Em Inteligência Artificial existem diversos tipos de aprendizado sendo que cada um possui características e aplicações. Com relação aos tipos de aprendizado, analise os itens a seguir. I. No aprendizado não supervisionado, o agente aprende a partir de padrões na entrada, mesmo que nenhum feedback explícito tenha sido fornecido anteriormente, sendo empregadas como as técnicas mais comuns a regressão e a classificação. II. No aprendizado acelerado, o agente usa grandes modelos de linguagens pré-existentes e aprende a partir de série de contribuições de uma rede semântica composta por conceitos, recompensas ou punições. Por exemplo, a falta de gorjeta no final da viagem dá ao agente uma indicação de que fez algo errado, cabe ao agente decidir quais das ações anteriores a contribuição foram mais responsáveis por ele. III. No aprendizado supervisionado, o agente observa e analisa alguns pares de dados rotulados de entrada-saída como exemplo e aprende uma função que faz o mapeamento da entrada para a saída. Está correto, o que se afirma em
- A)I, apenas.
Errada, porque aprendizado não supervisionado nao usa regressão e classificação como técnicas mais comuns, e sim agrupamento, associação e descoberta de padrões.
- B)II, apenas.
Errada, porque o item mistura uma definição de aprendizado por reforço com linguagem de modelos pré-existentes, deixando a descrição conceitualmente incorreta.
- C)III, apenas.
Certa, pois aprendizado supervisionado usa pares entrada-saída rotulados para aprender uma função de mapeamento entre dados e resposta.
- D)I e II, apenas.
Errada, porque o item I está incorreto e o item II também apresenta confusão conceitual sobre o tipo de aprendizado descrito.
- E)II e III, apenas.
Errada, porque o item II não descreve corretamente uma categoria de aprendizado, embora o item III esteja correto.
Gabarito: C
Em Inteligência Artificial, os tipos de aprendizado costumam ser cobrados pela lógica básica de entrada, saída e feedback. No aprendizado supervisionado, voce treina o modelo com exemplos rotulados, isto é, pares entrada-saída, para que ele aprenda a prever o resultado correto. É o caso clássico de classificação e regressão, quando o sistema aprende a mapear dados para uma resposta conhecida. Já no aprendizado não supervisionado, nao existe rótulo nem resposta pronta. O modelo tenta encontrar padrões sozinho, como agrupamentos, associações e estrutura escondida nos dados. Por isso, a frase do item I erra feio ao dizer que as técnicas mais comuns seriam regressão e classificação, porque essas são técnicas típicas do aprendizado supervisionado. O item II mistura conceitos e ainda usa uma expressão estranha, "aprendizado acelerado", que nao é a nomenclatura padrão. A ideia de recompensas e punições descreve aprendizado por reforço, em que o agente aprende por tentativa e erro, recebendo feedback do ambiente. Isso não é o mesmo que usar grandes modelos de linguagem pré-existentes, então o item fica conceitualmente confuso e incorreto. Assim, o único item correto é o III, pois ele descreve exatamente o aprendizado supervisionado: observar exemplos rotulados e aprender uma função de mapeamento entre entrada e saída. Em prova, pense assim: supervisonado tem rótulo, não supervisionado descobre padrões, e reforço aprende com recompensa e punição. É o trio que a banca adora embaralhar.