Aplicações Práticas de Inteligência Artificial

Prévia do material em texto

Prova 3: Aplicações Práticas de Inteligência Artificial
Introdução
Nesta prova, testaremos seu conhecimento sobre aplicações práticas de Inteligência 
Artificial (IA) e Machine Learning (ML). Você encontrará questões sobre usos cotidianos e 
impactos dessas tecnologias no mundo real. Responda com atenção e confira as respostas 
ao final. Boa sorte!
Questões
1. Qual das opções abaixo é um exemplo de IA na área da saúde?
A) Um robô para transporte de pacientes.
B) Um sistema de diagnóstico baseado em imagens médicas.
C) Um sistema de ventilação mecânica manual.
D) Um banco de dados para cadastro de médicos.
E) Um termômetro digital.
2. Qual é o principal benefício do aprendizado profundo (Deep Learning)?
A) Reduz a necessidade de grandes volumes de dados.
B) Simula redes neurais humanas em tarefas complexas.
C) Funciona apenas em computadores quânticos.
D) Opera sem supervisão humana em qualquer contexto.
E) Substitui completamente a programação tradicional.
3. Qual setor mais utiliza sistemas de recomendação?
A) Educação.
B) Comércio eletrônico e streaming.
C) Saúde pública.
D) Engenharia civil.
E) Agricultura.
4. O que é Natural Language Processing (NLP)?
A) Um processo de fabricação de chips de IA.
B) A habilidade de IA de entender e gerar linguagem humana.
C) Um tipo de rede neural para prever movimentos.
D) Uma técnica usada em sistemas de controle remoto.
E) Um método de organizar dados em servidores.
5. Qual algoritmo é amplamente usado para detectar fraudes em transações 
financeiras?
A) Redes Bayesianas.
B) Árvores de Decisão.
C) Redes Neurais Profundas.
D) Algoritmos Genéticos.
E) Algoritmo de Bubble Sort.
6. Qual é uma limitação comum da IA atualmente?
A) Falta de capacidade de processar dados em tempo real.
B) Necessidade de dados de alta qualidade para treinamento.
C) Uso limitado a áreas de tecnologia.
D) Incompatibilidade com dispositivos móveis.
E) Dificuldade em realizar cálculos matemáticos básicos.
7. O que é aprendizado por reforço?
A) Um método que usa apenas dados rotulados.
B) Um modelo treinado com recompensas para ações corretas e penalidades para erros.
C) Uma técnica usada exclusivamente em imagens.
D) Um algoritmo que otimiza funções matemáticas.
E) Um processo de revisão manual de dados.
8. Em qual área a IA pode ajudar na personalização da experiência do usuário?
A) Desenvolvimento de infraestrutura pública.
B) Criação de campanhas de marketing segmentadas.
C) Otimização de combustíveis fósseis.
D) Controle de poluição atmosférica.
E) Previsão de clima global.
9. Qual tecnologia auxilia em carros autônomos?
A) Análise estatística.
B) Visão computacional.
C) Impressão 3D.
D) Banco de dados relacionais.
E) Processamento gráfico básico.
10. Qual é o maior desafio ético na adoção de IA?
A) Falta de softwares gratuitos.
B) Garantir que os dados usados respeitem a privacidade e não sejam tendenciosos.
C) Dificuldade de uso em pequenos negócios.
D) Incompatibilidade com redes de internet lenta.
E) Exigência de hardware caro.
Gabarito e Justificativas
1. B - Sistemas de diagnóstico baseados em IA ajudam a identificar doenças 
rapidamente.
2. B - O aprendizado profundo simula redes neurais humanas para resolver problemas 
complexos.
3. B - Sistemas de recomendação são amplamente usados no comércio eletrônico e 
em serviços de streaming.
4. B - NLP permite que a IA entenda e gere texto em linguagem humana.
5. C - Redes neurais profundas analisam padrões complexos, sendo eficazes na 
detecção de fraudes.
6. B - IA depende de dados de alta qualidade, o que pode ser uma limitação.
7. B - O aprendizado por reforço utiliza recompensas e penalidades para treinar 
modelos.
8. B - IA personaliza campanhas de marketing para atingir públicos-alvo específicos.
9. B - Visão computacional é essencial para que os carros autônomos percebam o 
ambiente ao redor.
10. B - Garantir privacidade e evitar preconceitos nos dados são desafios éticos 
importantes.