Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2026

Engenharia de SoftwareInteligencia Artificial
Código
ce229758
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
No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item.Explicabilidade e interpretabilidade tratam do desafio de entender como os modelos de aprendizado de máquina funcionam, devido especialmente à natureza de “caixa-preta” de muitos modelos, que pode tornar difícil ou impossível a capacidade de explicar uma previsão ou decisão.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

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”.

Explicabilidade e interpretabilidade em IA

✅ CERTO. O item descreve corretamente o desafio central da explicabilidade e interpretabilidade em modelos de aprendizado de máquina. A natureza de "caixa-preta" de muitos modelos (como redes neurais profundas) torna difícil ou impossível compreender como as decisões são tomadas, o que compromete a transparência e a confiança no uso da IA. O texto-base do relatório da McKinsey inclusive menciona que não há propensão a abordar riscos relacionados à explicabilidade, reforçando a relevância do tema.

Explicabilidade refere-se à capacidade de fornecer explicações compreensíveis para as decisões do modelo, enquanto interpretabilidade é o grau em que um ser humano pode entender o funcionamento interno do modelo. Ambas são fundamentais para a ética e responsabilidade no uso de IA, especialmente em áreas como políticas públicas, saúde e justiça.

PEGA ESSA DICA!

Na prova, lembre-se de que interpretabilidade é a capacidade de entender o modelo (ex.: pesos de uma regressão linear), enquanto explicabilidade é a capacidade de gerar explicações pontuais (ex.: LIME, SHAP). A distinção é sutil, mas cobrada.

✅ CERTO.

Link permanente: /questoes/ce229758