Questão de Noções de Informática — Outros Tópicos de Informática — Quadrix 2026

Aprendizado supervisionado em inteligência artificial

Gabarito: CERTO. A afirmativa está correta porque o aprendizado supervisionado é, por definição, o método de aprendizado de máquina que treina modelos a partir de conjuntos de dados rotulados — ou seja, pares de entrada e saída esperada — para que o modelo aprenda a mapear entradas em saídas e, assim, realize classificações (prever uma categoria) ou previsões (prever um valor numérico). Essa é a definição clássica e consensual do tema, presente em qualquer material de referência sobre machine learning.

O aprendizado de máquina (machine learning) é um subconjunto da inteligência artificial que se dedica a construir sistemas capazes de aprender com dados e melhorar com a experiência, sem serem explicitamente programados para cada tarefa. Dentro desse campo, existem diferentes métodos de aprendizado, e a distinção fundamental entre eles está na presença ou ausência de rótulos nos dados de treinamento.

No aprendizado supervisionado, o modelo recebe um conjunto de dados em que cada exemplo já vem com a resposta correta (o rótulo). O algoritmo analisa esses pares de entrada-saída, aprende a relação entre eles e, ao comparar suas previsões com as respostas corretas, ajusta seus parâmetros para minimizar os erros. Esse processo é chamado de "supervisionado" justamente porque os rótulos funcionam como um "professor" que orienta o aprendizado. As duas grandes tarefas desse método são:

• Classificação: prever uma categoria discreta (ex.: identificar se um e-mail é spam ou não).

• Regressão: prever um valor numérico contínuo (ex.: estimar o preço de um imóvel).

Já no aprendizado não supervisionado, o modelo recebe dados sem rótulos e deve encontrar padrões ou estruturas por conta própria, como agrupamentos (clusters) ou regras de associação. Não há uma "resposta certa" informada; o objetivo é explorar os dados e descobrir insights. Exemplos típicos incluem a segmentação de clientes e a redução de dimensionalidade.

Existe ainda o aprendizado por reforço, em que o modelo aprende por tentativa e erro, recebendo recompensas ou punições do ambiente para maximizar sua recompensa total ao longo do tempo — como um agente que aprende a jogar xadrez ou a controlar um robô.

A pegadinha que a banca poderia explorar neste tema é justamente a inversão dos conceitos: afirmar que o aprendizado supervisionado usa dados não rotulados, ou que o não supervisionado usa dados rotulados. Nesta questão, porém, a afirmativa está perfeitamente alinhada com a definição correta, sem qualquer armadilha.

Guarde a fronteira decisiva: supervisionado = dados rotulados + classificação/previsão; não supervisionado = dados não rotulados + agrupamento/associação. É exatamente nesse critério que as questões sobre o tema se dividem.

Item — ✅ CERTO

A afirmativa descreve com precisão o aprendizado supervisionado: ele utiliza conjuntos de dados previamente rotulados para treinar modelos, e esses modelos são capazes de realizar classificações (prever categorias) ou previsões (prever valores). Essa é a definição canônica do método, confirmada por todas as fontes de referência sobre machine learning. Não há qualquer erro conceitual ou troca de termos — a frase espelha exatamente o que define o aprendizado supervisionado.

Gabarito: CERTO