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.
- Gran Questões
- Questões
Questões de Concurso sobre Inteligência Artificial
Disciplina
Assunto
1
Banca
Instituição
Cargo
Ano
Carreira
Área de formação
Escolaridade
Dificuldade
Comentários:
Professores
Alunos
Meus Comentários
Vídeo
Minhas questões:
Resolvidas
Não resolvidas
Certas
Erradas
Tipo de questão:
Certo e errado
Múltipla escolha
Incluir questões:
Anuladas
Desatualizadas
Questões:
Todas as questões
Filtro simplificado
Questões
Todas as questões
417
questões
encontradas
20
Mais recentes
As interfaces conversacionais, incluindo chatbots e assistentes virtuais, representam uma evolução significativa na forma como interagimos com a tecnologia. Utilizando processamento de linguagem natural (PLN) e inteligência artificial (IA), essas interfaces permitem comunicações mais naturais e intuitivas entre humanos e máquinas, simulando conversas reais. Um agente conversacional é um
A
usuário humano especializado em responder a perguntas em fóruns on-line.
B
hardware dedicado à tradução de idiomas em tempo real.
C
software programado para simular conversas com usuários humanos.
D
protocolo de rede que facilita a comunicação de dados, especialmente dados de voz.
Processamento de Linguagem Natural (PLN) é uma subárea da inteligência artificial (IA) que se ocupa da interação entre computadores e linguagem humana. O objetivo do PLN é permitir que os computadores compreendam, interpretem, e gerem linguagem natural de maneira que seja útil e significativa. É um campo interdisciplinar que combina linguística, ciência da computação e aprendizado de máquina. Em Processamento de Linguagem Natural (PLN), assinale a técnica mais adequada, entre as listadas, para capturar a dependência contextual de palavras em uma frase, permitindo que o modelo compreenda o significado baseado no contexto.
A
Bag of Words (BoW).
B
TF-IDF (Term Frequency-Inverse Document Frequency).
C
Word2Vec
D
Redes Neurais Recorrentes (RNN).
E
Tokenização Simples.
A inteligência artificial generativa (IA generativa) é um campo da inteligência artificial que se concentra na capacidade de criar novos conteúdos e ideias de forma autônoma. Em vez de simplesmente responder a comandos ou fornecer respostas predefinidas, uma IA generativa tem a capacidade de gerar conteúdos originais em uma variedade de formas, como texto, imagens, áudio e vídeo.
São exemplos de categorias amplas de modelos de IA generativa
A
Autocodificadores variacionais e Multilayer Perceptrons.
B
Transformadores e Algoritmos de retropropagação.
C
Autocodificadores variacionais e Redes Adversariais.
D
Algoritmos de retropropagação e ChatGPT.
E
Gemini e Multilayer Perceptrons.
Alguns dos primeiros modelos de linguagem de larga escala desenvolvidos tendiam a gerar resultados incorretos com excesso de confiança, caracterizando o que se convencionou chamar de alucinações dos modelos. Uma estratégia de mitigação das alucinações é o uso da técnica de Geração Aumentada por Recuperação, ou Retrieval-Augmented Generation (RAG).
A respeito da RAG, avalie as afirmativas a seguir.
I. Baseia-se na combinação de sistemas de recuperação de informações e de modelos generativos capazes de produzir novos textos.
II. Permite aos modelos buscarem informações relevantes em bases de dados mais confiáveis durante o processamento das consultas dos usuários (user queries), viabilizando melhor adequação a contextos e melhor qualidade das respostas.
III. Não altera os parâmetros dos modelos generativos, e, portanto, não influencia o treinamento das redes neurais com informações recuperadas de bases de dados externas.
Está correto o que se afirma em
A
I, apenas.
B
II, apenas.
C
III, apenas.
D
I e II, apenas.
E
I, II e III.
No contexto jurídico brasileiro, assinale a afirmativa correta acerca do modo como a autonomia de um sistema de Inteligência Artificial (IA) é geralmente tratada, em questões relativas à sua responsabilidade por ações e atividades.
A
A IA é considerada uma entidade legal autônoma com responsabilidades próprias, sendo um sujeito de direito.
B
A responsabilidade pela IA e suas atividades é atribuída exclusivamente ao seu usuário final.
C
A autonomia jurídica da IA não é reconhecida legalmente, recaindo a responsabilidade, como regra, sobre seus atos aos operadores humanos.
D
Sistemas de IA têm, em algumas jurisdições, o mesmo status legal que incapazes.
E
A lei considera a IA uma extensão do seu programador, devendo o mesmo ser legalmente acionado em todos os casos.
O Processamento de Linguagem Natural (PLN) é uma subárea da inteligência artificial que foca na interação entre computadores e a linguagem humana. Ele envolve a criação de algoritmos e modelos que permitem que as máquinas compreendam, interpretem e respondam a textos e fala de maneira semelhante aos humanos. Este processamento segue um fluxo básico de análises e ações. Assinale a alternativa que apresenta quais são os estágios deste fluxo.
A
Pré-processamento, Análise léxica, Análise tradutória, Análise intencional, Análise verificadora
B
Pré-processamento, Análise léxica, Análise sintática, Análise Semântica, Análise pragmática
C
Pré-processamento, Análise tradutória, Análise sintática, Análise verificadora
D
Pré-processamento, Análise tradutória, Análise pragmática, Análise sintática
Assinale a alternativa que apresenta como a estatística é aplicada no contexto da inteligência artificial e quais são os desafios enfrentados na Era do Big Data.
A
A estatística, combinada com machine learning e deep learning, ajuda a enfrentar desafios e oportunidades da Era Big Data, como a Indústria 4.0 e a Internet das Coisas (IoT)
B
A estatística é utilizada apenas para a coleta de dados em inteligência artificial, sem relação com machine learning
C
Na Era Big Data, a estatística é aplicada unicamente na análise de dados, sem uso em deep learning
D
A estatística e a inteligência artificial são independentes e não se complementam na resolução de problemas complexos
Uma empresa de marketing digital está explorando o uso de inteligência artificial (IA) generativa para melhorar suas campanhas publicitárias. A equipe está discutindo como essa tecnologia pode ser utilizada para criar conteúdo personalizado e interativo para seus clientes, além de otimizar o processo criativo, economizando tempo e recursos. Assinale a alternativa CORRETA, que traz a aplicação da IA generativa mais adequada para uma empresa de marketing digital que deseja melhorar suas campanhas publicitárias.
A
Usar IA generativa para produzir e-mails de marketing altamente personalizados e segmentados.
B
Utilizar IA generativa para criar estratégias de SEO (Search Engine Optimization) personalizadas.
C
Implementar IA generativa para gerenciar o atendimento ao cliente via chatbots.
D
Aplicar IA generativa para automatizar processos de recrutamento e seleção de novos funcionários.
E
Empregar IA generativa para desenvolver softwares de contabilidade interna.
Com a evolução dos LLM (Large Language Model) é comum o uso de ferramentas de IA para auxílio na execução de tarefas. O Google Workspace conta com o uso de IA em seus diversos recursos como Meets, Gmail e Documentos.
Assinale a alternativa que apresenta corretamente qual é a IA da Google.
A
ChatGPT
B
Copilot
C
Gemini
D
Watson
E
Sagemaker
A geração de imagens por meio de descrição de textos, sem a necessidade de inserir outras figuras ou ilustrações, é um dos recursos da inteligência artificial generativa.
C
Certo
E
Errado
Considere as seguintes afirmativas sobre Inteligência Artificial, assinale V para a afirmativa verdadeira e F para a falsa.
( ) A Inteligência Artificial é uma tecnologia disruptiva que tem o potencial de mudar o mundo.
( ) A Inteligência Artificial é utilizada em diversas aplicações práticas, como carros autônomos, assistentes virtuais e sistemas de recomendação.
( ) A Inteligência Artificial não apresenta riscos éticos, pois é uma ferramenta que pode ser usada para o bem ou para o mal, dependendo das intenções de seus usuários.
As afirmativas são, respectivamente,
A
V – F – F.
B
V – V – V.
C
F – V – V.
D
V – F – V.
E
V – V – F.
Ano:
2024
Banca:
Instituto Quadrix - Quadrix
A computação quântica é uma tecnologia que tem potencial para revolucionar áreas como criptografia, simulações complexas e inteligência artificial.
C
Certo
E
Errado
A inteligência artificial (IA) é um campo da ciência da computação que se dedica ao estudo e ao desenvolvimento de máquinas e programas computacionais capazes de reproduzir o comportamento humano na tomada de decisões e na realização de tarefas, desde as mais simples até as mais complexas. A arquitetura de inteligência artificial consiste em quatro camadas principais, sendo que cada uma delas usa tecnologias distintas para desempenhar uma determinada função. Uma dessas camadas é a parte da arquitetura de IA, voltada para o cliente, que pode pedir aos sistemas de IA que concluam determinadas tarefas, gerem ou forneçam informações, ou mesmo tomem decisões baseadas em dados, como também essa é a camada que permite a interação entre os usuários finais e os sistemas de IA. Com base no que foi informado, essa camada é conhecida como
A
Aplicação.
B
Algoritmo.
C
Modelo.
D
Dados.
E
Física.
Deep learning é um algoritmo que simula o cérebro humano por meio de algoritmos probabilísticos de aprendizado do comportamento em que uma população de representações abstratas de solução é selecionada em busca de soluções melhores.
C
Certo
E
Errado
Na área de Inteligência Artificial, os agentes são entidades autônomas que percebem seu ambiente e tomam decisões para atingir seus objetivos. Em sistemas multiagentes, vários agentes interagem entre si para alcançar objetivos comuns.
Observando as afirmações abaixo, assinale a alternativa que descreve a diferença entre um agente reflexivo simples e um agente baseado em objetivos.
A
Um agente reflexivo simples toma decisões com base em ações pré-programadas, enquanto um agente baseado em objetivos ajusta seus objetivos de acordo com as mudanças no ambiente.
B
Um agente reflexivo simples adapta seu comportamento de acordo com recompensas recebidas, enquanto um agente baseado em objetivos segue uma abordagem de tomada de decisão lógica.
C
Um agente reflexivo simples sempre escolhe a ação que maximiza a utilidade imediata, enquanto um agente baseado em objetivos avalia o impacto de suas ações a longo prazo.
D
Um agente reflexivo simples decide suas ações com base em regras condicionais, enquanto um agente baseado em objetivos seleciona ações para atingir estados desejados.
Na área de Inteligência Artificial, a representação do conhecimento desempenha um papel fundamental. Dentre as várias formas de representar o conhecimento, uma estrutura que permite expressar relações entre entidades é conhecida como Grafo de Conhecimento.
Dentre as seguintes alternativas apresentadas abaixo, assinale aquela que descreve corretamente a natureza de um Grafo de Conhecimento na Inteligência Artificial.
A
Um Grafo de Conhecimento é uma técnica de representação baseada em linguagem natural que utiliza palavras-chave e frases para expressar relações complexas entre conceitos.
B
Um Grafo de Conhecimento é uma estrutura hierárquica que organiza o conhecimento em camadas, facilitando a navegação e busca de informações em diferentes níveis de detalhe.
C
Um Grafo de Conhecimento é uma representação gráfica que utiliza nós e arestas para modelar relações entre entidades, proporcionando uma visão visual das conexões.
D
Um Grafo de Conhecimento é um modelo probabilístico que utiliza equações matemáticas para quantificar a incerteza associada às relações entre diferentes elementos do conhecimento.
No contexto da Inteligência Artificial (IA), assinale a opção que define corretamente o termo “explicabilidade da IA” ou “Inteligência Artificial explicável” e indica por que ele é importante para a regulação do tema.
A
Representa a capacidade de uma IA de realizar tarefas sem quaisquer ações e intervenções humanas. Com base em processos algorítmicos, a IA vem ganhando autonomia decisória e mostrando-se consciente sobre o desenvolvimento das novas tecnologias.
B
Representa a habilidade de uma IA de explicar suas decisões em termos tecnicamente compreensíveis, a partir de uma única linguagem desenvolvida por campos neurais.
C
Representa um conjunto de técnicas de aprendizado de máquina que permite que os usuários humanos entendam, possam confiar e gerenciem com eficácia a geração emergente de parceiros com inteligência artificial.
D
Representa a precisão de uma IA em prever resultados baseados em dados qualitativos e quantitativos.
E
Representa a capacidade de uma IA de passar no Teste de Turing, sendo essencial para sua aceitação social.
O Teste de Turing é um conceito fundamental na história da inteligência artificial (IA), proposto pelo matemático e lógico Alan Turing em 1950. Ele é frequentemente discutido em relação à capacidade das máquinas de exibir comportamento inteligente semelhante ao dos seres humanos. Diante do exposto, assinale a alternativa que apresenta quais são as principais capacidades para um computador passar no teste de Turing.
A
Apenas processamento de linguagem natural e robótica
B
Visão computacional e representação de conhecimento
C
Processamento de linguagem natural, representação de conhecimento, raciocínio automatizado e aprendizado de máquina
D
Processamento de linguagem natural e visão computacional
As árvores de decisão são um modelo de aprendizado de máquina que opera por meio da construção de uma estrutura em forma de árvore para tomar decisões e que oferece uma compreensão clara da lógica de decisão e da hierarquia de características que contribuem para as predições finais. Elas são versáteis e podem ser usadas tanto para tarefas de classificação quanto para as de regressão.
Nesse contexto, considere a construção de uma árvore de regressão usando a classe DecisionTreeRegressor do ScikitLearn e seu treinamento em um conjunto de dados quadrático com max_depth=2, conforme mostrado a seguir:
from sklearn.tree import DecisionTreeRegressor
tree_reg = DecisionTreeRegressor(max_depth=2)
tree_reg.fit(X, y)
A árvore resultante é representada na Figura a seguir.
GÉRON, A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. 2 ed. Sebastopol, CA: O’Reilly Media, Inc.: 2019, p. 183.
Considerando-se o cenário apresentado e que se deseja fazer uma predição para uma nova instância, com x1 = 0.6, qual será o valor predito?
A
0.015
B
0.074
C
0.111
D
0.259
E
110
Conceito que pertence à computação e consiste na capacidade que máquinas (físicas, softwares e outros sistemas) têm de interpretar dados externos, aprender a partir dessa interpretação e utilizar o aprendizado para resolver tarefas específicas e atingir objetivos determinados. Busca fazer com que as máquinas pensem como os seres humanos, ou seja, que possam analisar, raciocinar, aprender e decidir de maneira lógica e racional. Este conceito refere-se ao(à):
A
Metaverso.
B
Realidade Aumentada.
C
Internet das Coisas.
D
Inteligência Artificial.
E
Multiverso.
Gerar simulado