Questão de Noções de Informática — Inteligência Artificial e Automação — FUNDATEC 2025
Noções de Informática›Inteligência Artificial e Automação
Código
qg485441
Banca
FUNDATEC
Órgão
Prefeitura de Gravataí - RS
Ano
2025
Nível
Superior
Sobre as limitações da Inteligência Artificial (IA), o problema das “distorções herdadas dos dados” refere-se ao fato de que sistemas de IA podem:
AGerar automaticamente dados mais precisos e confiáveis do que os dados originais utilizados no treinamento.
BOperar apenas quando os dados são totalmente pré-processados e validados por especialistas humanos.
CReproduzir e até intensificar vieses, erros ou preconceitos presentes nos dados usados para seu treinamento.
DDetectar e corrigir, sem intervenção humana, qualquer imperfeição ou erro nos dados recebidos.
EDescartar de forma automática qualquer entrada que contenha inconsistências ou distorções.
Revelar gabarito e comentário▾
GabaritoC — Reproduzir e até intensificar vieses, erros ou preconceitos presentes nos dados usados para seu treinamento.
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”.
Noções de Informática > Inteligência Artificial e Automação
Gabarito: letra C. O problema das “distorções herdadas dos dados” refere-se ao fato de que sistemas de IA podem reproduzir e até intensificar vieses, erros ou preconceitos presentes nos dados usados para seu treinamento. Se os dados de treinamento contêm distorções (por exemplo, sub-representação de grupos ou erros sistemáticos), o modelo aprende e amplifica essas imperfeições, gerando resultados tendenciosos. Esse é um conceito fundamental sobre limitações da IA, explorado pela banca.
Alternativa
Descrição
Correta?
Motivo
A
Gerar automaticamente dados mais precisos e confiáveis do que os dados originais utilizados no treinamento.
❌
A IA não cria dados perfeitos do nada; depende da qualidade dos dados de entrada e, se estes forem falhos, o modelo os replica ou agrava.
B
Operar apenas quando os dados são totalmente pré-processados e validados por especialistas humanos.
❌
Embora o pré-processamento ajude a mitigar problemas, não é uma condição absoluta para o funcionamento. A limitação em questão não é sobre validação prévia, sim sobre herança de vieses.
C
Reproduzir e até intensificar vieses, erros ou preconceitos presentes nos dados usados para seu treinamento.
✅
Exatamente o conceito cobrado. Sistemas de IA aprendem padrões a partir dos dados de treinamento; se esses dados contêm vieses, o modelo tende a reproduzi-los e, em alguns casos, intensificá-los.
D
Detectar e corrigir, sem intervenção humana, qualquer imperfeição ou erro nos dados recebidos.
❌
A IA não tem capacidade inata de identificar e corrigir vieses; pelo contrário, ela os propaga. Qualquer correção requer supervisão humana.
E
Descartar de forma automática qualquer entrada que contenha inconsistências ou distorções.
❌
Não há descarte automático inerente; o comportamento depende de como o sistema é programado.
Alternativa A — ❌ Incorreta
Afirma que a IA gera automaticamente dados mais precisos que os originais. Na realidade, a IA não cria dados perfeitos do nada; ela depende da qualidade dos dados de entrada e, se estes forem falhos, o modelo os replica ou agrava. A alternativa inverte o efeito esperado.
Alternativa B — ❌ Incorreta
Diz que a IA opera apenas com dados totalmente pré-processados e validados por humanos. Embora o pré-processamento ajude a mitigar problemas, não é uma condição absoluta para o funcionamento. Muitos sistemas operam com dados brutos, mas isso aumenta o risco de distorções. A limitação em questão não é sobre validação prévia, sim sobre herança de vieses.
Alternativa C — ✅ Correta ⟵ GABARITO
Exatamente o conceito cobrado. Sistemas de IA aprendem padrões a partir dos dados de treinamento; se esses dados contêm vieses (como preconceitos raciais, de gênero ou erros de medição), o modelo tende a reproduzi-los e, em alguns casos, intensificá-los. Exemplo clássico: algoritmos de recrutamento que discriminam mulheres por treinarem em currículos históricos majoritariamente masculinos.
Alternativa D — ❌ Incorreta
Sugere que a IA detecta e corrige imperfeições sem intervenção humana. Isso é falso: a IA não tem capacidade inata de identificar e corrigir vieses; pelo contrário, ela os propaga. Qualquer correção requer supervisão humana (por exemplo, rebalanceamento de dados ou ajuste de pesos).
Alternativa E — ❌ Incorreta
Afirma que a IA descarta automaticamente entradas inconsistentes. Não há descarte automático inerente; o comportamento depende de como o sistema é programado. Mesmo com validação, muitas distorções passam despercebidas. A limitação citada não é sobre descarte, mas sobre a transmissão de vieses.
PEGA ESSA DICA!
Ao estudar limitações da IA, foque nos três grandes grupos: dados tendenciosos (viés de treinamento), falta de generalização (overfitting) e opacidade (caixa-preta). A banca adora explorar a ideia de que IA não é neutra e reflete os preconceitos dos dados – questão clássica.