Matrizes e mapas de hash – como a IA armazena e recupera dados

word_counts = {
  "hello": 42,
  "world": 37,
  "AI": 156
}

Precisa da contagem para "AI"? O mapa hash usa uma função hash para converter a chave em um índice nos bastidores. O resultado? O(1) tempo médio de pesquisa - assim como arrays, mas usando nomes em vez de números.

Usos reais de IA para mapas de hash

• Mapeamento de vocabulário: Transformando palavras como "brilhante" em token ID 8921 para um modelo de linguagem.
• Contagem de frequência: com que frequência cada palavra aparece em um conjunto de dados? Os mapas hash respondem a isso de uma só vez.
• Resultados de armazenamento em cache: se uma IA já calculou uma previsão para a entrada X, armazene-a para nunca recalcular.

Complexidade de tempo simplificada

| Operação | Matriz | Mapa de hash | |----------|-------|----------| | Acesso por índice | O(1)⚡ | N/A | | Acesso por chave | O(n) 🐢 | O(1)⚡ | | Inserir no final | O(1)⚡ | O(1)⚡ | | Inserir no meio | O(n) 🐢 | N/A | | Procure por valor | O(n) 🐢 | O(1)⚡ |

Pense em O(1) como "instantâneo, não importa o tamanho" e O(n) como "mais lento quanto maiores os dados".

Padrão Comum: Contagem de Frequência

Um dos padrões mais úteis tanto em entrevistas quanto em IA é a contagem de ocorrências. Aqui está a ideia em pseudocódigo:

counts = {}
for each word in text:
    if word in counts:
        counts[word] = counts[word] + 1
    else:
        counts[word] = 1

Essa única passagem pelo texto fornece a frequência de cada palavra. Os modelos de linguagem usam exatamente essa abordagem (em grande escala) para entender quais palavras são mais importantes.

Padrão Comum: O Problema das Duas Somas

Dada uma matriz de números e um alvo, encontre dois números que somam o alvo. A abordagem ingênua verifica cada par - O(n²). A abordagem inteligente usa um mapa hash:

seen = {}
for each number in array:
    complement = target - number
    if complement in seen:
        return [seen[complement], current_index]
    seen[number] = current_index

Uma passagem, O(n) tempo. O mapa hash lembra o que você já viu.

Quando escolher qual

• Use arrays quando a ordem é importante, você acessa itens por posição ou precisa processar tudo sequencialmente (como pixels em uma imagem).
• Use mapas hash quando precisar de pesquisas rápidas por uma chave, quiser contar ocorrências ou precisar verificar se algo existe rapidamente.

Principais conclusões

• Arrays fornecem acesso O(1) por índice e são a espinha dorsal da IA ​​numérica (imagens, embeddings, tensores).
• Mapas hash fornecem acesso O(1) por chave e são essenciais para pesquisas, contagem e armazenamento em cache.
• Escolher a estrutura certa pode transformar um algoritmo O(n²) em um algoritmo O(n) - uma diferença que é importante ao processar milhões de pontos de dados.
• Na prática, a maioria dos pipelines de IA usa ambos: arrays para computação numérica e mapas hash para pesquisas de metadados.

O que vem a seguir?

Agora você conhece as duas ferramentas essenciais do tratamento de dados em IA. A seguir, em Strings e processamento de texto, vamos ver como a IA transforma texto bruto em algo que um modelo consegue realmente ler, o primeiro passo por trás de cada chatbot e caixa de busca que você usa.