Text Material Preview
De acordo com a definição do autor John McCarthy, um dos pais fundadores da inteligência artificial, a IA é a ciência e engenharia de produzir máquinas inteligentes, especialmente programas de computador inteligentes e a simulação de processos de inteligência humana por meio de máquinas, especialmente sistemas de computador. Com base no texto, é certo afirmar que a Inteligência Artificial é a: Alternativas A)Criação de robôs capazes de imitar ações humanas, como andar e falar. B) Marcada pelo aluno Utilização de técnicas computacionais para modelar e compreender a inteligência humana. C)Ciência que aplica o machine learning para aprendizado profundo de máquina. D)Construção de máquinas capazes de pensar e agir por conta própria, sem intervenção humana. E) Gabarito da questão Simulação de processos de inteligência humana por meio de máquinas, especialmente sistemas de computador. A análise de dados é o processo de examinar informações e dados para tirar conclusões e tomar decisões com base em informações. É uma etapa crítica em muitos campos de conhecimento, pois ajuda a identificar padrões, tendências e insights que, de outra forma, seriam difíceis de detectar. Além disso, a análise de dados ajuda a avaliar e medir o desempenho e a eficácia de várias estratégias e programas, permitindo ajustes e melhorias contínuas. Qual das alternativas a seguir é verdadeira sobre a importância da análise de dados para o crescimento das áreas de conhecimento? Alternativas A)A análise de dados é exclusiva para a área de estatística, perdendo relevância em outros campos da ciência. B) Marcada pelo aluno A análise de dados é um processo importante em todos os campos de conhecimento. C)A etapa da análise de dados é posterior às tomadas de decisões estratégicas das empresas. D)A análise de dados é uma prática suficiente para fornecer informações para ações estratégicas. E)A análise de dados é importante para o crescimento das áreas de conhecimento porque fornece informações prontas para serem utilizadas em estratégias. A inteligência artificial está cada vez mais presente no dia a dia, mas essa tecnologia é mais antiga do que se pensa e começou a ser desenvolvida ainda na década de 1950, com o Dartmouth Summer Research Project on Artificial Intelligence (Projeto de Pesquisas de Verão em Inteligência Artificial de Dartmouth) no Dartmouth College, em Hanover, New Hampshire, Estados Unidos. Com o decorrer do tempo, surgiram várias linhas de estudo da inteligência artificial, como a biológica, que estudava o desenvolvimento de conceitos que pretendiam imitar as redes neurais humanas. Já durante os anos de 1960, essa ciência recebeu o nome de inteligência artificial, e seus pesquisadores pensavam ser possível que máquinas realizassem tarefas humanas complexas, como raciocinar. Depois de um período, na década de 1980, esse estudo sobre redes neurais volta e, nos anos de 1990, tem um grande impulso, consolidando-o verdadeiramente como a base das análises de inteligência artificial. SCHUTZER, D. Artificial intelligence: na applications-oriented approach. New York: Van Nostrand Reinhold, 1987. 294 p. Diante disso, considere que uma empresa, a qual possui como uma de suas vertentes um sistema de vendas pela internet, esteja considerando a ideia de fazer uso de inteligência artificial em seu website. Nesse contexto, acerca dos benefícios da inteligência artificial, avalie as seguintes asserções e a relação proposta entre elas. I. O setor de atendimento ao consumidor é um dos mais beneficiados pela inteligência artificial. PORQUE II. A eficiência do chatbot (robô atendente) assegura que todo usuário seja devidamente atendido, solucionando sua dúvida de maneira imediata ou redirecionando-o à área competente. A respeito dessas asserções, assinale a opção correta. Alternativas A)As asserções I e II são proposições falsas. B)A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. C)A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. D) Marcada pelo aluno As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. E)As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. De acordo com o economista Joseph Schumpeter, "a inovação é o processo de introduzir novas ideias, produtos e processos em uma economia. Ela não é apenas uma questão de tecnologia, mas também de mudanças organizacionais, sociais e institucionais que permitam que essas ideias sejam exploradas de maneira lucrativa". (Fonte: SCHUMPETER, J. A. Capitalismo, Socialismo e Democracia. Nova York: Harper & Row, 1942. v. 36. p.132-145.) Schumpeter argumenta que a inovação é o motor do crescimento econômico e que a ciência e a tecnologia desempenham papéis fundamentais nesse processo. Ele destaca que a ciência fornece a base para a inovação tecnológica, mas que a tecnologia em si não é suficiente para gerar inovação. Para Schumpeter, a inovação requer um ambiente institucional e organizacional favorável que permita a exploração de novas ideias e o desenvolvimento de novos mercados. A relação entre ciência, tecnologia e inovação é complexa e interdependente. Enquanto a ciência fornece a base para a tecnologia, a inovação requer mais do que apenas tecnologia. Ela requer um ambiente institucional e organizacional favorável que permita a exploração de novas ideias e o desenvolvimento de novos mercados. Com base na relação entre ciência, tecnologia e inovação, marque a alternativa correta: Alternativas A)A tecnologia pode ser definida como equipamentos eletrônicos, como computadores e smartphones. B) Marcada pelo aluno Inovação é um processo que envolve a criação de novas ideias, produtos, serviços ou processos que gerem valr para a empresa e seus clientes. C)A tecnologia é uma ferramenta importante para a inovação, pois é o fator exclusivo que impulsiona o processo. D)A inovação deve ser encarada como um processo pontual, que envolve aprendizado e adaptação quando algum problema novo surgir. E) Empresas que investem em inovação correm o risco de se tornar desconectadas do mercado. O aprendizado de máquina, também conhecido como machine learning, é uma importante área da Tecnologia da Informação, sendo responsável por auxiliar as empresas na tomada de decisão, levando em consideração a opinião de seus clientes a respeito de seus produtos ou serviços. Os algoritmos utilizados para realizar a análise das opiniões dos usuários podem determinar as emoções e os sentimentos desse usuário naquele momento. Entretanto, para que as máquinas consigam emitir resultados nessas análises, é preciso que elas compreendam os sentimentos expressados pelos humanos, o que pode ser realizado através do Processamento de Linguagem Natural (PLN). BEZERRA, Wheslley Rimar. Processamento de Linguagem Natural. Porto Alegre: SAGAH, 2020 (adaptado). Diante disso, considere a situação apresentada a seguir. Alessandro é formado em Tecnologia de Informação e especialista em Inteligência Artificial. Atualmente, desenvolve aplicações utilizando o PLN e está criando um aplicativo para analisar as emoções de textos. Para atingir seu objetivo, ele precisa identificar e utilizar as palavras e emoções que são atribuídas aos sentimentos. Considerando quais palavras Alessandro deve identificar com base nessas informações, julgue os itens a seguir. I. As palavras relacionadas ao sentimento de surpresa são: admirar, animação, anseio, belo etc. II. As palavras relacionadas ao sentimento de alegria são: expectativa, prodígio, fantástico, encantamento etc. III. Entre todos os sentimentos existentes, os mais utilizados nas classificações são: a alegria, a surpresa, o desgosto, o medo, a raiva e a tristeza. É correto o que se afirma em Alternativas A) Marcada pelo aluno II e III, apenas. B) Gabarito da questão III, apenas. C)I, II e III. D)I, apenas. E)I e II, apenas. O Processamento de Linguagem Natural é uma área da inteligência artificial que auxilia os computadores na compreensãoda linguagem humana. Algumas empresas, buscando agilizar e otimizar o atendimento ao cliente, bem como coletar informações que possam ser úteis para melhorias da própria empresa, têm utilizado recursos de Processamento de Linguagem Natural (PLN), como os chatbots, os assistentes virtuais e a análise de sentimentos. Esses recursos permitem que as empresas conheçam melhor a demanda de seus clientes e possam aprimorar seus produtos e processos, a fim de atendê-los com assertividade. MARTINS, Júlio Serafim. Reconhecimento de padrões. Porto Alegre: Sagah, 2020 (adaptado). Diante disso, considere a situação apresentada a seguir. Elisa foi convidada a apresentar um trabalho na faculdade sobre Processamento de Linguagem Natural (PLN). Visando ser direta nas suas explicações, ela optou por focar nas características do PLN, aquelas que o tornam uma tecnologia adequada para solucionar problemas relativos à ciência de dados. Considerando a situação exposta, acerca das características do Processamento de Linguagem Natural (PLN) destacadas por Elisa, julgue os itens a seguir. I. Necessidade de entender as expressões do ser humano, seja por meio da análise da fala, seja por meio da análise da escrita. II. A máquina deve responder ao usuário da maneira mais adequada possível, sempre baseado no que foi compreendido pela máquina durante a interação com o ser humano. III. Capacidade de processar e, também, analisar um grande volume de dados e, posteriormente, prever uma tendência de mercado e, também, divulgar os resultados de um determinado segmento. É correto o que se afirma em Alternativas A) Marcada pelo aluno I e II, apenas. B)I e III, apenas. C)II, apenas. D)III, apenas. E)I, II e III. Muitos problemas científicos envolvem a rotulagem de itens de dados com um determinado conjunto finito de classes com base nas características desses itens de dados. As árvores de decisão são a base de diferentes algoritmos de Machine Learning. Elas são construídas por meio da análise de um conjunto de exemplos de treinamento para os quais a classe de rótulos é conhecida. Em seguida, são aplicados na classificação de exemplos nunca vistos. Se treinado em dados de alta qualidade, as árvores de decisão podem fazer previsões muito precisas. KINGSFORD, Carl; SALZBERG, Steven L. What are decision trees? Nature biotechnology, [s. l.], v. 26, n. 9, p. 1011-1013, 2008 (adaptado). Diante disso, analise a situação a seguir. Frederico é cientista econômico e trabalha para uma grande rede de fast food que atua em todos os continentes. Ele é responsável por uma tarefa dentro do departamento de projeções financeiras. Por se tratar de uma multinacional, os bancos de dados são extremamente grandes, por isso Frederico precisa entender as aplicações de ferramentas de machine learning, como algoritmos de árvores de decisão. Em relação ao machine learning e à situação apresentada, julgue os itens a seguir. I. Frederico deve compreender que os algoritmos de machine learning buscam aprender com os dados através de métodos e modelos estatísticos, no caso das árvores de decisão, a classificação dos dados ocorre de acordo com a resposta a questões previamente definidas. II. Frederico deve entender que, para analisar de maneira eficiente os grandes volumes de dados da rede de fast food, ele deve criar um raciocínio de classificação através de uma série de perguntas, cujas respostas permitirão uma visualização mais precisa de determinados conjuntos de dados. III. Frederico deve notar que algoritmos baseados em árvores de decisão podem evidenciar redes de relações dentro do banco de dados, o que permite criar indicadores e realizar análises que resultem em projeções de cenários cada vez mais eficientes. É correto o que se afirma em Alternativas A)I e III, apenas. B)II, apenas. C) Marcada pelo aluno I, II e III. D)I, apenas. E)II e III, apenas. Devido ao rápido avanço das bases de dados e tecnologias de informação, e o notável progresso nos métodos de análise de dados, o uso da ciência de dados (DS) em várias disciplinas, incluindo economia, tem aumentado exponencialmente. Avanços na tecnologia da ciência de dados para aplicações econômicas têm tido resultados cada vez mais promissores. Algoritmos de Machine Learning fornecem a capacidade de aprender com os dados e fornecer informações detalhadas sobre os problemas. NOSRATABADI, Saeed et al. Data science in economics: comprehensive review of advanced machine learning and deep learning methods. Mathematics, v. 8, n. 10, 2020 (adaptado). Diante disso, leia a situação a seguir. Uma start-up focada em análise de big data para aplicações econômicas está buscando um profissional da área de economia para integrar a equipe. Joana, que tem sua formação em Ciências Econômicas, irá tentar a vaga. Durante a entrevista, ela deve explicar como a tecnologia emergente Machine Learning pode auxiliar a start-up. Em relação ao Machine Learning, considerando a situação exposta, julgue os itens a seguir. I. Joana pode explicar que não existe um tipo único de algoritmo de Machine Learning que seja melhor para resolver um problema; a seleção do algoritmo depende do tipo de problema que se deseja resolver e do tipo de modelo que melhor se encaixe aos dados. II. Joana pode comentar que, em Ciências Econômicas, diversas variáveis podem ser utilizadas nas análises, e tratando-se de big data, grandes volumes de dados estão disponíveis para construir conjuntos de dados de treinamento para treinar a máquina em funções específicas. III. Joana pode expor que as aplicações dos algoritmos dependem de cada caso, visando criar modelos de Machine Learning que sejam capazes de gerar dados de saída que estejam de acordo com as expectativas dos clientes. É correto o que se afirma em Alternativas A)II, apenas. B)I e III, apenas. C)I, apenas. D)II e III, apenas. E) Marcada pelo aluno I, II e III. Inteligência Artificial (IA) é um ramo da ciência da computação que se propõe a desenvolver sistemas que simulem a capacidade humana de percepção de um problema, identificando seus componentes para, com isso, resolver problemas e propor/tomar decisões. Na Medicina, Inteligência Artificial é o uso de computadores que, analisando um grande volume de dados e seguindo algoritmos definidos por especialistas na matéria, são capazes de propor soluções para problemas médicos. Os computadores podem armazenar e recuperar dados sobre imagens, como lesões dermatológicas ou exames radiológicos, de ultrassom, de ressonância magnética, de tomografia por emissão de pósitrons (PET), de ecocardiogramas, de eletroencefalogramas, eletrocardiogramas, dados de dispositivos vestíveis/corporais (wearable devices) e gerar probabilidades de diagnóstico baseadas em algoritmos de decisão estabelecidos, e que podem se automodificar em decorrência dos resultados obtidos (self improvement). Dados de pacientes podem ser coletados seja diretamente de prontuários médicos eletrônicos, seja por meio da digitação de informações de anamnese, do exame clínico do paciente, exames complementares, evolução da enfermidade e medicamentos prescritos, e usando algoritmos definidos que podem ser atualizados com a análise desses dados, bem como propor diagnósticos diferenciais de enfermidades, com as respectivas probabilidades de ocorrência. LOBO, Luiz Carlos. Inteligência Artificial e Medicina. Revista Brasileira de Educação Médica, Rio de Janeiro, v. 41, n. 2, p. 185-193, 2017 (adaptado). Diante do exposto, considere o caso a seguir. O Hospital São Matheus pretende instalar um sistema de Inteligência Artificial para o diagnóstico mais rápido e eficaz da Covid-19. Para isso, sua equipe de tecnologia da informação implementou robôs com algoritmos wearable device. Considerando o caso apresentado, em que há a aplicação de uma Inteligência Artificial na Medicina, avalie as asserções a seguir e a relação proposta entre elas. I. A partir dos sistemas de inteligência artificial e do uso do wearable devices, é possível constatar uma sériede diagnósticos sem o auxílio de seres humanos. PORQUE II. Na inteligência artificial, algoritmos como o wearable devices trabalham na tomada de decisões a partir de um vasto banco de dados, também conhecido como big data. A respeito dessas asserções, assinale a opção correta. Alternativas A)As asserções I e II são proposições falsas. B) Marcada pelo aluno As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. C)As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. D) Gabarito da questão A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. E)A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. PÚBLICA PÚBLICA PÚBLICA
