Questão de Engenharia de Software — Inteligencia Artificial — FGV 2025
Engenharia de Software›Inteligencia Artificial
Código
fg106751
Banca
FGV
Órgão
CNU
Ano
2025
Nível
Superior
Cargo
Bloco Temático 3: Ciência e Tecnologia
Martin está elaborando uma cartilha sobre o uso ético da Inteligência Artificial (IA) em seu setor, que atua no atendimento ao público. Para isso, a IA deve fornecer informações sobre as entradas, as saídas e o funcionamento do algoritmo utilizado, bem como a forma como cada parte contribui para o resultado final.Na cartilha de uso ético da IA de Martin, devem constar requisitos sobre:
Aexplicabilidade;
Bhiperparametrização;
Caprendizado profundo;
Dmodelos largos de linguagem;
Eprocessamento de linguagem natural.
Revelar gabarito e comentário▾
GabaritoA — explicabilidade;
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”.
Ética em Inteligência Artificial – Explicabilidade
Gabarito: letra A. O requisito descrito no enunciado — fornecer informações sobre entradas, saídas, funcionamento do algoritmo e a contribuição de cada parte para o resultado — corresponde ao princípio de explicabilidade (ou explicabilidade algorítmica), um dos pilares do uso ético da IA. Esse conceito exige que os sistemas de IA sejam compreensíveis e transparentes para os usuários e partes interessadas. As demais alternativas referem-se a técnicas ou subáreas da IA, e não a requisitos éticos.
A banca cobra a distinção entre requisitos éticos (explicabilidade, transparência, accountability) e técnicas específicas de implementação. O enunciado descreve claramente a necessidade de transparência sobre o funcionamento do algoritmo, o que é o cerne da explicabilidade.
Alternativa A — ✅ Correta ⟵ GABARITO
Explicabilidade é o requisito ético que determina que um sistema de IA deve ser capaz de explicar suas decisões e funcionamento de forma compreensível, incluindo informações sobre entradas, saídas e o processo interno. Exatamente o que Martin deseja incluir na cartilha.
Alternativa B — ❌ Incorreta
Hiperparametrização refere-se ao ajuste de parâmetros de um modelo de aprendizado de máquina (como taxas de aprendizado, número de camadas, etc.). É uma técnica de otimização, não um requisito ético ou de transparência.
Alternativa C — ❌ Incorreta
Aprendizado profundo (deep learning) é uma subárea do aprendizado de máquina que utiliza redes neurais profundas. É um método de implementação, não um princípio ético ou requisito de transparência.
Alternativa D — ❌ Incorreta
Modelos largos de linguagem (Large Language Models – LLMs) são um tipo de modelo de IA, como o GPT. São ferramentas, não requisitos éticos.
Alternativa E — ❌ Incorreta
Processamento de Linguagem Natural (PLN) é uma subárea da IA que trata da interação entre computadores e linguagem humana. É uma técnica, não um requisito de transparência.
NÃO CAIA NESSA!
A banca insere alternativas que são tecnologias ou técnicas de IA (hiperparametrização, deep learning, LLMs, PLN) para confundir o candidato, que pode achar que o enunciado está pedindo a tecnologia usada para gerar explicações. Mas a pergunta é clara: trata-se do requisito de fornecer informações sobre o funcionamento do algoritmo — ou seja, explicabilidade. Não caia na tentação de associar termos técnicos com a necessidade ética.