Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025
Engenharia de Software›Inteligencia Artificial
Código
ce219043
Banca
CESPE / CEBRASPE
Órgão
TRF - 6ª REGIÃO
Ano
2025
Nível
Superior
Cargo
Analista Judiciário – Área: Apoio Especializado – Especialidade: Análise de Sistemas de Informação
Julgue o item que se segue, em relação a grandes modelos de linguagem (LLMs) e a redes neurais.A aplicação da função de ativação softmax na camada de saída foi o fator determinante pela grande evolução da capacidade de visão computacional em redes neurais multicamadas.
CCerto
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”.
Função de ativação softmax e visão computacional
Gabarito: Errado (E). A afirmação está incorreta porque a softmax não foi o fator determinante para a grande evolução da capacidade de visão computacional em redes neurais multicamadas. O avanço significativo nessa área se deve principalmente ao desenvolvimento de arquiteturas de redes neurais convolucionais (CNNs), que utilizam camadas convolucionais, pooling e operações específicas para processamento de imagem. A função softmax é uma função de ativação comum na camada de saída para classificação multiclasse, mas não é o motor da evolução da visão computacional.
❌ Errado
A softmax é usada para converter logits em probabilidades em problemas de classificação, mas a grande revolução na visão computacional veio com as CNNs, como AlexNet, VGG, ResNet, etc. Essas redes possuem camadas convolucionais que extraem características espaciais, pooling para redução de dimensionalidade e camadas totalmente conectadas. A softmax é apenas um componente final, não o determinante. Portanto, a frase é incorreta.
NÃO CAIA NESSA!
A banca tenta induzir o candidato a acreditar que uma única função de ativação (softmax) foi o fator chave para a evolução da visão computacional, quando na verdade o grande salto veio das arquiteturas convolucionais (CNNs) e do aprendizado profundo. A softmax é relevante, mas não é o fator determinante.