Prova_ Fundamentos e Impactos da Inteligência Artificial

Prévia do material em texto

Prova: Fundamentos e Impactos da Inteligência 
Artificial
Introdução
A Inteligência Artificial não é apenas uma ferramenta poderosa, mas também uma área 
cheia de desafios técnicos, éticos e sociais. Esta prova explora os conceitos fundamentais 
da IA e seu impacto no mundo moderno.
Questão 1
O que caracteriza um "algoritmo de aprendizado supervisionado"?
a) O modelo aprende a partir de dados rotulados, onde as respostas corretas já são 
conhecidas.
b) O modelo aprende sem supervisionamento, apenas com dados brutos.
c) O modelo realiza ações sem a necessidade de aprendizado.
d) O modelo só é capaz de aprender em tempo real, sem dados históricos.
e) Nenhuma das alternativas anteriores.
Questão 2
Em qual área a IA tem sido aplicada para melhorar a eficiência do trabalho humano?
a) Apenas no setor financeiro.
b) Na automação de tarefas repetitivas e no aumento da produtividade.
c) Exclusivamente em jogos e entretenimento.
d) Somente na educação.
e) Nenhuma das alternativas anteriores.
Questão 3
Quais são os benefícios do "machine learning" para as empresas?
a) Garantir resultados 100% precisos sem falhas.
b) Melhorar a análise de dados e a tomada de decisões, além de prever tendências e 
comportamentos.
c) Automatizar todos os processos humanos.
d) Eliminar a necessidade de interação com clientes.
e) Nenhuma das alternativas anteriores.
Questão 4
O que é "Natural Language Processing" (PLN)?
a) A técnica usada para construir modelos de dados estruturados a partir de grandes 
volumes de texto.
b) A área que permite que a IA compreenda e gere linguagem humana.
c) A análise de dados numéricos em grandes bancos de dados.
d) A técnica usada para prever valores de mercado com base em dados históricos.
e) Nenhuma das alternativas anteriores.
Questão 5
Como a IA pode melhorar a experiência do cliente?
a) Automação de respostas simples e eficientes para perguntas frequentes.
b) Substituindo totalmente os atendentes humanos.
c) Reduzindo a qualidade do serviço e a personalização.
d) Eliminando a necessidade de interações com os clientes.
e) Nenhuma das alternativas anteriores.
Questão 6
Qual é o papel da IA na indústria automotiva?
a) Melhorar a estética dos carros.
b) Automatizar os processos de fabricação e criar carros autônomos.
c) Aumentar o número de carros produzidos.
d) Substituir os motoristas de todos os carros.
e) Nenhuma das alternativas anteriores.
Questão 7
O que é o "Aprendizado Não Supervisionado"?
a) Quando o modelo aprende a partir de dados rotulados.
b) Quando o modelo não tem rótulos para os dados e tenta encontrar padrões por conta 
própria.
c) Quando o modelo é supervisionado por um humano o tempo todo.
d) Quando o modelo não é treinado e apenas executa uma tarefa simples.
e) Nenhuma das alternativas anteriores.
Questão 8
Como a IA pode ser usada na previsão de desastres naturais?
a) Para prever o comportamento de desastres naturais com 100% de precisão.
b) Para criar modelos que ajudem a antecipar eventos com base em dados históricos e em 
tempo real.
c) Para extinguir desastres naturais antes que aconteçam.
d) Para substituir todos os meteorologistas.
e) Nenhuma das alternativas anteriores.
Questão 9
O que significa "análise preditiva" em IA?
a) Um tipo de análise utilizada para prever eventos passados.
b) Uma análise que utiliza dados históricos para prever eventos futuros.
c) Uma técnica que analisa apenas textos e dados qualitativos.
d) Uma técnica utilizada apenas em áreas não relacionadas ao setor financeiro.
e) Nenhuma das alternativas anteriores.
Questão 10
Qual é a principal vantagem das "máquinas de vetores de suporte" (SVM) em problemas de 
classificação?
a) Elas são extremamente rápidas, mesmo com grandes volumes de dados.
b) Elas funcionam bem para problemas de classificação linear e não linear.
c) Elas podem prever apenas valores numéricos.
d) Elas são usadas exclusivamente para reconhecimento de imagens.
e) Nenhuma das alternativas anteriores.
Respostas e Justificativas
1. a) O modelo aprende a partir de dados rotulados, onde as respostas corretas já são 
conhecidas.
Justificativa: O aprendizado supervisionado utiliza dados rotulados para treinar o 
modelo, que aprende a associar entradas a saídas corretas.
2. b) Na automação de tarefas repetitivas e no aumento da produtividade.
Justificativa: A IA ajuda a automatizar tarefas repetitivas, liberando os humanos para
atividades mais criativas e complexas.
3. b) Melhorar a análise de dados e a tomada de decisões, além de prever tendências 
e comportamentos.
Justificativa: O aprendizado de máquina permite que as empresas analisem dados 
em grande escala e tomem decisões mais assertivas.
4. b) A área que permite que a IA compreenda e gere linguagem humana.
Justificativa: O Processamento de Linguagem Natural (PLN) permite que a IA 
interaja com a linguagem humana de forma natural.
5. a) Automação de respostas simples e eficientes para perguntas frequentes.
Justificativa: A IA pode automatizar respostas, tornando o atendimento mais rápido e
eficiente sem substituir completamente os atendentes humanos.
6. b) Automatizar os processos de fabricação e criar carros autônomos.
Justificativa: A IA está sendo amplamente usada na indústria automotiva para 
melhorar a fabricação e desenvolver veículos autônomos.
7. b) Quando o modelo não tem rótulos para os dados e tenta encontrar padrões por 
conta própria.
Justificativa: O aprendizado não supervisionado encontra padrões e estruturas em 
dados não rotulados, como segmentação de clientes.
8. b) Para criar modelos que ajudem a antecipar eventos com base em dados 
históricos e em tempo real.
Justificativa: A IA pode analisar grandes volumes de dados para ajudar a prever e 
mitigar desastres naturais.
9. b) Uma análise que utiliza dados históricos para prever eventos futuros.
Justificativa: A análise preditiva usa dados passados para fazer previsões sobre o 
futuro, como vendas ou tendências econômicas.
10. b) Elas funcionam bem para problemas de classificação linear e não linear.
Justificativa: As SVM são poderosas para problemas de classificação, tanto para 
casos lineares quanto não lineares.