GabaritoE — Errado
❌ ERRADO. A afirmação está incorreta: modelos altamente interpretáveis (como árvores de decisão simples) são justamente os que apresentam maior transparência, pois suas decisões podem ser facilmente compreendidas e explicadas. Por outro lado, modelos complexos (como redes neurais profundas) são considerados "caixa-preta", com baixa transparência e dificuldade de explicação. A banca inverteu a relação esperada.
O conceito de explicabilidade (Explainable AI) está diretamente ligado à transparência: "Explicabilidade (Explainable AI) – Capacidade de um sistema de IA explicar de forma compreensível como chegou a determinada decisão ou recomendação" (glossário do conteúdo de apoio). Modelos interpretáveis, por serem intrinsecamente mais explicáveis, oferecem maior transparência.
Lembre-se da troca clássica entre interpretabilidade e desempenho: modelos mais simples (regressão linear, árvores pequenas) sacrificam acurácia para serem mais transparentes; modelos complexos (redes profundas, ensembles) ganham desempenho às custas da interpretabilidade. A banca tenta confundir o candidato trocando os pólos — fique atento ao par oposto.
Gabarito: Errado (E).
Link permanente: /questoes/ce229306