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

Redes Neurais Artificiais e Funções de Ativação

✅ CERTO. A afirmação está correta. Em redes neurais artificiais, as funções de ativação não lineares (como ReLU, sigmoide, tanh) são essenciais para que o modelo aprenda representações complexas. Isso ocorre porque, sem essas funções, cada camada realizaria apenas uma transformação linear sobre a saída da camada anterior. A composição de múltiplas transformações lineares é matematicamente equivalente a uma única transformação linear – ou seja, uma rede com várias camadas lineares poderia ser reduzida a uma só camada. Consequentemente, a capacidade de representação do modelo seria limitada a relações lineares, impossibilitando o aprendizado de padrões não lineares e de alta complexidade, como os exigidos em tarefas de visão computacional, processamento de linguagem natural e reconhecimento de padrões.

O conceito é fundamental na área de aprendizado profundo (deep learning), em que a não linearidade introduzida pelas funções de ativação permite que a rede aproxime funções arbitrárias, desde que haja camadas e neurônios suficientes. Portanto, a assertiva está em conformidade com os princípios teóricos das redes neurais.

✅ CERTO.