Informática · Concurso PRF, PF, Detran
Inteligência artificial e aprendizado de máquina
3 min de leituracom podcast7 flashcards3 questões
Cai no edital de: PRF, Agente PF, Escrivão PF, Papiloscopista PF, Agente Administrativo PF, Detran, Detran-PR, Detran-DF
Resumo: Inteligência artificial e aprendizado de máquina
Essência. IA: sistemas que executam tarefas que exigiriam inteligência humana. Machine learning: subcampo da IA que aprende padrões a partir de dados, sem regras programadas para cada caso. Deep learning: subcampo do ML com redes neurais de muitas camadas. IA ⊃ ML ⊃ DL.
- Supervisionado: dados rotulados (entrada + resposta certa); classificação ("é spam?") e regressão (prever valor).
- Não supervisionado: sem rótulo; acha grupos (clusterização) e anomalias.
- Por reforço: agente interage com o ambiente e recebe recompensas ou punições (jogos, robótica, direção autônoma).
- IA generativa: produz texto e imagem (grandes modelos de linguagem).
- Visão computacional (reconhecer placa) e PLN (linguagem natural).
- Viés algorítmico: dados enviesados geram decisões enviesadas.
- Alucinação: resposta plausível, porém falsa.
Exceções e distinções. Deep learning é espécie de ML, que é espécie de IA, nunca o inverso. Reconhecer placa com exemplos rotulados é supervisionado; agrupar clientes sem rótulo é não supervisionado.
Pegadinha Cebraspe. "O aprendizado supervisionado dispensa dados rotulados" → errado.
Lembre também: "ML aprende com dados sem regras explicitamente programadas" é certo; erro clássico é inverter a hierarquia IA/ML/DL ou trocar os tipos de aprendizado.
Visão geral
Inteligência artificial (IA): sistemas que executam tarefas que exigiriam inteligência humana (reconhecer imagens, entender linguagem, decidir). Aprendizado de máquina (machine learning): subcampo da IA em que o sistema aprende padrões a partir de dados e melhora o desempenho sem ser explicitamente programado com regras fixas para cada caso. Deep learning: subcampo do ML baseado em redes neurais de muitas camadas.
IA ⊃ Machine learning ⊃ Deep learning.
Regra
| Tipo de aprendizado | Dados | Exemplo |
|---|---|---|
| Supervisionado | rotulados (entrada + resposta certa) | classificar spam; reconhecer placa |
| Não supervisionado | sem rótulo; acha estrutura/grupos | agrupar clientes (clusterização) |
| Por reforço | agente interage com ambiente e recebe recompensas/punições | jogos, robótica, direção autônoma |
Outros conceitos: IA generativa (produz texto/imagem, ex.: grandes modelos de linguagem); visão computacional; processamento de linguagem natural (PLN); viés algorítmico (dados enviesados geram decisões enviesadas); "alucinação" (resposta plausível, porém falsa).
Aprofundamento
- IA: sistemas que executam tarefas que exigiriam inteligência humana (reconhecer padrões, prever, decidir, gerar conteúdo).
- Aprendizado de máquina (machine learning): o sistema aprende padrões a partir de dados, em vez de regras programadas.
- Supervisionado: dados rotulados (classificação — "é spam?"; regressão — prever um valor).
- Não supervisionado: sem rótulos, encontra agrupamentos (clusterização) e anomalias.
- Por reforço: aprende por tentativa e erro com recompensas (jogos, robótica).
- Aprendizado profundo (deep learning): redes neurais com muitas camadas — visão computacional (reconhecimento de placas e rostos), voz, tradução.
- IA generativa e LLMs (modelos de linguagem de grande porte — ChatGPT, Gemini, Claude): geram texto, imagem, áudio e código; podem alucinar (inventar fatos com aparência de verdade) — exigem verificação humana.
- Processamento de linguagem natural (PLN), visão computacional, sistemas especialistas (regras).
- Riscos e ética: vieses nos dados de treino, privacidade (LGPD), explicabilidade, deepfakes, responsabilidade pelas decisões automatizadas.
- Aplicações na PRF: leitura automática de placas (OCR/LPR), análise de padrões de criminalidade e de acidentes, triagem de imagens de câmeras.
Como o Cebraspe cobra
- Definição de ML "aprende com dados sem regras explicitamente programadas": certo.
- "Aprendizado supervisionado dispensa dados rotulados": errado.
- "Deep learning é gênero do qual a IA é espécie": errado (é o inverso).
- Detalhe que torna o item errado: inversão da hierarquia IA/ML/DL ou troca dos tipos de aprendizado.
Revisão rápida
- IA ⊃ ML ⊃ deep learning.
- ML: aprende padrões dos dados.
- Supervisionado: rotulado; não supervisionado: sem rótulo; reforço: recompensa.
- Deep learning: redes neurais profundas.
- Viés nos dados → viés no modelo.
Mapa mental: Inteligência artificial e aprendizado de máquina
Toque play para percorrer o mapa. Clique num card para ver de perto, no fundo para afastar; arraste para mover e use Ctrl/⌘ + roda do mouse (ou a pinça) para zoom.
Flashcards de Inteligência artificial e aprendizado de máquina
Tente lembrar antes de virar o card.
- Revelar resposta
O que é aprendizado de máquina (machine learning) e qual sua posição em relação à IA?
Subcampo da IA em que o sistema aprende padrões a partir de dados e melhora o desempenho sem ser explicitamente programado com regras fixas. Hierarquia: IA ⊃ ML ⊃ deep learning. Pegadinha: inverter a hierarquia.
- Revelar resposta
O que é ontologia em IA e para que servem seus axiomas?
Ontologia: representação formal e completa de um domínio (conceitos, relações, instâncias). Axiomas: modelam restrições e regras que se aplicam às instâncias.
- Revelar resposta
IA generativa e GAN: como funcionam?
IA generativa cria conteúdo novo (texto, imagem, áudio, vídeo). GAN: rede geradora produz dados falsos; rede discriminadora tenta identificá-los — competem e se aprimoram.
- Revelar resposta
O que é RAG (retrieval augmented generation)?
Técnica que recupera informações relevantes de uma fonte de dados e as insere no prompt do modelo de linguagem, melhorando a qualidade/precisão da resposta.
- Revelar resposta
O que é computação cognitiva?
Subcampo da IA voltado ao raciocínio e compreensão em alto nível, análogo à cognição, à lógica e ao julgamento humanos.
- Revelar resposta
Por que as redes neurais inicializam pesos com valores aleatórios (Xavier/He)?
Para quebrar a simetria entre neurônios e manter a variância dos sinais entre camadas, evitando o desaparecimento (ou explosão) do gradiente.
- Revelar resposta
IA na gestão pública: automatiza tarefas — está imune a falhas de controle?
Não. Automatiza tarefas repetitivas (documentos, relatórios), mas pode errar, reproduzir vieses dos dados e gerar respostas falsas; exige supervisão humana, governança e controle.
Questões de Inteligência artificial e aprendizado de máquina
Questão 1 · PRF · Certo ou Errado
O aprendizado de máquina (machine learning) é um subcampo da inteligência artificial em que os sistemas aprendem padrões a partir de dados e experiências prévias, aprimorando seu desempenho em determinada tarefa sem que sejam explicitamente programados com regras fixas para cada situação.
Revelar gabarito
Gabarito: Certo
Certo. Essa é a definição usual de aprendizado de máquina: um subcampo da inteligência artificial baseado no reconhecimento de padrões em dados para aprimorar o desempenho em tarefas, em vez de depender exclusivamente de regras programadas de forma explícita e fixa.
Questão 2 · PRF · Certo ou Errado
Algoritmos de aprendizado de máquina (machine learning), subárea da inteligência artificial, permitem que sistemas melhorem seu desempenho em uma tarefa a partir da experiência (dados), sem que cada regra de decisão precise ser explicitamente programada.
Revelar gabarito
Gabarito: Certo
Certo. Descreve corretamente o princípio básico do aprendizado de máquina: sistemas que aprendem padrões a partir de dados, em vez de seguirem apenas regras programadas manualmente.
Questão 3 · Agente Administrativo PF · CEBRASPE 2025 · Certo ou Errado
Acerca da inovação na gestão pública, julgue o item subsequente.
A inteligência artificial, imune às falhas de controle, pode automatizar tarefas repetitivas, como o processamento de documentos e a geração de relatórios, liberando tempo e recursos para atividades mais estratégicas.
Revelar gabarito
Gabarito: Errado
Errado. A IA pode automatizar tarefas repetitivas e liberar recursos para atividades estratégicas, mas não é imune a falhas: pode errar, reproduzir vieses dos dados e gerar respostas falsas, o que exige supervisão humana e mecanismos de controle.