Questão de Noções de Informática — Inteligência Artificial e Automação — FCC 2025
Noções de Informática›Inteligência Artificial e Automação
Código
fc074284
Banca
FCC
Órgão
TRF - 4ª REGIÃO
Ano
2025
Nível
Superior
Cargo
Técnico Judiciário - Área Administrativa
Em um projeto de modemização do atendimento no Poder Judiciário, a equipe de inovação foi desafiada a criar uma solução capaz de compreender a linguagem natural dos usuários, gerar respostas contextualizadas a partir de dados disponíveis e, em alguns casos, propor redações automáticas de documentos iniciais para facilitar o acesso à Justiça. Considerando os conceitos de Inteligência Artificial (IA) aplicados ao setor público, a solução mais adequada para atender a esses requisitos corresponde ao uso de
Amodelo de linguagem de larga escala capaz de interpretar, gerar e adaptar textos com base em aprendizado profundo.
Bmodelos simbólicos de IA, estruturados a partir de regras semânticas e léxicas estáticas, aplicados à representação do conhecimento jurídico.
Cagentes conversacionais programados com fluxos condicionais para responder a perguntas frequentes, baseados em esquemas pré-configurados de decisão.
Dsistemas híbridos com foco na automação de rotinas administrativas, combinando scripts estruturados e extração de dados não interpretativos.
Ealgoritmos supervisionados voltados à categorização de documentos, sem mecanismos de geração textual ou análise interativa.
Revelar gabarito e comentário▾
GabaritoA — modelo de linguagem de larga escala capaz de interpretar, gerar e adaptar textos com base em aprendizado profundo.
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 – Modelos de Linguagem de Larga Escala
Gabarito: letra A. A solução mais adequada é um modelo de linguagem de larga escala (LLM), como o GPT, que utiliza aprendizado profundo para interpretar, gerar e adaptar textos de forma contextualizada, atendendo exatamente aos requisitos de compreensão de linguagem natural, geração de respostas e redação automática de documentos.
A banca cobra a distinção entre diferentes abordagens de IA. O enunciado descreve uma solução que deve compreender linguagem natural, gerar respostas contextualizadas e propor redações automáticas — tarefas que exigem um modelo de linguagem de larga escala (LLM), baseado em aprendizado profundo (deep learning). Esse tipo de modelo é treinado com grandes volumes de texto e é capaz de produzir conteúdo novo e coerente, algo que sistemas mais simples não fazem.
NÃO CAIA NESSA!
O candidato pode ser tentado a escolher um agente conversacional com fluxo condicional (alternativa C) ou um sistema especialista (alternativa B), mas esses não geram texto original; apenas seguem regras pré-programadas. Já o modelo de linguagem de larga escala (LLM) é a única opção que une compreensão e geração textual com aprendizado profundo.
Característica
Modelo de Linguagem de Larga Escala (LLM) – Alternativa A (Gabarito)
Modelo Simbólico/Regras – Alternativa B
Agente Conversacional com Fluxo Condicional – Alternativa C
Sistema Híbrido com Scripts – Alternativa D
Algoritmo Supervisionado de Categorização – Alternativa E
Base de Funcionamento
Aprendizado profundo (deep learning) com bilhões de parâmetros
Regras semânticas e léxicas estáticas
Fluxos condicionais e esquemas pré-configurados
Scripts estruturados e extração de dados não interpretativos
Classificação com dados rotulados
Compreensão de Linguagem Natural
Sim, interpreta nuances e contextos complexos
Limitada, frágil diante de variações
Apenas perguntas previsíveis e mapeadas
Não interpretativa
Não, apenas categoriza
Geração de Texto Original
Sim, produz conteúdo novo e coerente
Não, apenas segue regras fixas
Não, respostas pré-definidas
Não, foco em automação de rotinas
Não, sem mecanismos de geração
Adaptação a Contextos Novos
Alta, adapta-se a contextos não mapeados
Baixa, depende de regras pré-programadas
Nenhuma, apenas contextos previstos
Nenhuma, segue scripts fixos
Nenhuma, apenas classifica
Adequação ao Projeto (Compreender, Gerar e Redigir)
✅ Totalmente adequada
❌ Inadequada
❌ Inadequada
❌ Inadequada
❌ Inadequada
Alternativa A — ✅ Correta ⟵ GABARITO
Um modelo de linguagem de larga escala (LLM) é treinado com bilhões de parâmetros e técnicas de deep learning, o que lhe permite interpretar nuances da linguagem, gerar respostas coerentes e até mesmo redigir documentos do zero. É exatamente o que o projeto de modernização do Judiciário demanda.
Alternativa B — ❌ Incorreta
Modelos simbólicos de IA (como sistemas especialistas) são baseados em regras estáticas e não aprendem com dados; são frágeis diante de variações da linguagem natural e não geram texto novo. Não atendem aos requisitos de compreensão dinâmica e geração de conteúdo.
Alternativa C — ❌ Incorreta
Agentes conversacionais com fluxo condicional (chatbots tradicionais) respondem apenas a perguntas previsíveis, com respostas pré-definidas. Não possuem capacidade de gerar textos originais nem de se adaptar a contextos não mapeados, sendo inadequados para redação automática de documentos.
Alternativa D — ❌ Incorreta
Sistemas híbridos que focam em automação de rotinas administrativas, combinando scripts e extração de dados não interpretativos, não possuem a capacidade de compreender linguagem natural nem de gerar textos contextualizados. Limitam-se a tarefas estruturadas.
Alternativa E — ❌ Incorreta
Algoritmos supervisionados para categorização de documentos são úteis para classificação, mas não geram textos nem realizam análise interativa. Não atendem aos requisitos de geração de respostas e redação automática.
PEGA ESSA DICA!
Para memorizar: se a questão pede compreensão e geração de linguagem natural, a resposta quase sempre será um Modelo de Linguagem de Larga Escala (LLM). Distratores comuns são sistemas baseados em regras (IA simbólica), chatbots de fluxo fixo e algoritmos de classificação.