Avanços e Aplicações da Inteligência Artificial

Prévia do material em texto

Prova- 77: Avanços e Aplicações da Inteligência Artificial
Questões
1. Qual é a principal vantagem do uso de IA no diagnóstico médico?
A) Reduzir a necessidade de médicos.
B) Automatizar todos os tratamentos médicos.
C) Melhorar a precisão e a velocidade no diagnóstico de doenças.
D) Substituir completamente exames médicos tradicionais.
E) Reduzir os custos de todos os procedimentos médicos.
2. O que significa "aprendizado não supervisionado"?
A) O modelo aprende com dados rotulados e faz previsões baseadas em rótulos.
B) O modelo aprende a partir de dados sem rótulos e tenta encontrar padrões por 
conta própria.
C) O modelo requer interação humana constante para realizar o aprendizado.
D) O modelo não precisa de dados para realizar previsões.
E) O modelo é usado exclusivamente para aprendizado de máquinas.
3. Em IA, o que é "overfitting"?
A) O modelo generaliza bem para novos dados.
B) O modelo se adapta demasiado aos dados de treinamento, falhando em novos 
dados.
C) O modelo não consegue aprender com os dados de treinamento.
D) O modelo é otimizado automaticamente.
E) O modelo é simples demais para ser útil.
4. Qual a principal diferença entre aprendizado supervisionado e aprendizado 
não supervisionado?
A) No aprendizado supervisionado, os dados não precisam de rótulos.
B) No aprendizado supervisionado, o modelo faz previsões com base em dados 
rotulados, enquanto no não supervisionado, o modelo busca padrões em dados sem
rótulos.
C) O aprendizado supervisionado é mais rápido do que o não supervisionado.
D) O aprendizado não supervisionado só é utilizado para imagens.
E) No aprendizado supervisionado, o modelo não realiza previsões.
5. O que é "feature extraction" em Machine Learning?
A) O processo de limpar os dados antes de aplicar os modelos.
B) O processo de reduzir o número de parâmetros do modelo.
C) A extração e seleção das características mais relevantes dos dados para 
treinamento.
D) O processo de organizar os dados em uma estrutura de tabela.
E) O processo de garantir que os dados estejam rotulados corretamente.
6. Qual é a função das redes neurais convolucionais (CNNs)?
A) Analisar dados temporais e sequenciais, como séries temporais e texto.
B) Processar e classificar dados de imagens e vídeos.
C) Trabalhar exclusivamente com dados numéricos.
D) Criar relatórios financeiros a partir de dados financeiros.
E) Automatizar o processo de análise de texto.
7. Em um modelo de aprendizado supervisionado, como os dados são usados?
A) Os dados de entrada e saída são usados para treinar o modelo, com base nos 
rótulos.
B) O modelo é treinado sem dados rotulados e faz previsões.
C) O modelo é apenas alimentado com dados não rotulados.
D) Os dados de entrada não são importantes para o aprendizado.
E) O modelo não precisa de dados para fazer previsões.
8. Qual é a principal aplicação de IA em assistentes virtuais, como o Siri ou 
Alexa?
A) Reproduzir músicas de maneira autônoma.
B) Realizar tarefas de análise de dados financeiros.
C) Processar linguagem natural para entender e responder a comandos de voz.
D) Substituir completamente a interação humana em todos os aspectos da vida 
cotidiana.
E) Programar as funções dos dispositivos sem a necessidade de interação do 
usuário.
9. Qual é o objetivo do "Natural Language Processing" (NLP)?
A) Processar imagens e vídeos para reconhecimento de padrões.
B) Traduzir texto para diversos idiomas.
C) Entender, interpretar e gerar linguagem humana de forma que o computador 
possa compreender.
D) Controlar dispositivos físicos por meio de comandos em linguagem natural.
E) Analisar dados estruturados de maneira eficiente.
10. Qual é a vantagem do aprendizado profundo (Deep Learning) em relação a 
outras técnicas de IA?
A) Ele não requer grandes volumes de dados para treinamento.
B) Ele não depende de grandes recursos computacionais.
C) Ele é limitado a simples algoritmos de aprendizado supervisionado.
D) Ele pode aprender diretamente de dados não estruturados, como imagens, texto 
e áudio.
E) Ele é usado apenas em problemas pequenos e simples.
Gabarito e Justificativas
1. C - A IA ajuda a melhorar a precisão e a velocidade do diagnóstico médico, 
analisando dados rapidamente e sugerindo diagnósticos mais precisos.
2. B - O aprendizado não supervisionado lida com dados sem rótulos, tentando 
encontrar padrões sem a intervenção humana.
3. B - O overfitting ocorre quando o modelo aprende excessivamente os dados de 
treinamento, falhando em generalizar para novos dados.
4. B - A principal diferença é que, no aprendizado supervisionado, os dados possuem 
rótulos, enquanto no aprendizado não supervisionado, os dados são analisados sem
rótulos.
5. C - Feature extraction é a técnica de extrair e selecionar as características mais 
relevantes dos dados para o treinamento do modelo.
6. B - Redes neurais convolucionais (CNNs) são usadas principalmente para análise 
de imagens e vídeos.
7. A - No aprendizado supervisionado, os dados de entrada e os rótulos de saída são 
usados para treinar o modelo.
8. C - Assistentes virtuais utilizam processamento de linguagem natural (NLP) para 
entender e responder a comandos de voz.
9. C - O NLP permite que os computadores compreendam, interpretem e gerem 
linguagem humana.
10. D - O aprendizado profundo pode aprender diretamente de dados não estruturados, 
como imagens, texto e áudio, sem a necessidade de estruturação prévia.