Os nomes técnicos do que você já fez

Os tijolos ensinaram a fazer. Esta página ensina a chamar pelo nome — porque é assim que está escrito em todo livro e artigo que você vai ler daqui pra frente.

A estrutura

• Entradas (x) — os dados crus: letras viradas número, pixels, leitura de sensor.
• Pesos (w) e viés (b) — o peso diz o quanto cada informação importa. A soma linear é z = Σ(xᵢ · wᵢ) + b. É o tijolo 1, escrito em símbolo.
• Função de ativação — o filtro não-linear que decide o quanto o neurônio dispara. É o tijolo 2 (a sigmoid). Tem outras: a ReLU é a mais usada hoje, e é bem mais simples — se for negativo vira zero, se for positivo passa direto.

O ciclo

Uma rede nasce com pesos aleatórios — não sabe nada. Aprende repetindo quatro passos:

1. Propagação direta (forward) — o dado atravessa a rede e vira palpite.
2. Cálculo do erro (loss) — a distância entre o palpite e a resposta certa.
3. Retropropagação (backpropagation) — pela regra da cadeia do cálculo, descobre-se a derivada parcial da perda em relação a cada peso: ∂L/∂w. Em português: quanto este peso específico teve culpa no erro.
4. Gradiente descendente — cada peso anda no sentido contrário ao erro:

w_novo = w_antigo - α · ∂L/∂w

O α (alfa) é a taxa de aprendizado — o tamanho do passo. No seu código ele se chama taxa_aprendizado = 0.5. Passo grande demais e a rede salta por cima da resposta; pequeno demais e ela leva uma eternidade.

A frase que precisa de calibragem

"Expandir esse código mínimo para redes multicamadas é exatamente o que alimenta os grandes modelos de linguagem."

Meio verdade. O mecanismo é o mesmo mesmo: forward, loss, backprop, gradiente descendente — um LLM treina com exatamente essas quatro etapas, e é honesto dizer isso.

O que a frase esconde é o resto:

• Escala. Seu XOR tem 9 pesos. Um modelo grande tem centenas de bilhões. Não é "o mesmo, maior" — em certa escala aparecem comportamentos que não existiam antes.
• Arquitetura. LLM moderno não é camada densa empilhada: é transformer, cuja peça central é a atenção — um mecanismo que não existe em nada do que você escreveu até aqui.
• Dados e custo. Trilhões de palavras, milhares de placas, meses.

Vale saber disso agora para não levar susto depois: você entendeu o motor. O carro de corrida usa o mesmo princípio de combustão, mas tem muita peça que você ainda não viu.

Onde você está

• ✅ tijolo 1 — o neurônio ([[tijolo-1-um-neuronio-e-uma-continha]])
• ✅ tijolo 2 — a sigmoid ([[tijolo-2-a-sigmoid]])
• ✅ o erro e o backprop — você já rodou os dois, no AND e no XOR
• ✅ camada oculta — [[a-rede-inteira-xor-com-retropropagacao]]

Os quatro tijolos estão de pé. O que falta não é mais teoria de rede: é ligar essa rede em alguma coisa sua.