Questões de Engenharia de Software - Inteligencia Artificial para Concurso - Página 13

Q3172893

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172893 Engenharia de Software

Assinale a alternativa que apresenta qual foi o ponto de partida para o desenvolvimento da Inteligência Artificial (IA) e como ela evoluiu ao longo das décadas.

A

O desenvolvimento da IA começou na década de 1960 com a criação de redes neurais

B

A IA surgiu em 1980, com a criação de sistemas capazes de raciocinar como humanos

C

O projeto Dartmouth, em 1950, foi o marco inicial da IA, e ao longo das décadas, o estudo das redes neurais se tornou uma base fundamental para o desenvolvimento da IA

D

A IA começou na década de 1990 com a criação dos primeiros computadores de grande porte

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q3171847

Ano: 2024 Banca: FCC Órgão: TRT - 20ª REGIÃO (SE) Prova: FCC - 2024 - TRT - 20ª REGIÃO (SE) - Analista Judiciário - Área Apoio Especializado - Especialidade Tecnologia da Informação |

Q3171847 Engenharia de Software

A equipe de analistas de um órgão público está avaliando o desempenho de dois modelos de machine leaming: um modelo de classificação e outro de regressão. O modelo de classificação utiliza uma curva ROC para analisar a performance, enquanto o modelo de regressão utiliza o erro médio absoluto (MAE) como métrica principal. Durante a avaliação, a equipe percebe que o modelo de classificação está apresentando sobreajuste (overfitting). Uma Analista da equipe afirmou, corretamente, que o sobreajuste ocorre quando o modelo

A

é simples demais e não consegue capturar as complexidades dos dados. A curva ROC compara a acurácia geral do modelo de classificação, enquanto o MAE avalia o desempenho: quanto maior o MAE, melhor é o desempenho do modelo. Para resolver o problema de sobreajuste, deve-se aumentar o número de variáveis no modelo.

B

generaliza excessivamente para dados novos e não consegue se adequar aos dados do treinamento. A curva ROC é capaz de calcular o desempenho do modelo por meio da média entre verdadeiros positivos (especificidade) e falsos positivos (sensibilidade). O MAE é uma métrica de erro quadrático médio que pode ser usada para melhorar o desempenho do modelo. Para eliminar o sobreajuste, deve-se aplicar a técnica de balanceamento de dados conhecida como avaliação cruzada.

C

aprende os padrões específicos do conjunto de treinamento, fornecendo previsões precisas para estes dados, mas com baixo desempenho em novos dados. A curva ROC avalia a relação entre a taxa de verdadeiros positivos e falsos negativos, enquanto o MAE mede o desvio médio absoluto entre os valores previstos e os reais. Para mitigar o sobreajuste, técnicas como regularização e parada antecipada podem ser usadas.

D

aprende as características gerais do conjunto de treinamento, generalizando bem para dados novos. A curva ROC mede a precisão de um modelo de classificação e o MAE mede a precisão de um modelo de regressão.Para reduzir o sobreajuste, deve-se aumentar a complexidade do modelo.

E

não consegue aprender os padrões do conjunto de treinamento. A curva ROC mostra a relação entre a taxa de falsos positivos e a taxa de verdadeiros negativos, enquanto o MAE mede a diferença entre a previsão mais provável e o valor real. Para reduzir o sobreajuste, deve-se remover os dados desbalanceados do conjunto de treinamento.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3171155

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171155 Engenharia de Software

Chatbots são bots que conversam em linguagem natural, como o A.L.I.C.E. De todas as categorias de bots, o chatbot é provavelmente a mais antiga, sendo Eliza normalmente reconhecida como o primeiro do mundo. Com relação aos chatbots, assinale a alternativa que apresenta qual assistente pessoal de IA foi lançado em 2011 e ajudou a popularizar os chatbots.

A

Google Now

B

Alexa

C

Cortana

D

Siri

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3171154

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171154 Engenharia de Software

Analise a afirmação a seguir:
“______ são uma das categorias mais importantes de robôs, pois permitem interação e acesso a funções computacionais por meio da linguagem natural, que é uma das maneiras mais simples e rápidas para os seres humanos se comunicarem, especialmente na dimensão oral.”(GABRIEL, 2022, p. 93-94).
Diante da afirmação acima, assinale a alternativa que preencha corretamente a lacuna.

A

AutoRobots

B

Messengers

C

Chatbots

D

Intelligent Applications

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3171153

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171153 Engenharia de Software

Aprendizado de máquina (Machine learning) e aprendizado profundo (Deep learning) são assuntos populares nos dias de hoje na área da computação. Assinale a alternativa que apresenta a principal diferença entre aprendizado de máquina e aprendizado profundo.

A

Aprendizado de máquina usa apenas análise estatística, enquanto aprendizado profundo usa redes neurais

B

Aprendizado de máquina é baseado em múltiplas técnicas, enquanto aprendizado profundo imita a funcionalidade do cérebro humano usando redes neurais

C

Aprendizado de máquina é menos eficaz do que aprendizado profundo

D

Aprendizado profundo depende de intervenção humana, enquanto aprendizado de máquina é totalmente automatizado

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q3171152

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171152 Engenharia de Software

O Processamento de Linguagem Natural (PLN) é uma subárea da inteligência artificial que foca na interação entre computadores e a linguagem humana. Ele envolve a criação de algoritmos e modelos que permitem que as máquinas compreendam, interpretem e respondam a textos e fala de maneira semelhante aos humanos. Este processamento segue um fluxo básico de análises e ações. Assinale a alternativa que apresenta quais são os estágios deste fluxo.

A

Pré-processamento, Análise léxica, Análise tradutória, Análise intencional, Análise verificadora

B

Pré-processamento, Análise léxica, Análise sintática, Análise Semântica, Análise pragmática

C

Pré-processamento, Análise tradutória, Análise sintática, Análise verificadora

D

Pré-processamento, Análise tradutória, Análise pragmática, Análise sintática

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q3171148

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171148 Engenharia de Software

Se vamos criar apenas uma hipótese, essa abordagem é suficiente. Mas muitas vezes acabamos criando várias hipóteses: podemos querer comparar dois modelos de aprendizado de máquina completamente diferentes, ou podemos ajustar os vários “botões” dentro de um modelo. Por exemplo, poderíamos tentar diferentes limiares para poda χ2 das árvores de decisão ou diferentes graus para os polinômios.
Chamamos esses “botões” de hiperparâmetros – parâmetros da classe de modelo, não do modelo individual. Desta forma, assinale a alternativa que apresenta o que são hiperparâmetros em modelos de aprendizado de máquina.

A

Parâmetros ajustados para maximizar o erro do conjunto de teste

B

Parâmetros que são ajustados automaticamente durante o treinamento do modelo

C

Parâmetros que são ajustados apenas depois que o modelo é treinado

D

Parâmetros que determinam a estrutura do modelo, mas não são ajustados durante o treinamento

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3171147

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171147 Engenharia de Software

Considere a afirmação a seguir:
“O processo de penalizar explicitamente a hipótese complexa é chamado ______ estamos procurando funções que sejam mais regulares. Observe que agora estamos fazendo duas escolhas: a função de perda (L1 ou L2) e a medida de complexidade, que é chamada função de ______” (RUSSEL et al., 2022, p.607).
Assinale a alternativa que preencha correta e respectivamente as lacunas.

A

Criação / Criação

B

Regularização / Regularização

C

Ajuste / Ajuste

D

Adaptação / Adaptação

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3171146

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171146 Engenharia de Software

De acordo com o processo de aprendizado de máquina, assinale a alternativa que apresenta o que ocorre quando os dados são subamostrados (underfitting) no contexto de algoritmos de aprendizagem.

A

O algoritmo pode não convergir devido à quantidade insuficiente de iterações de aprendizagem para ajustar adequadamente o modelo aos dados

B

O algoritmo produz um modelo excessivamente complexo que não generaliza bem

C

O algoritmo convergirá rapidamente para a solução ótima

D

O algoritmo é capaz de adaptar-se a todos os tipos de dados sem necessidade de ajustes adicionais

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q3171145

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171145 Engenharia de Software

Analise a afirmação a seguir:
“O fenômeno de _______ acontece quando o modelo preditivo é gerado de forma a representar os exemplares usados para sua geração com uma fidelidade mais alta que o necessário. Esses modelos, se avaliados em relação ao seu desempenho nesses exemplares, receberão avaliações muito boas [...]” (SILVA et al, 2016, p. 137).
Diante da afirmação anterior, assinale a alternativa que preencha corretamente a lacuna sobre qual fenômeno é este, com relação às estratégias para treinamento, validação e teste.

A

coesão

B

dilatação

C

contrajuste

D

sobreajuste

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q3171144

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171144 Engenharia de Software

Com relação ao aprendizado de máquina, um agente aprenderá a melhorar seu desempenho após fazer observações sobre o mundo. A aprendizagem pode variar do corriqueiro, como anotar uma lista de compras, até o mais profundo, como mostrado por Albert Einstein, que deduziu uma nova teoria para o universo.
Quando o agente é um computador, nós o chamamos aprendizado de máquina: um computador observa alguns dados, monta um modelo baseado nos dados e usa o modelo como uma hipótese sobre o mundo e um software que pode resolver problemas. Desta forma, assinale a alternativa que apresenta qual é a principal razão para utilizar aprendizado de máquina em vez de programar um computador com todas as soluções possíveis desde o início

A

A necessidade de um hardware mais poderoso para executar algoritmos complexos

B

A necessidade de reduzir o custo de desenvolvimento do software

C

A dificuldade de prever todas as situações futuras e a incapacidade dos projetistas de programar todas as soluções manualmente

D

A impossibilidade de criar interfaces gráficas de usuário eficientes

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3171143

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171143 Engenharia de Software

O Teste de Turing é um conceito fundamental na história da inteligência artificial (IA), proposto pelo matemático e lógico Alan Turing em 1950. Ele é frequentemente discutido em relação à capacidade das máquinas de exibir comportamento inteligente semelhante ao dos seres humanos. Diante do exposto, assinale a alternativa que apresenta quais são as principais capacidades para um computador passar no teste de Turing.

A

Apenas processamento de linguagem natural e robótica

B

Visão computacional e representação de conhecimento

C

Processamento de linguagem natural, representação de conhecimento, raciocínio automatizado e aprendizado de máquina

D

Processamento de linguagem natural e visão computacional

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q3158084

Ano: 2024 Banca: FGV Órgão: Prefeitura de Cuiabá - MT Prova: FGV - 2024 - Prefeitura de Cuiabá - MT - Auditor Fiscal Tributário da Receita Municipal - Tecnologia da Informação (Tarde) |

Q3158084 Engenharia de Software

Para a realização de análises preditivas e de agrupamento típicas de mineração de textos, os dados não estruturados textuais devem ser preparados antes de serem analisados. Este processo consiste em quatro etapas: análise lexical, eliminação de termos irrelevantes, redução da palavra ao seus radical e construção de uma representação vetorial.
A etapa de análise lexical consiste na

A

geração de uma lista de termos obtidas do texto original, a partir da eliminação da pontuação e de outros caracteres que são desnecessários no contexto em que o texto será analisado.

B

eliminação de artigos, pronomes, numerais, conjunções, advérbios e palavras de outras classes gramaticais do texto que são irrelevantes no processo de mineração de dados.

C

uniformização dos termos a partir da remoção dos sufixos e prefixos das palavras.

D

atribuição de pesos a cada termo presente no dicionário de termos.

E

associação de cada termo do texto a um radical da biblioteca do corpus ao qual o documento está contido.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q3158073

Ano: 2024 Banca: FGV Órgão: Prefeitura de Cuiabá - MT Prova: FGV - 2024 - Prefeitura de Cuiabá - MT - Auditor Fiscal Tributário da Receita Municipal - Tecnologia da Informação (Tarde) |

Q3158073 Engenharia de Software

A aprendizagem é o processo pelo qual os parâmetros livres de entrada de uma rede neural são ajustados a partir do processo de estimulação pelo ambiente na qual a rede está inserida. O tipo de aprendizagem é determinado pela maneira pela qual a modificação dos parâmetros ocorre. A aprendizagem que consiste na minimização da função custo, que é a diferença entre o valor desejado e o valor da saída da rede neural, é conhecida por

A

aprendizagem por correção de erro.

B

aprendizagem baseada em memória.

C

aprendizagem hebbiana.

D

aprendizagem competitiva.

E

aprendizagem de Boltzmann.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q3158068

Ano: 2024 Banca: FGV Órgão: Prefeitura de Cuiabá - MT Prova: FGV - 2024 - Prefeitura de Cuiabá - MT - Auditor Fiscal Tributário da Receita Municipal - Tecnologia da Informação (Tarde) |

Q3158068 Engenharia de Software

Considere certo método de aprendizado de máquina do tipo classificador, para realizar uma tarefa de classificação para k classes (sendo k um número natural maior do que 1) em um conjunto de dados com n objetos (sendo n um número natural maior do que k). Acerca da matriz de confusão correspondente, analise os itens a seguir.

I. A soma de todos os elementos da matriz é igual a n.

II. A taxa de acerto do classificador é dada pela razão entre a soma da diagonal principal da matriz e a soma de todos os elementos.

III. A precisão do classificador para certa classe i é dada pela razão entre o elemento da diagonal principal na linha i e a soma de todos os elementos da coluna i.

Está correto o que se afirma em

A

I, apenas.

B

II, apenas.

C

I e II, apenas.

D

I e III, apenas.

E

I, II e III.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3124314

Ano: 2024 Banca: FURB Órgão: Câmara de Brusque - SC Prova: FURB - 2024 - Câmara de Brusque - SC - Analista de Tecnologia da Informação |

Q3124314 Engenharia de Software

No que diz respeito à Inteligência Artificial, assinale a alternativa que apresenta a principal diferença entre aprendizagem de máquina supervisionada e não supervisionada.

A

A aprendizagem de máquina supervisionada é utilizada para tarefas de classificação, enquanto a aprendizagem de máquina não supervisionada é utilizada para tarefas de regressão.

B

O treinamento em ambos os casos é semelhante, diferindo apenas quando da apresentação, uma vez que a aprendizagem supervisionada retorna um código (supervisor) e a aprendizagem não supervisionada apenas retorna tabelas ou grafos, restando ao programador a necessidade de programar consultas ao banco de dados, por exemplo.

C

Na aprendizagem de máquina supervisionada, o algoritmo é treinado com dados rotulados (com a resposta correta), enquanto na aprendizagem de máquina não supervisionada, o algoritmo aprende padrões a partir de dados não rotulados.

D

Na aprendizagem de máquina não supervisionada, o algoritmo é treinado com dados rotulados, enquanto na aprendizagem de máquina supervisionada, o algoritmo aprende padrões a partir de dados não rotulados.

E

A aprendizagem de máquina não supervisionada é utilizada para tarefas de classificação, enquanto a aprendizagem de máquina supervisionada é utilizada para tarefas de regressão.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3124291

Ano: 2024 Banca: FURB Órgão: Câmara de Brusque - SC Prova: FURB - 2024 - Câmara de Brusque - SC - Analista de Tecnologia da Informação |

Q3124291 Engenharia de Software

Nos últimos anos, entre inovações e controvérsias acerca de direitos autorais, surgiu uma tecnologia chamada Stable Diffusion , que tem despertado interesse em diversos campos da tecnologia. Com isso em mente, assinale a alternativa que descreve corretamente o que é Stable Diffusion:

A

Um algoritmo de reconhecimento de voz.

B

Uma plataforma de redes neurais para compartilhamento colaborativo de conteúdo multimídia.

C

Um modelo de inteligência artificial para gerar imagens a partir de texto.

D

Um algoritmo baseado em blockchain para criar vídeos utilizando dados em tempo real.

E

Um sistema de machine learning que converte áudio em imagens com base em algoritmos difusionais.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q3115428

Ano: 2024 Banca: IMPARH Órgão: Prefeitura de Fortaleza - CE Prova: IMPARH - 2024 - Prefeitura de Fortaleza - CE - Analista de Regulação - Ciências da Computação |

Q3115428 Engenharia de Software

Sobre os conceitos de aprendizado de máquina, marque a opção correta.

A

A função de ativação ReLU converte valores negativos em zero e mantém os positivos.

B

A técnica de regularização divide os dados em k partes para validar um modelo.

C

O overfitting ocorre quando um modelo de machine learning não se ajusta aos dados de treino.

D

Dropout é uma técnica de regularização utilizada para parar o treino quando a precisão máxima for atingida.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3114979

Ano: 2024 Banca: FGV Órgão: TJ-MT Prova: FGV - 2024 - TJ-MT - Analista Judiciário - Tecnologia da Informação |

Q3114979 Engenharia de Software

O Processamento de Linguagem Natural (PLN) é uma subárea da inteligência artificial focada em permitir que máquinas compreendam, interpretem, gerem e respondam à linguagem humana de maneira natural e significativa. O objetivo do PLN é fazer com que sistemas computacionais realizem tarefas que envolvem a linguagem humana, como leitura, escrita e interpretação de forma semelhante à forma como os humanos processam o idioma.
Em Processamento de Linguagem Natural (PLN), a tokenização

A

é a técnica que remove todas as palavras de um texto que não são substantivos, para focar apenas em entidades.

B

consiste em dividir o texto em unidades menores, como palavras ou subpalavras, para facilitar o processamento do texto por modelos de PLN.

C

é o processo de sintetizar novas palavras com base em um modelo probabilístico, permitindo a expansão do vocabulário.

D

é a técnica que converte palavras em números aleatórios para evitar vieses durante a análise textual.

E

é o processo de combinar palavras em frases inteiras para entender o contexto completo de um texto.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3114977

Ano: 2024 Banca: FGV Órgão: TJ-MT Prova: FGV - 2024 - TJ-MT - Analista Judiciário - Tecnologia da Informação |

Q3114977 Engenharia de Software

A Inteligência Artificial (IA) tem sido um campo de pesquisa e inovação que evoluiu bastante ao longo das décadas, e geralmente é dividida em IA fraca e IA forte, conceitos que se referem ao nível de “inteligência” que a IA consegue simular ou alcançar.
Em relação ao conceito de Inteligência Artificial (IA), assinale a afirmativa que descreve corretamente a diferença entre IA forte e IA fraca.

A

IA forte é um sistema que simula a inteligência humana em tarefas específicas, enquanto IA fraca consegue aprender e entender contextos complexos, como um ser humano.

B

IA fraca se refere a sistemas que replicam com exatidão a consciência humana, enquanto IA forte realiza tarefas automatizadas sem a necessidade de consciência.

C

IA forte é caracterizada pela capacidade de adquirir consciência e compreensão geral, enquanto IA fraca é projetada para executar tarefas específicas sem consciência.

D

IA fraca é um sistema totalmente autônomo, que toma decisões complexas de forma independente, enquanto IA forte precisa da intervenção humana para operar.

E

IA forte e IA fraca não têm diferença quanto à forma de processamento de informações; a distinção está apenas na potência do hardware que utilizam.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Questões de Concurso Comentadas sobre inteligencia artificial em engenharia de software

Foram encontradas 661 questões