Questão de Algoritmos e Estrutura de Dados — Algoritmos — IV - UFG 2024
Algoritmos e Estrutura de Dados›Algoritmos
Código
qg121353
Banca
IV - UFG
Órgão
TJ-AC
Ano
2024
Nível
Superior
Cargo
CS-UFG - - Analista Judiciário - Analista de Ciência de Dados
Para implementar inovações no processo de decisão de sentenças judiciais, um analista do TJ-AC decidiu pelo uso da Tradução Automática Neural (do inglês, Neural Machine Translation - NMT) após comparar diferentes técnicas de Processamento de Linguagem Natural (PLN). As vantagens dessa técnica em relação à Tradução Automática Estatística (do inglês, Statistic Machine Translation - SMT) são:
Aos modelos NMT são mais efetivamente modularizáveis que os SMT e possuem menos parâmetros totais.
Bos parâmetros do modelo NMT são ajustados independentemente, e o processo pode ser escalonado com o aumento da memória disponível.
Cos parâmetros do modelo NMT são ajustados conjuntamente e o processo pode ser paralelizado.
Dos modelos NMT são mais interpretáveis que os modelos SMT e o processo pode ser escalonado com o aumento da memória disponível.
Revelar gabarito e comentário▾
GabaritoC — os parâmetros do modelo NMT são ajustados conjuntamente e o processo pode ser paralelizado.
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”.
Tradução Automática: NMT vs SMT
Gabarito: letra C. Na Tradução Automática Neural (NMT), todos os parâmetros do modelo são treinados conjuntamente (end‑to‑end) em uma única rede neural, processo que pode ser paralelizado em GPUs. Já na Tradução Automática Estatística (SMT), os parâmetros são ajustados em módulos separados (alinhamento, modelo de linguagem, etc.), sem essa integração paralela. É exatamente essa característica que a alternativa C descreve.
A questão exige conhecer as principais diferenças entre NMT e SMT, duas abordagens clássicas de tradução automática. Enquanto a SMT depende de componentes modulares independentes, a NMT unifica todo o processo em um único modelo neural, o que permite treinamento conjunto e maior paralelização.
Alternativa A — ❌ Incorreta
Afirma que os modelos NMT são mais modularizáveis e possuem menos parâmetros totais que os SMT. Na realidade, o oposto é verdadeiro: a SMT é mais facilmente modularizável (cada etapa é independente) e, em geral, os modelos NMT têm muito mais parâmetros (redes profundas), não menos.
Alternativa B — ❌ Incorreta
Diz que os parâmetros do NMT são ajustados independentemente. Isso é característica da SMT, onde cada módulo (alinhamento, reordenação etc.) é treinado separadamente. No NMT, os parâmetros são ajustados conjuntamente (end‑to‑end), formando uma única representação.
Alternativa C — ✅ Correta ⟵ GABARITO
Os parâmetros do modelo NMT são ajustados conjuntamente (toda a rede treinada de uma só vez) e o processo pode ser paralelizado (em GPUs, por exemplo). Essa vantagem permite que o treinamento seja mais eficiente e escale com hardware disponível.
Alternativa D — ❌ Incorreta
Afirma que os modelos NMT são mais interpretáveis que os SMT. Na prática, modelos neurais são considerados caixas‑pretas de difícil interpretação, enquanto a SMT, com seus módulos explícitos, permite maior compreensão do funcionamento. Além disso, o escalonamento com aumento de memória não é uma vantagem exclusiva ou marcante da NMT.
PEGA ESSA DICA!
Em questões sobre NMT × SMT, lembre‑se do contraste: NMT = modelo único, treinamento conjunto, muitos parâmetros, menos interpretável, paralelizável; SMT = módulos separados, treinamento independente, menos parâmetros, mais interpretável. Sempre que a alternativa falar em "ajuste conjunto" e "paralelização", relacione com NMT.