A Inteligência Artificial (IA) apoia o desenvolvimento de soluções tecnológicas capazes de realizar atividades similares às capacidades cognitivas humanas. Como exemplo, a plataforma Sinapses, desenvolvida pelo Tribunal de Justiça do Estado de Rondônia (TJRO) e adaptada para uso nacional, gerencia o treinamento supervisionado de modelos de IA. Em soluções de IA, a tecnologia que possui a capacidade de melhorar o desempenho na realização de alguma tarefa por meio da experiência usando dados de treinamento, podendo ser supervisionado ou não, é o(a):
- A)Motor de Inferência (Inference Engine) de Sistemas Especialistas (Expert Systems);
Errada, porque motor de inferência é o componente que aplica regras em sistemas especialistas, não um mecanismo de aprendizagem com dados.
- B)Raciocínio Automatizado (Automated Reasoning);
Errada, porque raciocínio automatizado trata de inferência lógica e prova de proposições, não de treinamento por experiência.
- C)Compreensão de Linguagem Natural (Natural-Language Understanding);
Errada, porque compreensão de linguagem natural é uma subárea de processamento de linguagem, e não a tecnologia definida por aprendizado a partir de dados.
- D)Representação do Conhecimento (Knowledge Representation) usando Lógica de Primeira Ordem (First Logic Order);
Errada, porque representação do conhecimento organiza informações para uso pelo sistema, mas não é, por si, aprendizado com melhoria de desempenho.
- E)Aprendizado de Máquina (Machine Learning).
Certa, porque aprendizado de máquina usa dados de treinamento para melhorar o desempenho em uma tarefa, podendo ser supervisionado ou não.
Gabarito: E
A questão está falando de uma tecnologia que aprende com exemplos. Em vez de seguir regras fixas escritas por alguém, ela usa dados de treinamento para identificar padrões e melhorar o desempenho na tarefa ao longo do tempo. É exatamente essa a ideia central do Aprendizado de Máquina: o sistema ajusta seu comportamento com base na experiência acumulada nos dados. Quando o enunciado menciona que esse aprendizado pode ser supervisionado ou não, a pista fica ainda mais clara. No aprendizado supervisionado, os dados já vêm com resposta conhecida, como se o modelo estudasse com gabarito. No não supervisionado, ele tenta achar estrutura sozinho, sem rótulos. Em ambos os casos, há aprendizagem a partir de dados, e não apenas execução de regras prontas. Por isso, o gabarito é a alternativa E. Essa é a área da IA dedicada a fazer sistemas melhorarem com a experiência. Em termos doutrinários, é a definição clássica de machine learning, muito associada ao estudo de algoritmos que detectam padrões em dados e generalizam para novos casos. As outras opções tratam de partes diferentes da IA. Algumas lidam com raciocínio baseado em regras, outras com linguagem ou representação de conhecimento, mas nenhuma descreve tão diretamente a ideia de melhorar com dados de treinamento. Aqui a banca quis cobrar o conceito central, sem disfarce: se aprende com dados e melhora desempenho, pense em aprendizado de máquina.