Questão de Engenharia de Software — Inteligencia Artificial — FGV 2024
Engenharia de Software›Inteligencia Artificial
Código
fg097481
Banca
FGV
Órgão
TCE-PA
Ano
2024
Nível
Superior
Cargo
Auditor de Controle Externo - Área de Informática - Analista de Sistemas
O desenvolvimento de algoritmos de Inteligência Artificial generativa está relacionado a aspectos éticos com impactos sociais, culturais e econômicos. Entre as diretrizes presentes em diversos instrumentos regulatórios relacionados à IA generativa, destaca-se a priorização de abordagens considerando os aspectos que formam a matriz FAT.O acrônimo FAT é formado pelos seguintes princípios éticos relacionados ao desenvolvimento de algoritmos:
AFeedback, Algorithm e Training.
BFramework, Agents e Tasks.
CFairness, Accountability e Transparency.
DFreedom, Autonomy e Trust.
EFidelity, Altruism e Truthfulness.
Revelar gabarito e comentário▾
GabaritoC — Fairness, Accountability e Transparency.
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”.
Princípios FAT em Inteligência Artificial
Gabarito: letra C. O acrônimo FAT, consagrado na literatura de ética em IA, corresponde a Fairness (Justiça), Accountability (Responsabilização) e Transparency (Transparência). Esses três pilares orientam o desenvolvimento responsável de algoritmos, especialmente os generativos, visando mitigar vieses, garantir prestação de contas e permitir auditabilidade.
A questão testa o conhecimento básico sobre diretrizes éticas amplamente difundidas em relatórios regulatórios (como os da União Europeia e da OCDE). Nenhum texto legal específico é necessário para responder — é um conceito consolidado.
FAT (princípios éticos em IA): Fairness (Justiça) (Mitigar vieses, Evitar discriminação algorítmica); Accountability (Responsabilização) (Prestação de contas, Atribuição a agentes); Transparency (Transparência) (Auditabilidade, Explicabilidade dos modelos)
Alternativa A — ❌ Incorreta
Apresenta Feedback, Algorithm e Training — termos relacionados ao processo de treino de modelos, mas não correspondem aos princípios éticos do FAT. A banca tenta confundir com elementos técnicos do ciclo de desenvolvimento.
Alternativa B — ❌ Incorreta
Framework, Agents e Tasks descrevem componentes arquiteturais de sistemas de IA, e não os valores éticos. É um distrator que explora a familiaridade com termos da engenharia de software.
Alternativa C — ✅ Correta ⟵ GABARITO
Fairness, Accountability e Transparency formam exatamente o tripé ético representado pela sigla FAT. A justiça busca evitar discriminação algorítmica; a responsabilização exige que decisões da IA possam ser atribuídas a agentes; a transparência requer explicabilidade dos modelos.
Alternativa D — ❌ Incorreta
Freedom, Autonomy e Trust (Liberdade, Autonomia e Confiança) são valores relevantes, mas não compõem o acrônimo FAT. A banca explora conceitos filosóficos próximos para gerar dúvida.
Alternativa E — ❌ Incorreta
Fidelity, Altruism e Truthfulness (Fidelidade, Altruísmo e Veracidade) são princípios morais gerais, mas não os específicos da matriz FAT. A alternativa tenta desviar com termos de conotação positiva.
NÃO CAIA NESSA!
O erro mais comum é confundir FAT com outros acrônimos da área, como FATE (que adiciona Ethics) ou FT (Fairness and Transparency). A banca aposta no conhecimento superficial do candidato. Decore: Fairness, Accountability, Transparency — nesta ordem.