Com relação à aplicação e aos fundamentos técnicos da Inteligência Artificial (IA), analise as afirmativas abaixo e assinale a alternativa correta:
- A)Redes neurais convolucionais (CNNs) são mais indicadas para análise sequencial de dados temporais, como séries temporais financeiras ou sinais de sensores, devido à sua capacidade de manter o estado ao longo do tempo.
Errada, porque CNNs são mais associadas a dados com estrutura espacial, como imagens, e não à manutenção de estado temporal, que é mais típica de modelos recorrentes ou variantes voltadas a sequências.
- B)O aprendizado por reforço supervisionado é uma técnica em que o agente aprende com um conjunto rotulado de ações e recompensas, baseando-se estritamente em exemplos corretos fornecidos previamente.
Errada, porque aprendizado por reforço não é supervisionado: o agente aprende por interação com o ambiente e feedback em forma de recompensa, não por conjunto rotulado de ações corretas.
- C)Em modelos de linguagem natural baseados em transformadores, como o GPT, o mecanismo de atenção permite que o modelo atribua pesos iguais a todas as palavras do contexto, garantindo que nenhuma informação seja priorizada.
Errada, porque o mecanismo de atenção não atribui pesos iguais; ele calcula pesos diferentes para destacar partes mais relevantes do contexto.
- D)Em aprendizado não supervisionado, algoritmos como K-Means são utilizados para encontrar padrões ou agrupamentos em dados sem rótulos, permitindo a descoberta de estruturas ocultas sem conhecimento prévio.
Certa, porque aprendizado não supervisionado trabalha com dados sem rótulos e o K-Means é um algoritmo clássico de agrupamento usado para identificar padrões e clusters.
Gabarito: D
A questão mistura alguns conceitos clássicos de IA para ver se voce cai na armadilha do nome bonito. Em provas, o segredo é associar cada técnica ao seu uso mais típico: redes neurais convolucionais (CNNs) são fortes em imagens e padrões espaciais, transformadores usam atenção para pesar partes diferentes do contexto, e aprendizado por reforço envolve agente, ambiente, ação e recompensa. Nada de inventar moda com rótulo elegante para tecnologia errada. A alternativa D está correta porque aprendizado não supervisionado é justamente o cenário em que não há rótulos para orientar a resposta. Nesse caso, algoritmos como K-Means buscam agrupar dados por similaridade, revelando estruturas ocultas que não foram previamente informadas. É a lógica do “deixa os dados falarem”, em vez de ensinar a resposta pronta. Em termos doutrinários, isso se encaixa na classificação clássica de IA e aprendizado de máquina: supervisionado usa dados rotulados, não supervisionado descobre padrões sem rótulos e reforço aprende por tentativa e erro com recompensas. O K-Means é um exemplo bem conhecido de clustering, muito cobrado em concursos porque sua função é segmentar observações em grupos com base em distância e semelhança. As demais alternativas trocam conceitos básicos. CNN não é a campeã de séries temporais, aprendizado por reforço não é supervisionado, e atenção em transformadores não distribui pesos iguais - ela faz exatamente o contrário, destacando o que é mais relevante no contexto.