Questão de Noções de Informática — Inteligência Artificial e Automação — Quadrix 2025
- Código
- qg599206
- Banca
- Quadrix
- Órgão
- CRMV-GO
- Ano
- 2025
- Nível
- Médio
- Cargo
- Técnico Administrativo
- CCerto
- EErrado
GabaritoE — Errado
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.
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.
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