Sistemas de Informação · CESPE / CEBRASPE · 2026 | Questão sqc-ce227869

Sistemas de InformaçãoSistemas de Informação

Código: ce227869
Banca: CESPE / CEBRASPE
Órgão: SEFAZ-PR
Ano: 2026
Nível: Médio

Cargo: Agente Fazendário Estadual - Função: Profissional de Tecnologia da Informação

A secretaria de fazenda de certo estado visa implantar um sistema inteligente capaz de detectar automaticamente indícios de fraude em notas fiscais eletrônicas, com base em padrões históricos de transações regulares e irregulares. O sistema deverá aprender com exemplos rotulados e ajustar-se continuamente a novos tipos de fraude à medida que recebe novos dados.Na situação hipotética apresentada, a técnica de inteligência artificial mais adequada para que o sistema em apreço atenda às demandas dessa secretaria de fazenda corresponde ao uso de

Asistemas especialistas, que utilizam aprendizado indutivo supervisionado para detectar fraudes a partir da análise estatística de grandes volumes de dados.
Bmáquinas de vetores de suporte não supervisionadas, que classificam novas transações com base em agrupamentos obtidos a partir de variáveis latentes.
Credes neurais convolucionais não supervisionadas, projetadas para processar dados tabulares de transações financeiras e gerar regras de decisão simbólicas.
Dredes neurais artificiais supervisionadas, capazes de ajustar pesos sinápticos por meio de algoritmos de retropropagação, aprendendo padrões complexos a partir de dados rotulados.
Ealgoritmos genéticos, baseados em regras simbólicas fixas e invariáveis, que garantem explicabilidade total no reconhecimento de transações suspeitas.

Revelar gabarito e comentário

GabaritoD — redes neurais artificiais supervisionadas, capazes de ajustar pesos sinápticos por meio de algoritmos de retropropagação, aprendendo padrões complexos a partir de dados rotulados.

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”.

Inteligência Artificial para Detecção de Fraudes em Notas Fiscais

Gabarito: letra D. A técnica mais adequada é o uso de redes neurais artificiais supervisionadas, que aprendem padrões complexos a partir de dados rotulados e ajustam continuamente seus pesos por retropropagação, exatamente o que o sistema necessita: aprender com exemplos históricos e se adaptar a novos tipos de fraude.

A banca testa o conhecimento sobre diferentes paradigmas de IA. O enunciado descreve um sistema que aprende com exemplos rotulados (aprendizado supervisionado) e se ajusta continuamente. Vamos analisar cada alternativa:

Técnica de IA	Paradigma de Aprendizado	Adequação ao Problema	Característica Principal
Sistemas especialistas	Baseado em regras (não aprende)	Inadequado — não aprende com exemplos	Conhecimento explícito de especialistas
Máquinas de vetores de suporte (SVM)	Supervisionado (mas alternativa erra ao dizer "não supervisionado")	Inadequado — descrição incorreta do paradigma	Classificação por hiperplano ótimo
Redes neurais convolucionais (CNN)	Supervisionado	Inadequado — projetado para dados espaciais (imagens), não tabulares	Processamento de padrões espaciais
Redes neurais artificiais	Supervisionado	Adequado — aprende com dados rotulados e se adapta continuamente	Ajuste de pesos por retropropagação
Algoritmos genéticos	Otimização evolutiva (não supervisionado)	Inadequado — não é classificação direta; regras não são fixas	Busca e otimização no espaço de soluções

Alternativa A — ❌ Incorreta

Erro: Sistemas especialistas são baseados em regras explícitas e conhecimento especialista, não em aprendizado indutivo supervisionado a partir de grandes volumes de dados. Eles não aprendem automaticamente com exemplos; exigem engenharia do conhecimento.

Alternativa B — ❌ Incorreta

Erro: Máquinas de vetores de suporte (SVM) são tipicamente supervisionadas, não não supervisionadas. O enunciado pede aprendizado supervisionado, e a alternativa inverte o paradigma. Além disso, o termo "variáveis latentes" é mais associado a modelos de tópicos, não a SVM.

Alternativa C — ❌ Incorreta

Erro: Redes neurais convolucionais (CNN) são supervisionadas, mas são projetadas para dados espaciais (imagens, vídeos), não para dados tabulares de transações financeiras. Elas também não geram regras de decisão simbólicas; produzem representações vetoriais.

Alternativa D — ✅ Correta ⟵ GABARITO

Acerto: Descreve exatamente o aprendizado supervisionado: redes neurais artificiais que ajustam pesos sinápticos por retropropagação, aprendendo padrões complexos a partir de dados rotulados. Isso permite adaptação contínua, conforme exigido.

Alternativa E — ❌ Incorreta

Erro: Algoritmos genéticos são métodos de otimização evolutiva, não baseados em regras fixas e invariáveis. Eles exploram um espaço de soluções e não garantem explicabilidade total. São mais usados para busca e otimização, não para classificação direta de fraudes.

Conclusão: A única técnica que atende plenamente aos requisitos de aprendizado supervisionado, adaptação contínua e capacidade de capturar padrões complexos é a rede neural artificial supervisionada (alternativa D).

Link permanente: /questoes/ce227869