Questão de Noções de Informática — Inteligência Artificial e Automação — INSTITUTO AOCP 2025
Noções de Informática›Inteligência Artificial e Automação
Código
qg540924
Banca
INSTITUTO AOCP
Órgão
MPE-RS
Ano
2025
Nível
Médio
Cargo
Técnico do Ministério Público - Informática
As redes neurais, inspiradas no funcionamento do cérebro humano, são uma parte fundamental da Inteligência Artificial (IA). Elas consistem em camadas de unidades, chamadas neurônios, que processam informações e aprendem a partir de dados. Essas redes são aplicadas em diversas áreas, como classificação, previsão, reconhecimento de padrões, processamento de linguagem natural e visão computacional. Dentre os algoritmos utilizados em IA, alguns são redes neurais, enquanto outros pertencem a diferentes categorias de aprendizado de máquina. Nesse sentido, assinale a alternativa que apresenta um algoritmo de rede neural.
ANaive Bayes.
BK-Means.
CSupport Vector Machine.
DMultilayer Perceptron.
EK-Nearest Neighbors.
Revelar gabarito e comentário▾
GabaritoD — Multilayer Perceptron.
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”.
Redes neurais e algoritmos de aprendizado de máquina
Gabarito: letra D. O Multilayer Perceptron (MLP) é um algoritmo de rede neural artificial — uma arquitetura composta por múltiplas camadas de neurônios (camada de entrada, camadas ocultas e camada de saída) que aprende padrões complexos por retropropagação do erro. As demais alternativas (Naive Bayes, K-Means, SVM e KNN) são algoritmos de aprendizado de máquina, mas não são redes neurais.
O enunciado pede que você identifique, entre cinco algoritmos clássicos de IA, aquele que pertence à categoria das redes neurais. Para acertar, é essencial entender a diferença entre redes neurais artificiais e outros paradigmas de aprendizado de máquina. Redes neurais são modelos computacionais inspirados na estrutura do cérebro humano: unidades de processamento (neurônios artificiais) organizadas em camadas, conectadas por sinapses com pesos ajustáveis durante o treinamento. O Multilayer Perceptron é o exemplo mais clássico: uma rede feedforward com uma ou mais camadas ocultas, capaz de resolver problemas não linearmente separáveis (como o XOR) graças à função de ativação não linear e ao algoritmo de retropropagação.
Os demais algoritmos pertencem a outras famílias do aprendizado de máquina:
Naive Bayes: classificador probabilístico baseado no Teorema de Bayes, assume independência condicional entre as características.
K-Means: algoritmo de agrupamento (clustering) não supervisionado, particiona os dados em K grupos com base na distância.
Support Vector Machine (SVM): classificador que busca o hiperplano de separação ótima entre classes, usando o conceito de margem máxima.
K-Nearest Neighbors (KNN): classificador baseado em instâncias, classifica um ponto pela maioria dos votos de seus K vizinhos mais próximos.
A pegadinha da banca está em listar algoritmos que todos são de aprendizado de máquina, mas apenas um é rede neural. O candidato que não domina a taxonomia pode confundir, por exemplo, o SVM (que também usa funções de kernel e pode ser visto como uma rede de camada única em alguns contextos) com uma rede neural. Mas a distinção é clara: MLP é rede neural por definição; os demais não são.
Na prática, quando a questão pede "algoritmo de rede neural", procure por termos como Perceptron, Multilayer Perceptron, Redes Neurais Convolucionais (CNN), Redes Neurais Recorrentes (RNN), Transformers, entre outros. Algoritmos como Naive Bayes, K-Means, SVM e KNN são de outras categorias.
O Naive Bayes é um classificador probabilístico baseado no Teorema de Bayes, que assume independência condicional entre as características. Não possui neurônios nem camadas — é um modelo estatístico simples, amplamente usado em filtros de spam e análise de sentimentos. Não é uma rede neural.
Alternativa B — ❌ Incorreta
O K-Means é um algoritmo de aprendizado não supervisionado usado para agrupamento (clustering). Ele particiona os dados em K grupos, minimizando a variância intra-cluster. Não há neurônios nem camadas — é um método baseado em distância (geralmente euclidiana). Não é uma rede neural.
Alternativa C — ❌ Incorreta
A Support Vector Machine (SVM) é um classificador supervisionado que busca o hiperplano de separação ótima entre classes, maximizando a margem. Pode usar kernels para lidar com dados não lineares, mas sua estrutura é matemática (vetores de suporte), não neural. Não é uma rede neural.
Alternativa D — ✅ Correta ⟵ GABARITO
O Multilayer Perceptron (MLP) é uma rede neural artificial composta por uma camada de entrada, uma ou mais camadas ocultas e uma camada de saída. Cada neurônio aplica uma função de ativação (como sigmoide ou ReLU) e os pesos são ajustados por retropropagação durante o treinamento. É exatamente o que o enunciado descreve: "camadas de unidades, chamadas neurônios, que processam informações e aprendem a partir de dados".
Alternativa E — ❌ Incorreta
O K-Nearest Neighbors (KNN) é um algoritmo de aprendizado supervisionado baseado em instâncias (lazy learning). Ele classifica um novo ponto pela maioria dos votos de seus K vizinhos mais próximos no espaço de características. Não há treinamento com pesos nem camadas — é um método geométrico. Não é uma rede neural.
NÃO CAIA NESSA!
A banca lista cinco algoritmos de aprendizado de máquina, mas apenas um é rede neural. O candidato que confunde "algoritmo de IA" com "rede neural" pode marcar qualquer uma das outras opções. Lembre-se: rede neural exige neurônios artificiais organizados em camadas — MLP, CNN, RNN, Transformers. Naive Bayes, K-Means, SVM e KNN são de outras famílias.
PEGA ESSA DICA!
Para identificar redes neurais em provas, procure por nomes que contenham "Perceptron", "Neural", "CNN", "RNN", "Transformer" ou "Deep Learning". Algoritmos como Naive Bayes, K-Means, SVM e KNN são clássicos de machine learning, mas não são redes neurais. Monte uma tabela mental: