Questões de Inteligencia Artificial (Engenharia de Software)

Limpar Busca

No que diz respeito ao fenômeno de sobreajuste (overfitting), assinale a opção correta.

  • A O sobreajuste ocorre quando um modelo preditivo é avaliado por seu desempenho em exemplares não utilizados no treinamento, o que resulta em avaliações positivas.
  • B Modelos que se sobreajustam não representam os dados de treinamento com total fidelidade, o que resulta em avaliações ruins para todos os tipos de exemplares.
  • C O sobreajuste é um fenômeno benéfico, pois garante que o modelo preditivo seja altamente preciso tanto para dados de treinamento quanto para novos exemplares.
  • D O sobreajuste ocorre apenas quando o conjunto de dados de treinamento é muito pequeno, podendo ser solucionado com a sintonização manual dos parâmetros do modelo.
  • E Modelos que se sobreajustam representam os exemplares de treinamento com alta fidelidade, mas perdem desempenho quando aplicados a novos exemplares, o que resulta em avaliações ruins.

Os chatbots têm sido amplamente utilizados em serviços automatizados de atendimento ao cliente, sistemas de suporte e interfaces conversacionais. Há diferentes abordagens de implementação, como bots baseados em regras, NLP e modelos de linguagem. Assinale a alternativa correta em relação aos chatbots.

  • A Chatbots baseados em regras utilizam modelos de machine learning para inferir automaticamente a intenção do usuário em tempo real.
  • B Chatbots baseados em NLP conseguem interpretar a intenção do usuário com maior flexibilidade do que os baseados unicamente em regras, possibilitando interações mais naturais.
  • C A utilização de modelos de linguagem grandes (LLMs) em chatbots elimina completamente a necessidade de contexto para manter conversas coerentes.
  • D O uso de NLP em chatbots impede que esses sistemas sejam integrados com APIs externas, limitando-os a respostas internas.
  • E Um chatbot híbrido é aquele que pode operar tanto em canais de texto quanto de voz, independentemente do modelo conversacional utilizado.

Com relação à aplicação e aos fundamentos técnicos da Inteligência Artificial (IA), analise as afirmativas abaixo e assinale a alternativa correta:

  • A Redes neurais convolucionais (CNNs) são mais indicadas para análise sequencial de dados temporais, como séries temporais financeiras ou sinais de sensores, devido à sua capacidade de manter o estado ao longo do tempo.
  • B O aprendizado por reforço supervisionado é uma técnica em que o agente aprende com um conjunto rotulado de ações e recompensas, baseando-se estritamente em exemplos corretos fornecidos previamente.
  • C Em modelos de linguagem natural baseados em transformadores, como o GPT, o mecanismo de atenção permite que o modelo atribua pesos iguais a todas as palavras do contexto, garantindo que nenhuma informação seja priorizada.
  • D Em aprendizado não supervisionado, algoritmos como K-Means são utilizados para encontrar padrões ou agrupamentos em dados sem rótulos, permitindo a descoberta de estruturas ocultas sem conhecimento prévio.

O avanço da inteligência artificial (IA) tem provocado transformações significativas no campo da cibersegurança, tanto no desenvolvimento de soluções defensivas quanto na sofisticação das ameaças. Com base nesse contexto, analise as afirmativas a seguir:

I. Técnicas de IA têm sido utilizadas para detectar padrões anômalos em redes e identificar ataques cibernéticos com maior precisão e em tempo real.
II. Cibercriminosos têm explorado a IA para automatizar ataques, criar malwares adaptativos e gerar conteúdos falsos mais convincentes, como deepfakes e e-mails de phishing.
III. A utilização de IA na cibersegurança eliminou completamente a necessidade de profissionais humanos na detecção e resposta a incidentes.

Assinale a alternativa correta:

  • A Apenas I e II estão corretas
  • B Apenas II e III estão corretas
  • C Apenas I está correta
  • D I, II e III estão corretas

O analista Jonas está desenvolvendo um Large Language Model (LLM) para ser utilizado nas soluções de inteligência artificial do MPU. Para isso, Jonas utilizou o modelo pré-treinado BERTimbau, mas observou que as respostas eram genéricas e não específicas para o domínio.
Para treinar um modelo pré-treinado adaptando-o às tarefas e aos conjuntos de dados específicos do domínio do MPU, Jonas deve realizar um(a):

  • A overfitting;
  • B regression;
  • C discretization;
  • D model fine-tuning;
  • E feature engineering.