No contexto de Inteligência Artificial (IA) Generativa mult...
Próximas questões
Com base no mesmo assunto
Ano: 2026
Banca:
IVIN
Órgão:
Prefeitura de Campo Grande do Piauí - PI
Prova:
IVIN - 2026 - Prefeitura de Campo Grande do Piauí - PI - Professor Ciências da Computação |
Q3955575
Noções de Informática
No contexto de Inteligência Artificial (IA)
Generativa multimodal, considere as seguintes
afirmações:
I. O modelo CLIP (Contrastive Language-Image Pretraining) foi desenvolvido para entender a relação entre imagens e definições em texto. Ele aprende comparando pares de imagens e textos encontrados na internet, permitindo que o sistema encontre imagens relevantes a partir de uma descrição em linguagem natural, sem precisar que o usuário tenha previamente classificado cada imagem manualmente.
II. O Stable Diffusion é uma IA generativa especializada em criar imagens foto realistas e arte a partir de texto de forma eficiente a partir de descrições de textos. Em vez de processar imagens completas, que que exige computação forte, ele trabalha em uma representação otimizada das imagens, gerando resultados de qualidade com menor custo computacional.
III. O modelo GPT-4 Vision é um modelo de Inteligência Artificial multimodal consegue "ler" conteúdo visual e entenda o contexto de imagens, fotografias, gráficos, captura de telas e documentos convertendo pedaços da imagem em informações numéricas compatíveis com o processamento de texto. Essencialmente, o sistema trata as imagem inseridas na conversa, permitindo análise integrada de texto e imagem.
Após análise das afirmativas, assinale a alternativa correta:
I. O modelo CLIP (Contrastive Language-Image Pretraining) foi desenvolvido para entender a relação entre imagens e definições em texto. Ele aprende comparando pares de imagens e textos encontrados na internet, permitindo que o sistema encontre imagens relevantes a partir de uma descrição em linguagem natural, sem precisar que o usuário tenha previamente classificado cada imagem manualmente.
II. O Stable Diffusion é uma IA generativa especializada em criar imagens foto realistas e arte a partir de texto de forma eficiente a partir de descrições de textos. Em vez de processar imagens completas, que que exige computação forte, ele trabalha em uma representação otimizada das imagens, gerando resultados de qualidade com menor custo computacional.
III. O modelo GPT-4 Vision é um modelo de Inteligência Artificial multimodal consegue "ler" conteúdo visual e entenda o contexto de imagens, fotografias, gráficos, captura de telas e documentos convertendo pedaços da imagem em informações numéricas compatíveis com o processamento de texto. Essencialmente, o sistema trata as imagem inseridas na conversa, permitindo análise integrada de texto e imagem.
Após análise das afirmativas, assinale a alternativa correta:
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: E
Fundamento decisivo: A decisão dependia de verificar se as descrições atribuídas a CLIP, Stable Diffusion e GPT-4 Vision eram compatíveis com suas funções reconhecidas. Confirmada a compatibilidade das três, a alternativa correta é a letra E.
Tema central: Modelos multimodais de IA
Análise das alternativas
A
Errada
Errada porque exclui II e III, que também estão compatíveis com os modelos citados.
B
Errada
Errada porque exclui I e III, embora ambas estejam corretas.
C
Errada
Errada porque elimina a III, mas a afirmativa está correta em sua descrição funcional.
D
Errada
Errada porque elimina a I, que também está correta.
E
Certa
A alternativa E está correta porque as três afirmativas são compatíveis, em nível conceitual, com as funções centrais dos modelos citados. A I descreve corretamente o CLIP como modelo que aprende relações entre imagem e texto por comparação de pares imagem-texto. A II descreve corretamente o Stable Diffusion como modelo generativo de imagens a partir de texto, com eficiência associada ao trabalho em representação latente. A III também está correta ao caracterizar o GPT-4 com capacidade visual como multimodal, apto a analisar conteúdo visual em conjunto com texto.
Pegadinha da questão
A confusão estava em rejeitar afirmativas corretas por associação indevida: tratar CLIP como gerador, estranhar o Stable Diffusion por operar em representação latente ou invalidar a III por simplificar o funcionamento do GPT-4 Vision. A questão cobrava compatibilidade funcional.
Dica para questões semelhantes
- Em questões sobre modelos de IA, confronte a descrição com a função central do modelo, não com detalhes arquiteturais não exigidos.
- Se a afirmativa atribui ao modelo uma finalidade compatível e não lhe dá função incompatível, ela tende a estar correta em prova conceitual.
- Diferencie modelo de alinhamento imagem-texto, modelo generativo de imagem e modelo multimodal de interpretação integrada.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Conheça nossos planos