Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2026
Engenharia de Software›Inteligencia Artificial
Código
ce229751
Banca
CESPE / CEBRASPE
Órgão
TCU
Ano
2026
Nível
Superior
Cargo
Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação
Acerca de aplicações do processamento de linguagem natural (PNL) e da teoria de sistemas multiagentes, julgue o item subsequente.O Word2Vec é um modelo de aprendizado profundo que utiliza redes neurais com várias camadas e mecanismos de atenção para aprender representações distribuídas de palavras a partir de grandes corpora textuais.
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”.
Processamento de Linguagem Natural – Word2Vec
❌ ERRADO. A afirmação está incorreta. O Word2Vec não é um modelo de aprendizado profundo (deep learning) e não utiliza mecanismos de atenção. Na verdade, o Word2Vec é um modelo de rede neural rasa (shallow), com apenas uma camada oculta, desenvolvido em 2013 por Mikolov et al., que aprende representações distribuídas de palavras (embeddings) a partir de grandes corpora textuais usando arquiteturas como CBOW (Continuous Bag of Words) e Skip-gram.
Aprendizado profundo envolve redes neurais com múltiplas camadas ocultas (profundas), como CNNs, RNNs e especialmente os Transformers. Já o mecanismo de atenção é o núcleo dos modelos Transformer, introduzido em 2017 no artigo "Attention Is All You Need". Modelos como BERT e GPT são exemplos de arquiteturas profundas baseadas em atenção, mas o Word2Vec é anterior a essa abordagem e não a utiliza.
Portanto, a assertiva erra ao combinar características de modelos distintos. O Word2Vec é um modelo eficiente e amplamente utilizado, mas não se enquadra no paradigma de deep learning nem utiliza atenção.
NÃO CAIA NESSA!
A banca tenta confundir Word2Vec com modelos Transformer (ex.: BERT, GPT) ao atribuir ao primeiro as características de aprendizado profundo e mecanismos de atenção. Word2Vec é uma técnica de embedding rasa, enquanto atenção e deep learning são marcas registradas dos modelos pós-2017. Memorize essa distinção para não cair em questões similares.