. O sistema deve preservar imagem original, texto bruto, texto corrigido, versão do mecanismo e intervenções. Alterações não podem ser silenciosas.
⚠ Atenção!
Uma cadeia é limitada por suas etapas. Métrica alta no OCR não garante extração correta, e extração correta não garante ação institucional adequada.
A taxa de erro de caracteres compara substituições, exclusões e inserções com o número de caracteres da referência:
CER = (substituições + exclusões + inserções) / caracteres da referência
A taxa de erro de palavras, ou WER, aplica lógica equivalente às palavras. Essas médias permitem comparação, mas podem diluir erros críticos. Omissão de “não” altera uma palavra entre centenas; um dígito pode multiplicar um valor.
Considere um teste sintético com 10.000 caracteres de referência e 100 edições necessárias: a CER é 1%. Se o mesmo conjunto contém 20 negações e cinco foram omitidas, a taxa de omissão de negações é 25%. O primeiro resultado descreve o texto em geral; o segundo revela risco específico para uma tarefa sensível ao sentido. Ambos estão corretos, mas respondem a perguntas diferentes.
Por isso, acrescente métricas orientadas ao uso:
Regras de validação ajudam a localizar formatos impossíveis: calendário, padrão monetário, dígito verificador e lista de órgãos. Uma regra comprova consistência formal, não que o conteúdo pertence ao campo correto. Data válida pode ter sido retirada do rodapé em vez do corpo.
Confiança produzida pelo OCR também precisa ser validada. Se erros críticos recebem pontuação alta, o limiar não protege. Para campos que geram efeito processual, a decisão pode exigir revisão de todos os casos, dupla extração ou comparação com metadado independente.
Uma amostra limpa não representa acervo heterogêneo. O teste deve cruzar, quando pertinentes:
Relate quantidade e incerteza em cada estrato. Classe ou condição rara pode exigir amostragem dirigida, sem alterar silenciosamente a prevalência usada para estimar carga operacional.
Descrição acessível: Fluxo da captura à revisão, passando por qualidade, layout, OCR, extração e validação. A omissão da palavra não no OCR chega a uma fila de prioridade, com pontos de interrupção na validação e na revisão.
O caso é inteiramente fictício. A fonte sintética possui cinco campos:
NÚMERO: 0000000-00.0000.0.00.0000 [marcador fictício]
DATA: 12/03/2026
VALOR: R$ 1.250,00
PEDIDO: A parte não requer tutela de urgência.
ÓRGÃO: 2ª Vara Sintética.
Quatro versões simulam condições comuns. As saídas abaixo são exemplos pedagógicos, não resultados de um produto:
| Versão | Condição | Falha hipotética | Efeito possível |
|---|---|---|---|
| A | PDF nativo e nítido | nenhuma nos campos | processamento normal |
| B | página inclinada | data 12/08/2026 |
ordenação temporal incorreta |
| C | baixo contraste e ruído | valor R$ 12.500,00 |
divergência financeira |
| D | carimbo sobre a frase | omissão de não |
prioridade invertida |
Uma média global reunindo todas as letras poderá parecer excelente. A validação adequada mede cada campo e cada condição. A equipe deve preservar a fonte, mostrar o trecho que sustenta a extração, encaminhar divergências e impedir efeito automático quando o campo crítico não estiver validado.
Qualidade de OCR é propriedade da combinação entre mecanismo, documento, idioma, configuração e finalidade. Não existe “acurácia do OCR” independente do acervo e do que será feito com a saída.
Biometria envolve dados e tarefas de elevado impacto. Antes de discutir desempenho, nomeie a tarefa:
Detectar rosto não identifica pessoa. Verificação e identificação usam espaços de comparação e consequências diferentes. Em 1:N, uma busca pode retornar candidatos; a posição correta, o limiar e o tamanho da galeria influenciam a avaliação.
Medidas relevantes incluem taxa de falso pareamento - associar pessoas diferentes - e taxa de falso não pareamento - não associar duas imagens da mesma pessoa. O NIST mantém a Face Recognition Technology Evaluation (FRTE) e documenta variação entre algoritmos e grupos, além da influência de qualidade, iluminação e ângulo. A importância relativa de cada erro depende da aplicação (NIST, [s.d.]).
Uma média global pode ocultar diferenças. A avaliação precisa reproduzir ambiente, câmeras, população e fluxo pretendidos; informar amostra e incerteza; observar desempenho por grupos pertinentes; e medir o efeito da revisão humana. Baixo erro em fotografias controladas não valida imagens capturadas em condições distintas.
Na versão consultada em 13 de agosto de 2026, a Resolução CNJ nº 615/2025, alterada pela Resolução nº 674/2026 no art. 15, estabelece:
O enquadramento depende da finalidade e do contexto; não deve ser inferido apenas pelo nome da tecnologia. Análise técnica não substitui avaliação jurídica, de proteção de dados, segurança e direitos fundamentais.
⚠ Atenção!
Não utilize rosto de participante, documento de identidade ou processo real em demonstração. Ensino não justifica coleta biométrica nem envio de dado protegido a ferramenta externa.
Não. Executa transformações numéricas ajustadas para uma tarefa.
Não. Descrever camadas não identifica necessariamente os sinais decisivos nem justifica o uso.
Depende de onde estão os erros, do acervo, da tarefa posterior e da possibilidade de revisão.
Não. O domínio e as condições locais precisam ser representados na avaliação.
Elaborar um plano de validação para número, data, valor, urgência e órgão em documentos sintéticos de qualidade variável.
Use o caso da Seção 3.8. O projeto pretende extrair os cinco campos para preencher uma tela de revisão. Nenhuma saída poderá produzir efeito processual sem a confirmação definida no plano.
Preencha:
| Campo | Possível erro | Consequência | Métrica/validação | Revisão humana |
|---|---|---|---|---|
| Número | ||||
| Data | ||||
| Valor | ||||
| Urgência | ||||
| Órgão |
Plano de validação por campo e condição, acompanhado de política de rastreabilidade, abstenção, revisão e suspensão.
| Campo | Exemplo de erro | Consequência | Validação possível | Revisão recomendada |
|---|---|---|---|---|
| Número | dígito omitido | associação incorreta | formato, dígito e metadado | toda divergência |
| Data | dia ou mês trocado | ordem temporal errada | calendário e fonte | conflito ou baixa qualidade |
| Valor | separador ou dígito | impacto financeiro | correspondência exata e dupla extração | valores com efeito |
| Urgência | omissão de não |
prioridade invertida | trecho-fonte e teste de negação | todo efeito processual |
| Órgão | cabeçalho confundido | roteamento errado | lista e metadado | termo desconhecido |
Uma resposta adequada não transforma regra formal em prova de conteúdo. Ela preserva imagem, texto bruto, versão, correção e responsável. A amostra cruza condições do acervo e mede a tarefa posterior. Se o sistema não detecta baixa qualidade ou não permite conferir a fonte, o piloto deve ser reduzido ou adiado.
Qual é a diferença entre peso e hiperparâmetro em uma rede neural?
Ordene: atualização dos pesos; passagem para frente; cálculo da perda; retropropagação.
“Uma rede mais profunda compreende melhor o significado jurídico do documento.” Justifique.
Um OCR apresenta CER de 1%, mas omite 15% das negações. Qual medida deve orientar a decisão sobre uma triagem de urgência?
Uma solução informa “há assinatura”, mas não mostra onde ela está. Que tarefa foi provavelmente realizada e que conclusão não pode ser obtida?
Por que a taxa média global não basta para avaliar reconhecimento facial no uso pretendido?
Peso é parâmetro ajustado durante o treinamento. Hiperparâmetro é uma configuração escolhida para orientar treinamento ou arquitetura, como taxa de aprendizagem, tamanho do lote ou número de camadas. Revise as Seções 3.1 e 3.2.2.
Passagem para frente → cálculo da perda → retropropagação → atualização dos pesos. A previsão vem antes da comparação; a retropropagação calcula gradientes; o otimizador atualiza parâmetros. Revise a Seção 3.2.1.
Profundidade indica múltiplas camadas de transformação. A rede aprende sinais úteis ao objetivo e aos dados, o que não equivale a compreensão jurídica ou consciência. Revise as Seções 3.1.2 e 3.3.
A taxa de omissão de negações e seu impacto na tarefa são mais pertinentes que a CER global. A avaliação deve medir negações, sensibilidade da triagem, campos críticos e revisão. Um erro pequeno em caracteres pode inverter o sentido. Revise as Seções 3.6 e 3.7.
Provavelmente houve classificação global. Não se pode concluir localização, autoria, autenticidade ou validade da assinatura. Detecção seria necessária para indicar a região; autenticação exigiria outro processo. Revise a Seção 3.5.
A média pode ocultar falsos pareamentos ou não pareamentos em condições, grupos e câmeras específicos. Verificação 1:1 e identificação 1:N também têm estruturas diferentes. O teste deve representar ambiente e população, relatar taxas por recorte e avaliar revisão e consequência. Revise a Seção 3.9.
Neste capítulo, vimos que uma rede neural combina entradas por pesos, viés matemático e ativações. Durante o treinamento, passagem para frente, perda, retropropagação, gradiente e otimizador formam um ciclo de ajuste. Época, lote e taxa de aprendizagem orientam esse processo. Na inferência, o modelo aplica parâmetros já ajustados a entradas novas.
O aprendizado profundo permite aprender representações em camadas, mas não produz consciência nem compreensão jurídica. Convolução explora estrutura local; transferência reutiliza um ponto de partida; regularização procura melhorar generalização. Todas dependem de validação no domínio e de análise de custo, sustentabilidade e entradas fora da distribuição.
Distinguimos classificação, detecção, segmentação, OCR, layout e extração. No pipeline documental, erro de imagem pode atravessar OCR e classificação até produzir ação institucional. Por isso, médias de caracteres devem ser complementadas por métricas de negação, número, data, valor e condição documental, com preservação da fonte e revisão proporcional ao efeito.
Também separamos detecção, verificação, identificação e análise biométrica. Desempenho deve ser examinado por tarefa, ambiente e grupo, dentro dos limites normativos aplicáveis. Reconhecer padrão não autentica pessoa nem determina validade jurídica.
No próximo capítulo, partiremos do texto obtido ou originalmente digital para o Processamento de Linguagem Natural. Estudaremos representações, classificação, extração, pesquisa jurisprudencial, sumarização e geração aumentada por recuperação, mantendo a rastreabilidade entre fonte e saída.
Os termos ativação, camada, CNN, convolução, detecção, Docling, época, fora da distribuição, gradiente, identificação biométrica, lote, OCR, passagem para frente, rede neural, regularização, retropropagação, segmentação, taxa de aprendizagem e transferência de aprendizagem foram selecionados para o glossário cumulativo.
CONSELHO NACIONAL DE JUSTIÇA (CNJ). Resolução nº 615, de 11 de março de 2025. Estabelece diretrizes para o desenvolvimento, utilização e governança de soluções desenvolvidas com recursos de inteligência artificial no Poder Judiciário. Brasília, DF: CNJ, 2025. Disponível em: Atos CNJ. Acesso em: 13 ago. 2026.
CONSELHO NACIONAL DE JUSTIÇA (CNJ). Resolução nº 674, de 25 de março de 2026. Altera o art. 15 da Resolução CNJ nº 615/2025. Brasília, DF: CNJ, 2026c. Disponível em: Atos CNJ. Acesso em: 13 ago. 2026.
GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep learning. Cambridge, MA: MIT Press, 2016. Disponível em: versão dos autores. Acesso em: 13 ago. 2026.
KRIZHEVSKY, Alex; SUTSKEVER, Ilya; HINTON, Geoffrey E. ImageNet classification with deep convolutional neural networks. In: Advances in Neural Information Processing Systems, v. 25, 2012. Disponível em: NeurIPS Proceedings. Acesso em: 13 ago. 2026.
LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep learning. Nature, v. 521, p. 436–444, 2015. DOI: 10.1038/nature14539.
NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY (NIST). Face Recognition Technology Evaluation: demographic effects in face recognition. Gaithersburg, [s.d.]. Disponível em: NIST FRTE. Acesso em: 13 ago. 2026.
SMITH, Ray. An overview of the Tesseract OCR engine. In: International Conference on Document Analysis and Recognition, 9., 2007. p. 629–633. DOI: 10.1109/ICDAR.2007.4376991.
TESSERACT OCR. Improving the quality of the output. [S.l.], [s.d.]. Disponível em: Tesseract documentation. Acesso em: 13 ago. 2026.
Descrição acessível: o texto é apresentado em HTML semântico, com títulos, tabelas e alternativas textuais. Os laboratórios interativos são complementos e não substituem a leitura.