Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Engenharia de SoftwareInteligencia Artificial
Código
ce195096
Banca
CESPE / CEBRASPE
Órgão
ANM
Ano
2025
Nível
Superior
Cargo
Especialista em Recursos Minerais - Especialidade: Tecnologia da Informação - Operações
No que se refere a inteligências artificiais (IAs) generativas e discriminativas, julgue o item seguinte.Para aplicações do mundo real, como geração de imagens, as distribuições são extremamente complexas, e o aprendizado profundo não conseguiu melhorar o desempenho dos modelos generativos, por isso se tem optado por investir em uma classe importante de modelos de linguagem de grande escala (LLMs — large language models) autorregressivos baseados em transformadores.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Inteligências Artificiais Generativas e Discriminativas

Gabarito: Errado (E). A afirmação está incorreta porque o aprendizado profundo (deep learning) foi justamente o motor do avanço dos modelos generativos, incluindo os LLMs autorregressivos baseados em transformadores mencionados. A frase cria uma falsa oposição entre deep learning e LLMs, quando estes são uma aplicação direta daquele.

O item alega que "o aprendizado profundo não conseguiu melhorar o desempenho dos modelos generativos" e que por isso se investe em LLMs autorregressivos. Na realidade, os LLMs (como GPT, Llama) são arquiteturas deep learning baseadas em transformadores e mecanismos de atenção. Eles representam um enorme sucesso do aprendizado profundo na geração de texto e, em combinação com outras técnicas, também na geração de imagens (ex.: DALL-E, Stable Diffusion). Modelos como GANs, VAEs e diffusion models — todos baseados em deep learning — revolucionaram a geração de imagens, áudio e vídeo. Portanto, o aprendizado profundo sim melhorou drasticamente o desempenho dos modelos generativos.

A pegadinha está em sugerir que LLMs são uma alternativa ao deep learning, quando na verdade eles são um dos seus mais proeminentes produtos. O erro é de conceito: a banca inverte causa e consequência.

✅ CERTO? ❌ ERRADO — a afirmativa é falsa.

Link permanente: /questoes/ce195096