Pular para o conteúdo principal

Questão de Noções de Informática — Inteligência Artificial e Automação — Quadrix 2025

Noções de InformáticaInteligência Artificial e Automação
Código
qg599206
Banca
Quadrix
Órgão
CRMV-GO
Ano
2025
Nível
Médio
Cargo
Técnico Administrativo
Acerca dos conceitos de redes de computadores, do programa Microsoft Outlook 2019 e dos conceitos de inteligência artificial, julgue o item seguinte.O aprendizado por reforço consiste em treinar um modelo com dados previamente rotulados, permitindo que ele associe cada entrada a uma saída correta, semelhante ao aprendizado supervisionado.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

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”.

Aprendizado por reforço × aprendizado supervisionado

Gabarito: ERRADO. A afirmativa descreve, na verdade, o aprendizado supervisionado — aquele em que o modelo é treinado com dados rotulados, associando cada entrada a uma saída correta. O aprendizado por reforço é outra categoria: o modelo aprende por tentativa e erro, recebendo do ambiente recompensas ou punições (feedback) a cada ação, sem depender de rótulos prévios. A banca trocou os conceitos das duas abordagens.

O aprendizado de máquina (machine learning) é um subcampo da inteligência artificial que estuda algoritmos capazes de aprender padrões a partir de dados, sem serem explicitamente programados para cada tarefa. Dentro dele, há três grandes paradigmas de treinamento, que se diferenciam principalmente pela natureza dos dados e pela forma de feedback:

  • Supervisionado: o modelo recebe um conjunto de dados rotulados (entrada + saída esperada) e aprende a mapear entradas em saídas. É usado em tarefas de classificação (ex.: identificar se um e-mail é spam) e regressão (ex.: prever o preço de um imóvel).

  • Não supervisionado: o modelo recebe dados sem rótulos e deve descobrir padrões ou estruturas ocultas por conta própria. É usado em agrupamento (clustering) e redução de dimensionalidade.

  • Por reforço: o modelo interage com um ambiente dinâmico e aprende a tomar decisões por tentativa e erro, recebendo recompensas ou punições a cada ação. O objetivo é maximizar a recompensa acumulada ao longo do tempo. É o paradigma por trás de agentes que aprendem a jogar xadrez, Go ou videogames, e de robôs autônomos.

A confusão entre os três é uma das pegadinhas mais frequentes em provas de informática. Veja a comparação:

Critério

Supervisionado

Não supervisionado

Por reforço

Dados

Rotulados

Não rotulados

Sem rótulos; interage com ambiente

Feedback

Saída correta conhecida

Nenhum

Recompensa/punição

Objetivo

Mapear entrada → saída

Descobrir padrões

Maximizar recompensa acumulada

Exemplo

Classificação, regressão

Clustering

Jogos, robótica

No caso concreto, a afirmativa diz que o aprendizado por reforço "consiste em treinar um modelo com dados previamente rotulados, permitindo que ele associe cada entrada a uma saída correta". Isso é a definição exata do aprendizado supervisionado, não do reforço. O aprendizado por reforço não usa rótulos: ele aprende pela consequência de suas ações no ambiente.

NÃO CAIA NESSA!

A banca inverteu os conceitos — apresentou a definição de aprendizado supervisionado como se fosse por reforço. O candidato que decora apenas os nomes, sem entender a essência de cada um, cai na armadilha. Lembre-se: supervisionado = dados rotulados; por reforço = tentativa e erro com recompensas.

1Supervisionado
Dados rotulados
Mapeia entrada → saída
Ex.: classificação, regressão
2Não supervisionado
Dados sem rótulos
Descobre padrões ocultos
Ex.: clustering
3Por reforço
Tentativa e erro
Recompensa/punição
Ex.: jogos, robótica
Aprendizado de máquina
LEVELsoulevel.com.br
Aprendizado de máquina: Supervisionado (Dados rotulados, Mapeia entrada → saída, Ex.: classificação, regressão); Não supervisionado (Dados sem rótulos, Descobre padrões ocultos, Ex.: clustering); Por reforço (Tentativa e erro, Recompensa/punição, Ex.: jogos, robótica)

Item — ❌ ERRADO

A afirmativa está errada porque descreve o aprendizado supervisionado, não o por reforço. No aprendizado por reforço, o modelo não recebe dados rotulados; ele aprende por interação com o ambiente, recebendo recompensas ou punições a cada ação. A frase "treinar um modelo com dados previamente rotulados, permitindo que ele associe cada entrada a uma saída correta" é a definição clássica do aprendizado supervisionado. Portanto, o item é ERRADO.

Gabarito: ERRADO.

Link permanente: /questoes/qg599206