Prova de Inteligência Artificial: Desafios e Conceitos Essenciais
Tema: Inteligência Artificial.Machine Learns,Deep Learning, GANs, VAEs, TRansformers
Etapa/Série: 3º ano – Ensino Médio
Disciplina: Formação Técnica e Profissional
Questões: 10
Prova de Formação Técnica e Profissional: Inteligência Artificial
Nome: ___________________________
Data: ____/____/______
Instruções:
Leia cada afirmação cuidadosamente. Assinale “V” para as que são Verdadeiras e “F” para as que são Falsas. Justifique sua resposta com uma breve explicação.
Questões
1. V ou F: A inteligência artificial é uma área da ciência da computação que se concentra na criação de máquinas que podem executar tarefas que normalmente exigem inteligência humana, como reconhecimento de fala e tomada de decisão.
2. V ou F: O Machine Learning é uma técnica que permite que algoritmos aprendam a partir de dados, sem serem programados explicitamente para realizar uma tarefa específica.
3. V ou F: Deep Learning é um subconjunto do Machine Learning que se baseia em redes neurais profundas. Essas redes neurais têm mais de três camadas e são capazes de modelar padrões complexos em grandes volumes de dados.
4. V ou F: As GANs (Generative Adversarial Networks) são um tipo de arquitetura de rede neural que consiste em duas redes que competem entre si, sendo uma responsável por gerar novos dados e a outra por classificar esses dados como verdadeiros ou falsos.
5. V ou F: VAEs (Variational Autoencoders) são uma técnica de aprendizado não supervisionado que permite a compressão de dados em uma representação mais compacta, mas não têm aplicação em geração de novos dados.
6. V ou F: Transformadores são uma arquitetura de rede neural que se tornou popular devido à sua eficácia em tarefas de processamento de linguagem natural e que utiliza mecanismos de atenção para ponderar a importância de diferentes partes do input.
7. V ou F: O treinamento de modelos de Deep Learning geralmente exige grandes quantidades de dados rotulados e potentes recursos computacionais, como GPUs.
8. V ou F: A inteligência artificial pode ser utilizada em diversas áreas, como medicina, finanças e agricultura, melhorando a eficiência e a precisão nos processos.
9. V ou F: Os modelos de Machine Learning não são afetados pela qualidade dos dados de entrada, pois eles automaticamente ajustam suas previsões para se adaptar a qualquer tipo de dado.
10. V ou F: Um dos principais desafios das GANs é a instabilidade durante o treinamento, que pode levar a resultados de geração de baixa qualidade se não forem aplicadas as técnicas certas.
Gabarito Detalhado
1. V – A inteligência artificial se concentra em tarefas que exigem inteligência humana (ex: reconhecimento de fala, decisões).
2. V – Machine Learning envolve algoritmos que aprendem com dados, o que significa que não requer programação explícita para cada tarefa.
3. V – Deep Learning utiliza redes neurais profundas para modelar complexidades em dados, sendo um avanço em relação ao Machine Learning.
4. V – GANs têm duas redes: geradora e discriminadora, que competem, resultando em novos dados gerados.
5. F – VAEs podem gerar novos dados, permitindo não apenas compressão, mas também a geração de amostras novas através da aprendizagem não supervisionada.
6. V – Transformadores usam mecanismos de atenção, o que os torna eficientes em processamento de linguagem natural, revolucionando este campo.
7. V – Modelos de Deep Learning requerem grandes volumes de dados e geralmente são executados em hardware poderoso, como GPUs.
8. V – A IA tem aplicações em várias áreas, trazendo melhorias significativas em eficiência e precisão.
9. F – A qualidade dos dados é crítica para o sucesso de modelos de Machine Learning; dados ruins geram previsões ruins.
10. V – GANs enfrentam desafios como a instabilidade de treinamento, que pode resultar em baixa qualidade figurativa, necessitando de intervenções para estabilização.
Esta prova visa não apenas avaliar a compreensão dos alunos sobre os conceitos fundamentais de Inteligência Artificial, mas também promover o raciocínio crítico e a capacidade de aplicar esse conhecimento em contextos práticos.
