Pular para o conteúdo principal

Questão de Noções de Informática — Inteligência Artificial e Automação — CESPE / CEBRASPE 2025

Noções de InformáticaInteligência Artificial e Automação
Código
ce202037
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Pesquisador – Área: Gestão da Informação – Subárea: Engenharia de Dados
A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte.PLN é um campo da inteligência artificial voltado a capacitar máquinas na compreensão, interpretação e geração da linguagem humana. Aplicações como chatbots, tradutores automáticos e análise de sentimentos são exemplos de aplicações dessa tecnologia. Contudo, modelos recentes, como o Gemini e o GPT, embora compartilhem algumas similaridades com o PLN, têm sua base fundamental na aplicação de aprendizado profundo, uma abordagem que dispensa a necessidade de regras linguísticas explícitas e se concentra na identificação de padrões complexos em grandes conjuntos de dados.
  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”.

Processamento de Linguagem Natural e Aprendizado Profundo

Gabarito: Errado (alternativa E). A afirmação de que modelos como Gemini e GPT compartilham "algumas similaridades" com o PLN e têm base em aprendizado profundo que "dispensa regras explícitas" sugere uma separação artificial entre PLN e deep learning. Na verdade, o PLN moderno é amplamente baseado em aprendizado profundo, e esses modelos são exemplos clássicos de PLN. O deep learning não é algo à parte do PLN; é a principal abordagem utilizada atualmente para tarefas de linguagem natural.

O enunciado descreve corretamente o que é PLN e cita aplicações como chatbots e tradutores. No entanto, ao afirmar que modelos como GPT e Gemini "compartilham algumas similaridades com o PLN", cria uma falsa dicotomia. GPT e Gemini são, de fato, sistemas de PLN que utilizam aprendizado profundo (especialmente arquiteturas Transformer) para processar linguagem natural. A característica de "dispensar regras linguísticas explícitas" é justamente uma marca do aprendizado profundo aplicado ao PLN, que aprende padrões diretamente dos dados, sem necessidade de regras gramaticais explícitas. Portanto, a afirmação está incorreta ao tratar PLN e aprendizado profundo como campos distintos, quando na verdade o aprendizado profundo é uma ferramenta central dentro do PLN.

PEGA ESSA DICA!

Na prova, lembre-se de que PLN não é um campo separado do aprendizado profundo. Modelos modernos como GPT, BERT e Gemini são exemplos de PLN baseados em deep learning. A banca pode tentar confundir apresentando-os como diferentes, mas a essência é que deep learning é a técnica predominante no PLN atual.

Gabarito: E (Errado).

Link permanente: /questoes/ce202037