Prova_ Avanços e Aplicações da Inteligência Artificial

Prévia do material em texto

Prova: Avanços e Aplicações da Inteligência Artificial
Introdução
A Inteligência Artificial (IA) tem se desenvolvido rapidamente, trazendo benefícios e desafios
para diversas áreas. Esta prova explora alguns dos avanços recentes, suas aplicações 
práticas e os impactos sociais da IA em áreas como saúde, segurança e negócios.
Questão 1
O que é o conceito de "IA fraca"?
a) IA que é capaz de realizar tarefas complexas sem intervenção humana.
b) IA projetada para resolver um conjunto limitado de tarefas, sem consciência ou 
aprendizado profundo.
c) IA que pode realizar qualquer tarefa cognitiva humana.
d) IA que é independente e tem autonomia total em suas decisões.
e) Nenhuma das alternativas anteriores.
Questão 2
Em qual tipo de problema a IA é mais eficaz?
a) Problemas simples e repetitivos.
b) Problemas que envolvem criatividade e improvisação.
c) Problemas que exigem decisão ética.
d) Problemas onde a IA precisa de interação constante com humanos.
e) Nenhuma das alternativas anteriores.
Questão 3
O que é "Deep Learning" (Aprendizado Profundo)?
a) Um tipo de aprendizado supervisionado que usa grandes quantidades de dados e redes 
neurais com muitas camadas.
b) Um algoritmo simples usado para problemas de regressão linear.
c) Uma técnica de aprendizado que não precisa de grandes volumes de dados.
d) Um tipo de aprendizado que é exclusivamente usado para prever séries temporais.
e) Nenhuma das alternativas anteriores.
Questão 4
Quais são as vantagens da "IA explicável" (Explainable AI)?
a) Torna os modelos de IA mais rápidos, mesmo sem garantir a precisão.
b) Oferece clareza sobre como as decisões da IA são tomadas, aumentando a confiança do
usuário.
c) Impede que os modelos de IA sejam influenciados por viés.
d) Aumenta a complexidade dos modelos de IA, tornando-os mais difíceis de entender.
e) Nenhuma das alternativas anteriores.
Questão 5
Qual é a função das "Redes Neurais Convolucionais" (CNNs) em tarefas de visão 
computacional?
a) Elas são usadas para classificar imagens em categorias específicas, como "gato" ou 
"cachorro".
b) Elas são usadas apenas para prever séries temporais e não têm aplicação em visão 
computacional.
c) Elas realizam operações de multiplicação matricial, mas não afetam a análise de imagem.
d) Elas ajudam a extrair características das imagens, como bordas e texturas, para facilitar 
a classificação.
e) Nenhuma das alternativas anteriores.
Questão 6
O que é um "modelo de regressão" em aprendizado de máquina?
a) Um modelo usado para prever valores contínuos, como a previsão de vendas ou 
temperatura.
b) Um modelo utilizado exclusivamente para resolver problemas de classificação.
c) Um modelo que pode prever apenas resultados binários, como "sim" ou "não".
d) Um modelo utilizado para agrupar dados em clusters.
e) Nenhuma das alternativas anteriores.
Questão 7
O que é "overfitting" em aprendizado de máquina?
a) Quando o modelo tem um desempenho muito bom em dados de treinamento, mas falha 
em generalizar para novos dados.
b) Quando o modelo é simples demais e não consegue capturar a complexidade dos dados.
c) Quando o modelo treina com dados rotulados e é capaz de prever novos dados de forma 
eficiente.
d) Quando o modelo realiza um aprendizado profundo sem falhas.
e) Nenhuma das alternativas anteriores.
Questão 8
Quais são os principais desafios éticos da IA?
a) A IA pode ser usada para melhorar a eficiência, mas nunca cria problemas éticos.
b) Decisões tomadas por IA podem ser discriminatórias ou invasivas, violando a privacidade
e a justiça.
c) A IA nunca terá impactos negativos em decisões empresariais.
d) A IA pode ser aplicada sem a necessidade de interação com humanos.
e) Nenhuma das alternativas anteriores.
Questão 9
Qual é a principal aplicação da IA no setor de saúde?
a) A IA pode prever o preço das consultas médicas.
b) A IA pode ajudar a diagnosticar doenças, personalizar tratamentos e prever riscos de 
saúde.
c) A IA pode realizar todos os tipos de cirurgias de forma autônoma.
d) A IA pode substituir médicos em todas as funções.
e) Nenhuma das alternativas anteriores.
Questão 10
Qual é a vantagem de usar "aprendizado por reforço" (Reinforcement Learning) em jogos e 
simulações?
a) O aprendizado por reforço permite que a IA aprenda através da experimentação, 
ajustando suas ações com base em recompensas e penalidades.
b) O aprendizado por reforço é utilizado apenas para otimizar a previsão de vendas em 
mercados financeiros.
c) O aprendizado por reforço não é útil em jogos, pois não permite que a IA aprenda com 
erros.
d) O aprendizado por reforço é mais eficaz para tarefas de classificação de dados.
e) Nenhuma das alternativas anteriores.
Respostas e Justificativas
1. b) IA projetada para resolver um conjunto limitado de tarefas, sem consciência ou 
aprendizado profundo.
Justificativa: A IA fraca é projetada para realizar tarefas específicas, como 
assistentes virtuais, sem ter uma consciência geral ou habilidades cognitivas.
2. a) Problemas simples e repetitivos.
Justificativa: A IA se destaca em tarefas que envolvem grandes volumes de dados e 
padrões simples e repetitivos, como no caso de automação de processos.
3. a) Um tipo de aprendizado supervisionado que usa grandes quantidades de dados e 
redes neurais com muitas camadas.
Justificativa: Deep Learning é uma subárea do aprendizado de máquina que usa 
redes neurais profundas e grandes volumes de dados para realizar tarefas 
complexas.
4. b) Oferece clareza sobre como as decisões da IA são tomadas, aumentando a 
confiança do usuário.
Justificativa: A IA explicável visa tornar os modelos de IA transparentes, ajudando os
usuários a entender como as decisões foram feitas e aumentando a confiança.
5. d) Elas ajudam a extrair características das imagens, como bordas e texturas, para 
facilitar a classificação.
Justificativa: As Redes Neurais Convolucionais (CNNs) são amplamente utilizadas 
em tarefas de visão computacional, pois são capazes de identificar características 
locais em imagens.
6. a) Um modelo usado para prever valores contínuos, como a previsão de vendas ou 
temperatura.
Justificativa: Modelos de regressão são usados para prever variáveis contínuas a 
partir de variáveis independentes.
7. a) Quando o modelo tem um desempenho muito bom em dados de treinamento, 
mas falha em generalizar para novos dados.
Justificativa: Overfitting ocorre quando o modelo é excessivamente ajustado aos 
dados de treinamento e perde a capacidade de generalizar para novos dados.
8. b) Decisões tomadas por IA podem ser discriminatórias ou invasivas, violando a 
privacidade e a justiça.
Justificativa: A IA pode ser usada de maneira injusta ou invasiva, caso não seja 
projetada com atenção aos princípios éticos e à privacidade dos usuários.
9. b) A IA pode ajudar a diagnosticar doenças, personalizar tratamentos e prever riscos
de saúde.
Justificativa: A IA tem um grande potencial na área da saúde, podendo ajudar em 
diagnósticos, personalização de tratamentos e análise de riscos.
10. a) O aprendizado por reforço permite que a IA aprenda através da experimentação, 
ajustando suas ações com base em recompensas e penalidades.
Justificativa: O aprendizado por reforço permite que a IA aprenda a partir de sua 
interação com o ambiente e ajuste suas ações para maximizar recompensas ao 
longo do tempo.