

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.
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.
O IFCE pretende implementar um sistema que identifique automaticamente alunos com risco de evasão, com base em dados históricos como frequência, notas e participação em atividades acadêmicas. O analista de tecnologia da informação avaliou que a solução deverá utilizar dados previamente rotulados (alunos que evadiram e alunos que concluíram o curso) para treinar um modelo capaz de prever novos casos.
Considerando os conceitos e modelos de inteligência artificial, assinale a alternativa que descreve corretamente a abordagem adequada ao cenário apresentado.
Utilizar aprendizado não supervisionado, pois os dados já estão classificados previamente.
Utilizar algoritmo de clustering, pois o objetivo é agrupar dados em categorias desconhecidas.
Utilizar um sistema especialista baseado em regras fixas de negócio para a tomada de decisão.
Utilizar aprendizado por reforço, pois o modelo deve aprender por tentativa e erro em ambiente interativo.
Utilizar aprendizado supervisionado, pois há dados históricos rotulados que podem ser usados para treinar o modelo de predição.
A Assembleia Legislativa adotou ferramentas de IA generativa para auxiliar na redação de minutas de projetos de lei e na geração de resumos de grandes documentos. O uso dessas ferramentas impõe um desafio ético, pois as informações geradas, embora úteis, podem conter imprecisões ou vieses.
No que tange à ética e à governança no uso de ferramentas de IA no ambiente de trabalho, assinale a opção que indica o princípio de responsabilidade inalienável e fundamentalmente estabelecido para o usuário final que utiliza o conteúdo gerado pela máquina.
O token de contexto da IA é o único responsável pela factualidade da informação, desde que a fonte de dados seja validada.
A responsabilidade pela verificação, edição e validação do conteúdo é transferida para o algoritmo da IA quando ele é implementado pela instituição.
O responsável legal e ético pelo resultado final da informação e por suas consequências é sempre o usuário humano, que deve aplicar seu julgamento profissional e fact-checking.
A responsabilidade é automaticamente delegada ao fornecedor do software de IA por ser o detentor dos dados de treinamento.
O uso de IA nas tarefas administrativas dispensa a verificação humana, pois a taxa de erro da IA é inferior à média humana.
No contexto de Inteligência Artificial (IA) Generativa multimodal, considere as seguintes afirmações:
I. O modelo CLIP (Contrastive Language-Image Pretraining) foi desenvolvido para entender a relação entre imagens e definições em texto. Ele aprende comparando pares de imagens e textos encontrados na internet, permitindo que o sistema encontre imagens relevantes a partir de uma descrição em linguagem natural, sem precisar que o usuário tenha previamente classificado cada imagem manualmente.
II. O Stable Diffusion é uma IA generativa especializada em criar imagens foto realistas e arte a partir de texto de forma eficiente a partir de descrições de textos. Em vez de processar imagens completas, que que exige computação forte, ele trabalha em uma representação otimizada das imagens, gerando resultados de qualidade com menor custo computacional.
III. O modelo GPT-4 Vision é um modelo de Inteligência Artificial multimodal consegue "ler" conteúdo visual e entenda o contexto de imagens, fotografias, gráficos, captura de telas e documentos convertendo pedaços da imagem em informações numéricas compatíveis com o processamento de texto. Essencialmente, o sistema trata as imagem inseridas na conversa, permitindo análise integrada de texto e imagem.
Após análise das afirmativas, assinale a alternativa correta:
Apenas a afirmativa I está correta.
Apenas a afirmativa II está correta.
As afirmativas I e II estão corretas.
As afirmativas II e III estão corretas.
As afirmativas I, II e III estão corretas.
Analise as asserções a seguir e a relação proposta entre elas.
I.Os sistemas de inteligência artificial podem reproduzir e amplificar preconceitos presentes na sociedade.
PORQUE
II.Os sistemas de inteligência artificial são capazes de processar grandes volumes de dados em curto intervalo de tempo.
A respeito dessas asserções, assinale a alternativa CORRETA:
As asserções I e II são falsas.
A asserção I é verdadeira, e a II é falsa.
As asserções I e II são verdadeiras, e a II é uma justificativa correta da I.
As asserções I e II são verdadeiras, mas a II não é uma justificativa correta da I.
A asserção I é falsa, e a II é verdadeira.
Com relação ao uso de ferramentas de inteligência artificial, um dos tipos de modelos de deep learning é treinado em imensas quantidades de dados, tornando-o capaz de entender e gerar linguagem natural e outros tipos de conteúdo para executar uma grande variedade de tarefas. Esse tipo e sua respectiva sigla, em inglês, são chamados de:
k-vizinhos mais próximos; (KNN)
computação de alto desempenho; (HPC)
automação de processos robóticos; (RPA)
arquitetura de computação unificada; (CUA)
modelos de linguagem de grande escala; (LLM)
O viés de automação da Inteligência Artificial (IA) generativa consiste em:
tendência de confiar nas decisões automatizadas da IA como sendo sempre precisas ou imparciais.
quando a IA falha em interpretar ou aplicar os dados corretamente em contextos diferentes daquele em que foi treinada.
grupos sub-representados ou excluídos do conjunto de dados acabam sendo ignorados ou mal interpretados pela IA.
dados de treinamento que não representam adequadamente a diversidade podem fazer com que o modelo funcione bem para alguns grupos, mas mal para outros.
dados usados no treinamento não são suficientemente aleatórios ou representativos, resultando em uma amostra enviesada.
O foundation model de inteligência artificial fundamenta-se na representação explícita do conhecimento por meio de regras formais previamente definidas, sendo o desempenho dos modelos associado, por definição, à completude e à consistência dessas regras.
Certo
Errado
No ciclo de vida de um projeto de Inteligência Artificial, a avaliação do desempenho dos modelos e o controle da generalização são etapas críticas. Após o treinamento de um modelo de aprendizado supervisionado, é fundamental garantir que ele não tenha sofrido overfitting e que as métricas escolhidas sejam adequadas ao problema.
Sobre esses conceitos, assinale a alternativa INCORRETA.
O overfitting (sobreajuste) é caracterizado por um modelo que "memoriza" os ruídos e detalhes específicos dos dados de treinamento, resultando em um erro baixo no treino, mas um erro elevado em dados não vistos (teste).
Para problemas de classificação binária, métricas como Acurácia, Precisão, Recall (Sensibilidade) e a pontuação F1-Score são ferramentas essenciais para medir a eficácia do modelo.
A validação cruzada (Cross-Validation) é uma técnica que auxilia na mitigação do viés de seleção dos dados, permitindo uma estimativa mais robusta da performance de generalização do modelo.
Em problemas de regressão, onde o objetivo é prever valores contínuos, utilizam-se métricas de erro como o Erro Médio Absoluto (MAE) e o Erro Quadrático Médio (MSE).
O overfitting tende a ser reduzido à medida que a complexidade do modelo aumenta, pois modelos com maior número de parâmetros conseguem ignorar os ruídos dos dados e focar apenas nos padrões estruturais de longo prazo.
Para que uma IA seja treinada, um ser humano precisa digitar manualmente todas as respostas possíveis para cada pergunta que o sistema venha receber no futuro.
Certo
Errado
Sobre o uso de Inteligência Artificial e algoritmos na comunicação digital, é correto afirmar que:
Não influenciam o consumo de conteúdo.
São neutros e livres de vieses.
Podem impactar a visibilidade de informações e gerar vieses algorítmicos.
Substituem completamente o trabalho humano.
Atuam apenas na área tecnológica.
Sobre IA generativa, analise as assertivas abaixo:
I. Pode produzir textos, imagens e outros conteúdos.
II. Baseia-se em padrões aprendidos a partir de dados.
III. Garante que todas as informações geradas são verdadeiras.
Quais estão corretas?
Apenas I.
Apenas I e II.
Apenas II e III.
I, II e III.
Com o advento das ferramentas de inteligência artificial generativa e LLMs (Large Language Models), as respostas emitidas pela TIC para subsidiar as manifestações de órgãos de controle externo podem ser geradas e enviadas ao solicitante em fluxo 100% autônomo e sem validação humana, uma vez que a precisão dos algoritmos atuais transfere a responsabilidade jurídica do teor do texto para o fornecedor do modelo de IA.
Certo
Errado
Durante o desenvolvimento de um chatbot interno no Ministério Público, a equipe de TI percebeu que as respostas da IA, embora corretas, eram genéricas e pouco adaptadas ao contexto jurídico da instituição. O objetivo passou a ser obter respostas mais detalhadas, com terminologia adequada e foco nas normas e procedimentos internos O técnico responsável foi orientado a revisar a formulação das instruções dadas ao modelo, ajustando a forma e a estrutura dos comandos textuais. Para isso, O técnico deve fazer
a aplicação de técnicas de prompt-engineering, definindo papéis, contexto e exemplos explícitos na instrução.
uso de mecanismos e filtros de moderação de conteúdo para restringir a saída do modelo a temas jurídicos.
o refinamento de clusters do modelo de linguagem para aumentar a precisão estatística das respostas.
a expansão do conjunto de treinamento com documentos públicos e decisões judiciais disponíveis em bases abertas.
a implementação de um pipeline de aprendizado de esforço com a curadoria de promotores e procuradores.
Dada a complexidade técnica e a capacidade de processamento superior dos sistemas de inteligência artificial, recomenda-se que, em situações de decisões críticas e de alta complexidade, a responsabilidade ética e jurídica final seja delegada integralmente ao sistema autônomo, desde que este tenha sido validado por uma avaliação de impacto ético, isentando-se os operadores humanos de supervisão direta para garantir a eficiência e a neutralidade do resultado.
Certo
Errado
Sobre a relação hierárquica entre Inteligência Artificial (IA), Machine Learning (ML) e Deep Learning (DL), considerando que o símbolo ⊃ representa uma relação de inclusão (o elemento da esquerda contém o elemento da direita), é correto afirmar que:
DL ⊃ ML ⊃ IA
ML ⊃ DL ⊃ IA
IA ⊃ DL ⊃ ML
IA ⊃ ML ⊃ DL