

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
Certa startup brasileira desenvolveu uma aplicação de inteligência artificial para auxiliar a justiça federal na análise inicial de recursos jurídicos de baixo valor. O sistema opera como um agente inteligente que utiliza um extenso dataset de jurisprudências passadas para calcular a probabilidade de sucesso de novos recursos, com o objetivo de otimizar a triagem processual ao maximizar a taxa de acerto nas suas previsões. Em testes, a aplicação atingiu uma impressionante taxa de precisão de 98% na previsão de resultados. No entanto, uma auditoria de compliance ético revelou que o algoritmo apresentava um viés: os recursos originários de regiões com baixo índice de desenvolvimento humano (IDH) do Nordeste brasileiro eram sistematicamente classificados com menor probabilidade de sucesso, mesmo quando apresentavam mérito legal similar a casos de regiões mais desenvolvidas. A equipe técnica defendeu o sistema, alegando que ele era racional, pois maximizava consistentemente a métrica de acerto definida.
Considerando a natureza do sistema criado nessa situação hipotética e a distinção fundamental entre racionalidade e justiça em sistemas de IA, assinale a opção que apresenta corretamente a falha ética do sistema à luz dos conceitos básicos da inteligência artificial.
O viés regional é uma prova incontestável de que o sistema é um exemplo de inteligência artificial simbólica, pois somente essa arquitetura, baseada em regras pré-codificadas, é capaz de manifestar discriminação explícita, ao contrário dos modelos conectivistas (redes neurais).
A falha do sistema é uma evidência de que ele não pode ser classificado como um agente racional, pois, por definição, ele deve seguir a função de utilidade ideal de uma sociedade justa, o que exige que o sistema possua consciência e um senso moral.
O sistema é um agente puramente reativo, e sua incapacidade de manter estados internos sobre a equidade do dataset é a causa direta do viés, o que demonstra a ineficácia dos sistemas de machine learning baseados em modelos.
O sistema demonstra uma limitação da inteligência artificial forte, cuja alta taxa de acerto é incompatível com o viés, o que confirma que a singularidade tecnológica não será alcançada enquanto os sistemas de inteligência artificial não forem treinados apenas com dados totalmente neutros, sem histórico humano.
A racionalidade técnica do sistema é mantida, pois ele maximiza sua função utilidade (taxa de acerto), mas o viés detectado reside na definição dessa utilidade ou na qualidade dos dados de treinamento, o que o caracteriza como um sistema racionalmente tendencioso, mas não irracional.
Em alguns sistemas de IA, o modelo aprende a escolher ações a partir da experiência, recebendo feedback quantitativo após cada interação, ajustando sua política de decisão ao longo do tempo, sem depender de dados rotulados previamente.
Esse paradigma de aprendizado de máquina é conhecido como:
Aprendizado generativo.
Aprendizado por reforço.
Aprendizado supervisionado.
Aprendizado não supervisionado.
Um tribunal deseja prever o tempo de tramitação (em dias) de processos de uma determinada classe, desde a distribuição até a sentença em 1ª instância. Um cientista de dados ajustou um modelo de regressão usando variáveis como tipo de ação, vara, quantidade de partes e histórico de movimentações, e avaliou o modelo no conjunto de teste.

Como métrica principal, ele calculou a soma das diferenças absolutas dividida pelo número de observações, ou: obtendo Erro = 18, que foi interpretado como: “em média, o modelo erra em 18 dias o tempo de tramitação dos processos”.
A métrica utilizada pelo cientista de dados é:
Erro Médio Absoluto (MAE);
Erro Quadrático Médio (MSE);
Coeficiente de Determinação (R²);
Raiz do Erro Quadrático Médio (RMSE);
Erro Percentual Absoluto Médio (MAPE).
O tribunal de determinado estado realizou um processo de modernização digital para otimizar o atendimento ao público. O novo sistema utiliza inteligência artificial para identificar automaticamente o tipo de solicitação recebida, encaminhar o processo ao setor adequado e responder a dúvidas frequentes de forma interativa. Para isso, a equipe de TI implantou modelos de aprendizado de máquina supervisionado, integrados a módulos de processamento de linguagem natural (PLN), que permitem que o sistema compreenda textos em linguagem humana e aprimore continuamente suas respostas. Os dados de interação são armazenados em banco de dados em nuvem, e os modelos são atualizados periodicamente para melhorar a precisão.
O sistema descrito na situação hipotética precedente aplica
estratégias de automação baseadas exclusivamente em scripts de lógica sequencial.
métodos de simulação matemática estática voltados apenas à previsão numérica de séries temporais.
técnicas de inteligência artificial baseadas em aprendizado de máquina e processamento de linguagem natural.
procedimentos de mineração de dados para geração de relatórios de desempenho organizacional.
algoritmos determinísticos convencionais, com respostas fixas e previsíveis a cada solicitação.
No âmbito das investigações policiais, os diversos modelos de Inteligência Artificial Generativa destacam-se por sua capacidade de analisar, sintetizar e reconstruir informações complexas provenientes de múltiplas fontes digitais. Assim, a IA generativa revela-se uma aliada essencial na integração e interpretação de grandes volumes de dados forenses, aprimorando a eficiência, a rastreabilidade e a precisão analítica das atividades investigativas.
Assinale a opção que não descreve corretamente as características dos modelos de Inteligência Artificial Generativa.
O modelo de áudio e voz generativo, de natureza intermodal, integra múltiplos sentidos, explorando a complementaridade entre eles, possibilitando traduções cruzadas entre modalidades.
Os modelos de difusão, sustentados por cadeias estocásticas e treinados por inferência variacional, reproduzem em amostras a distribuição original ao reverter o processo de difusão que adiciona ruído aos dados.
Os modelos de linguagem de grande porte (LLMs) são treinados para prever a probabilidade de um caractere, palavra ou sequência (token) dado o seu contexto precedente ou circundante.
Os modelos fundacionais são treinados em dados amplos e capazes de adaptação a uma ampla variedade de tarefas subsequentes, servindo de base para outros modelos.
Os modelos generativos adversariais (GANs) consistem em dois modelos: um gerador, que aprende a capturar a distribuição de dados, e um discriminador, que estima a probabilidade de uma amostra ser real.
A ampliação do uso de inteligência artificial generativa intensificou debates sobre dependência tecnológica, circulação internacional de dados e capacidade estratégica dos Estados em áreas consideradas sensíveis para a economia digital. Nesse contexto, diferentes países passaram a discutir mecanismos de fortalecimento científico, regulação tecnológica e competitividade internacional. Considerando esse cenário, qual diretriz tende a fortalecer de maneira mais consistente a capacidade tecnológica nacional?
Articulação entre produção científica, infraestrutura digital e formação técnica especializada.
Ampliação da interoperabilidade internacional com redução progressiva das exigências regulatórias.
Expansão de serviços digitais privados associada à flexibilização do controle de dados estratégicos.
Concentração dos investimentos tecnológicos em plataformas estrangeiras de alta escala operacional.
“Com a incorporação de recursos de Inteligência Artificial generativa ao ecossistema do Microsoft 365, a Microsoft passou a disponibilizar um assistente de escrita capaz de interpretar comandos em linguagem natural, gerar textos, resumir documentos, sugerir melhorias de estilo, criar apresentações automaticamente a partir de arquivos existentes e analisar dados em planilhas entre outras funcionalidades.”
Baseado na afirmação assinale a alternativa que identifica corretamente essa ferramenta de IA:
Microsoft Editor.
Microsoft Designer.
Microsoft Copilot.
Microsoft Viva Insights.
Microsoft Power Automate.
O perceptron é um dos modelos de redes neurais artificiais mais simples e tradicionais. A figura a seguir ilustra o grafo arquitetural de um perceptron. Analise-a.

Com relação as características do grafo, analise as afirmativas a seguir.
I. A rede possui várias camadas, sendo quatro camadas ocultas e três camadas de saída de dados.
II. A rede é do tipo totalmente conectada, isso significa que cada neurônio em qualquer camada está conectado a todos os outros neurônios da camada anterior.
III. O fluxo de sinais é unidirecional e progride na rede da esquerda para a direita e de camada em camada.
Está correto o que se afirma em
I, apenas.
II, apenas.
III, apenas.
I e II, apenas.
II e III, apenas.
Um Engenheiro de Computação precisa desenvolver um Sistema Especialista para auxiliar o Analista Legislativo a classificar a constitucionalidade de novos projetos de lei, com base em centenas de regras e precedentes definidos por especialistas jurídicos.
O método primário de Representação do Conhecimento em Sistemas Especialistas que armazena o conhecimento na forma de declarações condicionais é o de
Redes Bayesianas.
Redes Semânticas.
Regras de Produção.
Árvores de Decisão.
Lógica Difusa.
Tecnologias de inteligência artificial modernas garantem que as informações geradas por modelos de linguagem estejam sempre corretas e livres de distorções.
Certo
Errado
A Inteligência Artificial (IA) tem transformado diferentes setores da sociedade por meio da automação de processos, reconhecimento de padrões e análise de dados em larga escala. Entre suas aplicações, destaca-se a análise preditiva, utilizada para apoiar decisões estratégicas em áreas como saúde, segurança, educação e mercado financeiro. Sobre esse tema, assinale a alternativa correta.
A análise preditiva utiliza algoritmos e dados históricos para identificar padrões e estimar tendências ou comportamentos futuros.
A Inteligência Artificial funciona de maneira idêntica em todos os sistemas computacionais, independentemente do volume e da qualidade dos dados utilizados.
Os sistemas de análise preditiva produzem resultados fixos, sem alteração diante da inserção de novos dados no sistema.
A utilização de IA em ambientes corporativos reduz a necessidade de armazenamento e processamento de dados digitais.
A análise preditiva substitui integralmente o processo de interpretação e tomada de decisão realizado por profissionais humanos.
O Guia de Inteligência Artificial Generativa do Governo Federal (2026), elaborado como parte das ações do Núcleo de Inteligência Artificial (NIA) do Ministério da Gestão e da Inovação de Serviços Públicos (MGI), apresenta orientações sobre o uso de Inteligência Artificial Generativa (IAG) no setor público. Assinale a alternativa que NÃO corresponde, de acordo com o NIA, a um risco associado ao uso de ferramentas de inteligência artificial generativas, como o ChatGPT, o Gemini e o Copilot.
A IAG pode expor a organização e os usuários a uma série de riscos relacionados à segurança da informação caso não sejam adotadas práticas robustas de mitigação.
A IAG pode falhar em interpretar ou aplicar os dados corretamente em contextos diferentes daquele em que foi treinada.
A IAG pode incentivar o desenvolvimento de soluções locais de inteligência artificial, o que não é recomendado.
A IAG pode não considerar aspectos legais e éticos ligados a direitos autorais e propriedade intelectual.
A IAG pode gerar respostas que parecem plausíveis e confiáveis, mas que são incorretas ou inventadas, podendo induzir ao erro.
A Inteligência Artificial Generativa representa um avanço estratégico para as atividades policiais investigativas, ao permitir a análise automatizada, síntese e geração de informações complexas a partir de grandes volumes de dados. Arquiteturas como os transformers e modelos de linguagem de grande porte podem auxiliar investigações criminais, ampliando a capacidade analítica, a precisão investigativa e a eficiência operacional das forças de segurança.
Uma das características inerentes aos transformers é a de
apresentar, como desafio, a dificuldade de captura de dependências de longo alcance pelo uso de camadas empilhadas de atenção (self-attention).
otimizar o seu desempenho pela substituição do uso da técnica de atenção escalonada por produto interno (scaled dot-product attention), que causava instabilidade nos gradientes em dimensões altas.
produzir, ao longo da sua execução, vetores de codificação posicional parabólicos, que se multiplicam aos embeddings das palavras, permitindo o reconhecimento da posição absoluta e relativa de cada termo.
ser a primeira arquitetura de transdução de sequências construídas com mecanismos de atenção sustentados em redes neurais recorrentes e convolucionais profundas.
utilizar o modelo de múltiplas "cabeças" de atenção paralelas, substituindo a proposta de atenção única global, atentando a diferentes subespaços de representação simultaneamente.
Os modelos de IA generativa fechados são ideais para assistentes de dados, relatórios padronizados e atendimento automatizado, e seu acesso ocorre via APIs, o que facilita a sua integração a sistemas institucionais do setor público.
Certo
Errado
O desenvolvimento tecnológico no mundo atual tem causado implicações éticas consideráveis. O desenvolvimento de novos sistemas, o uso de algoritmos e de Inteligência Artificial vêm alterando significativamente o mundo da vida, trazendo riscos que podem ir além dos resultados científicos e tecnológicos previsíveis. Sobre esse contexto da relação entre ética e tecnologia na sociedade contemporânea, com base nos diversos estudos publicados, dadas as afirmativas,
I. O denominado teste de Turing se tornou um marco na avaliação da inteligência das máquinas, e trouxe à tona preocupações éticas sobre o uso e as implicações da IA.
II. Segundo um olhar ético, a discussão sobre IA deve ser especializada, engajando especialistas, e não toda a sociedade, focando na educação e na informação mais técnica e precisa.
III. Algoritmo é uma sequência de instruções ou regras que visam criar um problema, formular uma tarefa ou acumular dados de forma automática.
IV. As práticas de desenvolvimento de sistemas computacionais que consideram valores éticos podem levar a consequências previstas com altos riscos para a população.
verifica-se que está/ão correta/s apenas
I.
I e III.
II e IV.
I, III e IV.
II, III e IV.
A Inteligência Artificial pode ser definida como:
Um método de compressão de arquivos.
Um tipo de hardware específico para redes.
Um sistema exclusivo de armazenamento de dados.
Um conjunto de técnicas que permite que as máquinas simulem capacidades humanas.
Modelos de IA generativa, como os baseados em arquiteturas transformer, são capazes de produzir novos dados a partir de padrões aprendidos durante o treinamento.
Certo
Errado
Com o avanço da Inteligência Artificial (IA), surgem dilemas éticos complexos sobre o uso de dados e a autonomia dos algoritmos, especialmente no ambiente acadêmico e de pesquisa. As universidades brasileiras têm debatido a criação de diretrizes para o uso responsável da IA generativa por alunos e pesquisadores. Analise as seguintes proposições sobre o uso ético da Inteligência Artificial:
I. O uso de ferramentas de IA para gerar textos, como artigos ou trabalhos acadêmicos, sem a devida declaração de uso e sem uma revisão crítica e substancial pelo autor humano, pode ser considerado plágio ou má conduta acadêmica, pois o trabalho não é original.
II. Os dados utilizados para treinar modelos de IA podem conter vieses (de gênero, raça, etc.) presentes na sociedade. A utilização acrítica dos resultados gerados por esses modelos pode perpetuar e amplificar esses vieses em pesquisas e tomadas de decisão.
III. A responsabilidade sobre o conteúdo gerado por uma IA é exclusivamente do desenvolvedor da ferramenta, isentando o usuário final de qualquer obrigação de verificar a veracidade, a precisão ou as implicações éticas das informações produzidas.
Está CORRETO o que se afirma em:
I apenas.
I, II e III.
II e III apenas.
I e II apenas.
Um órgão público implementou um sistema contendo Inteligência Artificial para auxiliar na análise de concessão de benefícios sociais. Após a implantação, surgiram questionamentos de cidadãos sobre os critérios utilizados pelo sistema para indeferir solicitações, bem como preocupações relacionadas à proteção de dados pessoais e à possibilidade de discriminação indireta. À luz dos princípios básicos de uso responsável de IA, a conduta tecnicamente condizente para o órgão público é
utilizar dados públicos abertos, eliminando a necessidade de preocupação relacionada com a privacidade ou vieses no sistema.
substituir a análise humana pelas decisões automatizadas do modelo, evitando situações de interferência subjetiva durante o processo.
manter o modelo em sigilo para preservar a segurança do algoritmo e evitar que os cidadãos questionem as decisões automatizadas.
disponibilizar explicações compreensíveis sobre os critérios de decisão do sistema e adotar medidas de proteção de dados pessoais.
permitir acesso ao código-fonte do modelo e aos dados pessoais utilizados no treinamento, garantindo transparência operacional.
Uma Secretaria da Fazenda está implementando um Sistema de Detecção e Resposta de Endpoint (EDR) de última geração que utiliza modelos de Inteligência Artificial (IA) para identificar ameaças. Durante uma reunião técnica, surgiu a discussão sobre como esses modelos são desenvolvidos e aplicados na proteção contra malware desconhecido. Nesse contexto, um dos especialistas em segurança afirmou que os modelos de IA
utilizam bancos de dados de assinaturas hash (MDS, SHA-256) de malwares conhecidos, e a eficácia depende da velocidade com que novas assinaturas são adicionadas pelo fabricante após a descoberta de uma ameaça.
funcionam como mecanismos de whitelisting aplicativo estrito, em que apenas processos e arquivos previamente aprovados e catalogados em uma lista branca central podem ser executados, bloqueando qualquer comportamento novo ou não catalogado por padrão.
atuam principalmente como um sistema de correlação de logs avançados, agregando eventos de diferentes fontes (SIEM, firewall, DS) e aplicando regras do tipo if-then-else predefinidas por analistas para gerar alertas.
são treinados com grandes conjuntos de dados para aprender padrões intrínsecos e, após implantados, podem identificar ameaças do tipo zero-day ao detectar desvios significativos desses padrões aprendidos ou similaridades comportamentais.
são inerentes ao hardware especializado (como GPUs) em que elas são executadas, sendo que a troca do endpoint por um modelo com CPU menos potente invalidaria completamente a proteção, independentemente da qualidade do modelo treinado.