Questões de Concurso Público ARSESP 2025 para Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado
Foram encontradas 7 questões
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785850
Português
Leia a tira a seguir:
(André Dahmer. Malvados # 846. Disponível em: www.malvados.com.br)
A vírgula no 1o quadro foi empregada pelo mesmo motivo que em:
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785851
Português
Está em conformidade com a norma-padrão de emprego do acento indicativo de crase e de regência verbal e nominal
a frase:
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785852
Português
Texto associado
Leia o texto a seguir para responder à questão:
O desenvolvimento da Inteligência Artificial Generativa
(IAG) depende do treinamento de vastos conjuntos de
informações para que o modelo aprenda sobre linguagem,
padrões e conhecimento geral. Esses dados podem incluir
textos, imagens ou vídeos, os quais frequentemente são protegidos por direitos autorais.
Se, por um lado, a criatividade e o conteúdo humano precisam ser preservados e recompensados, por outro, regras
rígidas de direitos autorais para o treinamento da IAG podem
trazer efeitos colaterais preocupantes, tais como: custos proibitivos para empresas de pequeno porte, aumentando a vantagem competitiva das grandes empresas; fuga de centros de
IA para países mais permissivos; menor precisão diante da
menor quantidade de dados; e repressão da pesquisa aberta
e concentração de inovação em ambientes fechados.
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo
sobre as relações estatísticas entre os seus elementos.
Embora esses vetores não reproduzam diretamente a obra
original e os modelos não armazenem os dados como um
banco de referência consultável, eles podem carregar sua
estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o
conteúdo protegido.
Diferentemente de um livro digital ou de uma música
arquivada, esses sistemas não guardam cada obra de forma
individual, mas extraem padrões estatísticos gerais a partir
do conjunto de uma grande massa toda. A memorização de
trechos específicos pode ocorrer, mas em pequena escala.
Em geral, o modelo generaliza e o impacto de cada obra isolada se dilui dentro da massa de dados, não havendo como
rastrear a contribuição unitária. Isso torna inadequado tratar
o treinamento desses modelos como se fosse equivalente
ao uso individualizado de uma obra musical, jornalística ou
literária.
No Brasil, há fundamentos jurídicos que permitem a aplicação do “uso justo”, conforme entendimentos do Superior
Tribunal de Justiça (STJ) sobre a Lei de Direitos Autorais,
quando: se tratar de situação especial; não prejudicar a
exploração normal da obra; e não causar dano injustificado
aos interesses do autor.
Em geral, no caso do “treinamento justo”, os argumentos
são: os dados são utilizados apenas como insumos técnicos,
para ensinar padrões estatísticos, e não para copiar as obras
originais; o aprendizado de máquina é comparável ao processo humano de indução e generalização; e a responsabilização deve ser aplicada em relação aos resultados produzidos
que violem direitos autorais.
Ou seja, o tema é desafiador e de alta complexidade,
sob a perspectiva técnica e jurídica. A tensão entre garantir
a remuneração e o reconhecimento dos criadores, por um
lado, e não inviabilizar a inovação tecnológica, por outro, exige abordagem regulatória cuidadosa, proporcional e tecnologicamente embasada.
(Rony Vainzof. Treinamento da IA, direitos autorais e regulação.
www.estadao.com.br, 21.10.2025. Adaptado)
Com base nas informações presentes no texto sobre o
treinamento e o uso da Inteligência Artificial Generativa
(IAG), defende-se que
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785853
Português
Texto associado
Leia o texto a seguir para responder à questão:
O desenvolvimento da Inteligência Artificial Generativa
(IAG) depende do treinamento de vastos conjuntos de
informações para que o modelo aprenda sobre linguagem,
padrões e conhecimento geral. Esses dados podem incluir
textos, imagens ou vídeos, os quais frequentemente são protegidos por direitos autorais.
Se, por um lado, a criatividade e o conteúdo humano precisam ser preservados e recompensados, por outro, regras
rígidas de direitos autorais para o treinamento da IAG podem
trazer efeitos colaterais preocupantes, tais como: custos proibitivos para empresas de pequeno porte, aumentando a vantagem competitiva das grandes empresas; fuga de centros de
IA para países mais permissivos; menor precisão diante da
menor quantidade de dados; e repressão da pesquisa aberta
e concentração de inovação em ambientes fechados.
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo
sobre as relações estatísticas entre os seus elementos.
Embora esses vetores não reproduzam diretamente a obra
original e os modelos não armazenem os dados como um
banco de referência consultável, eles podem carregar sua
estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o
conteúdo protegido.
Diferentemente de um livro digital ou de uma música
arquivada, esses sistemas não guardam cada obra de forma
individual, mas extraem padrões estatísticos gerais a partir
do conjunto de uma grande massa toda. A memorização de
trechos específicos pode ocorrer, mas em pequena escala.
Em geral, o modelo generaliza e o impacto de cada obra isolada se dilui dentro da massa de dados, não havendo como
rastrear a contribuição unitária. Isso torna inadequado tratar
o treinamento desses modelos como se fosse equivalente
ao uso individualizado de uma obra musical, jornalística ou
literária.
No Brasil, há fundamentos jurídicos que permitem a aplicação do “uso justo”, conforme entendimentos do Superior
Tribunal de Justiça (STJ) sobre a Lei de Direitos Autorais,
quando: se tratar de situação especial; não prejudicar a
exploração normal da obra; e não causar dano injustificado
aos interesses do autor.
Em geral, no caso do “treinamento justo”, os argumentos
são: os dados são utilizados apenas como insumos técnicos,
para ensinar padrões estatísticos, e não para copiar as obras
originais; o aprendizado de máquina é comparável ao processo humano de indução e generalização; e a responsabilização deve ser aplicada em relação aos resultados produzidos
que violem direitos autorais.
Ou seja, o tema é desafiador e de alta complexidade,
sob a perspectiva técnica e jurídica. A tensão entre garantir
a remuneração e o reconhecimento dos criadores, por um
lado, e não inviabilizar a inovação tecnológica, por outro, exige abordagem regulatória cuidadosa, proporcional e tecnologicamente embasada.
(Rony Vainzof. Treinamento da IA, direitos autorais e regulação.
www.estadao.com.br, 21.10.2025. Adaptado)
Assinale a alternativa em que o vocábulo destacado
pode ser substituído, mantendo-se o sentido do trecho,
pelo que está entre colchetes, empregado em sentido
figurado.
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785854
Português
Texto associado
Leia o texto a seguir para responder à questão:
O desenvolvimento da Inteligência Artificial Generativa
(IAG) depende do treinamento de vastos conjuntos de
informações para que o modelo aprenda sobre linguagem,
padrões e conhecimento geral. Esses dados podem incluir
textos, imagens ou vídeos, os quais frequentemente são protegidos por direitos autorais.
Se, por um lado, a criatividade e o conteúdo humano precisam ser preservados e recompensados, por outro, regras
rígidas de direitos autorais para o treinamento da IAG podem
trazer efeitos colaterais preocupantes, tais como: custos proibitivos para empresas de pequeno porte, aumentando a vantagem competitiva das grandes empresas; fuga de centros de
IA para países mais permissivos; menor precisão diante da
menor quantidade de dados; e repressão da pesquisa aberta
e concentração de inovação em ambientes fechados.
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo
sobre as relações estatísticas entre os seus elementos.
Embora esses vetores não reproduzam diretamente a obra
original e os modelos não armazenem os dados como um
banco de referência consultável, eles podem carregar sua
estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o
conteúdo protegido.
Diferentemente de um livro digital ou de uma música
arquivada, esses sistemas não guardam cada obra de forma
individual, mas extraem padrões estatísticos gerais a partir
do conjunto de uma grande massa toda. A memorização de
trechos específicos pode ocorrer, mas em pequena escala.
Em geral, o modelo generaliza e o impacto de cada obra isolada se dilui dentro da massa de dados, não havendo como
rastrear a contribuição unitária. Isso torna inadequado tratar
o treinamento desses modelos como se fosse equivalente
ao uso individualizado de uma obra musical, jornalística ou
literária.
No Brasil, há fundamentos jurídicos que permitem a aplicação do “uso justo”, conforme entendimentos do Superior
Tribunal de Justiça (STJ) sobre a Lei de Direitos Autorais,
quando: se tratar de situação especial; não prejudicar a
exploração normal da obra; e não causar dano injustificado
aos interesses do autor.
Em geral, no caso do “treinamento justo”, os argumentos
são: os dados são utilizados apenas como insumos técnicos,
para ensinar padrões estatísticos, e não para copiar as obras
originais; o aprendizado de máquina é comparável ao processo humano de indução e generalização; e a responsabilização deve ser aplicada em relação aos resultados produzidos
que violem direitos autorais.
Ou seja, o tema é desafiador e de alta complexidade,
sob a perspectiva técnica e jurídica. A tensão entre garantir
a remuneração e o reconhecimento dos criadores, por um
lado, e não inviabilizar a inovação tecnológica, por outro, exige abordagem regulatória cuidadosa, proporcional e tecnologicamente embasada.
(Rony Vainzof. Treinamento da IA, direitos autorais e regulação.
www.estadao.com.br, 21.10.2025. Adaptado)
Está em conformidade com o que se afirma no texto e
com a norma-padrão de concordância verbal e nominal
a frase:
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785855
Português
Texto associado
Leia o texto a seguir para responder à questão:
O desenvolvimento da Inteligência Artificial Generativa
(IAG) depende do treinamento de vastos conjuntos de
informações para que o modelo aprenda sobre linguagem,
padrões e conhecimento geral. Esses dados podem incluir
textos, imagens ou vídeos, os quais frequentemente são protegidos por direitos autorais.
Se, por um lado, a criatividade e o conteúdo humano precisam ser preservados e recompensados, por outro, regras
rígidas de direitos autorais para o treinamento da IAG podem
trazer efeitos colaterais preocupantes, tais como: custos proibitivos para empresas de pequeno porte, aumentando a vantagem competitiva das grandes empresas; fuga de centros de
IA para países mais permissivos; menor precisão diante da
menor quantidade de dados; e repressão da pesquisa aberta
e concentração de inovação em ambientes fechados.
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo
sobre as relações estatísticas entre os seus elementos.
Embora esses vetores não reproduzam diretamente a obra
original e os modelos não armazenem os dados como um
banco de referência consultável, eles podem carregar sua
estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o
conteúdo protegido.
Diferentemente de um livro digital ou de uma música
arquivada, esses sistemas não guardam cada obra de forma
individual, mas extraem padrões estatísticos gerais a partir
do conjunto de uma grande massa toda. A memorização de
trechos específicos pode ocorrer, mas em pequena escala.
Em geral, o modelo generaliza e o impacto de cada obra isolada se dilui dentro da massa de dados, não havendo como
rastrear a contribuição unitária. Isso torna inadequado tratar
o treinamento desses modelos como se fosse equivalente
ao uso individualizado de uma obra musical, jornalística ou
literária.
No Brasil, há fundamentos jurídicos que permitem a aplicação do “uso justo”, conforme entendimentos do Superior
Tribunal de Justiça (STJ) sobre a Lei de Direitos Autorais,
quando: se tratar de situação especial; não prejudicar a
exploração normal da obra; e não causar dano injustificado
aos interesses do autor.
Em geral, no caso do “treinamento justo”, os argumentos
são: os dados são utilizados apenas como insumos técnicos,
para ensinar padrões estatísticos, e não para copiar as obras
originais; o aprendizado de máquina é comparável ao processo humano de indução e generalização; e a responsabilização deve ser aplicada em relação aos resultados produzidos
que violem direitos autorais.
Ou seja, o tema é desafiador e de alta complexidade,
sob a perspectiva técnica e jurídica. A tensão entre garantir
a remuneração e o reconhecimento dos criadores, por um
lado, e não inviabilizar a inovação tecnológica, por outro, exige abordagem regulatória cuidadosa, proporcional e tecnologicamente embasada.
(Rony Vainzof. Treinamento da IA, direitos autorais e regulação.
www.estadao.com.br, 21.10.2025. Adaptado)
Considere o 3o
parágrafo do texto:
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo sobre as relações estatísticas entre os seus elementos. Embora esses vetores não reproduzam diretamente a obra original e os modelos não armazenem os dados como um banco de referência consultável, eles podem carregar sua estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o conteúdo protegido.
Os vocábulos destacados podem ser substituídos, respectivamente, mantendo-se o sentido e a norma-padrão do trecho, por:
O conteúdo, enquanto obra passível de proteção, é utilizado somente como insumo técnico para ensinar o modelo sobre as relações estatísticas entre os seus elementos. Embora esses vetores não reproduzam diretamente a obra original e os modelos não armazenem os dados como um banco de referência consultável, eles podem carregar sua estrutura em forma matemática, o que poderia levar à conclusão de que, a partir disso, seria possível reconstruir o conteúdo protegido.
Os vocábulos destacados podem ser substituídos, respectivamente, mantendo-se o sentido e a norma-padrão do trecho, por:
Ano: 2025
Banca:
VUNESP
Órgão:
ARSESP
Prova:
VUNESP - 2025 - ARSESP - Especialista em Regulação e Fiscalização de Serviços Públicos - Área de Conhecimento/Ênfases: Gás Canalizado |
Q3785856
Português
Está em conformidade com a norma-padrão de emprego
e colocação pronominal a frase:
Conheça nossos planos