Questão de Noções de Informática — Inteligência Artificial e Automação — Quadrix 2026

Grandes Modelos de Linguagem (LLMs) e IA Generativa

Gabarito: CERTO. A afirmativa está correta porque os LLMs, como ChatGPT e Gemini, são modelos estatísticos que geram conteúdo novo (texto, imagem, vídeo) a partir do reconhecimento de padrões aprendidos durante o treinamento, prevendo a saída mais provável para uma entrada — e, no momento da inferência, não acessam diretamente os dados originais de treinamento, apenas utilizam os parâmetros (pesos) já ajustados. Essa é a essência do funcionamento dos modelos generativos baseados em transformadores.

Para entender por que o item está certo, é preciso compreender o que é um LLM e como ele funciona. Um Grande Modelo de Linguagem (LLM – Large Language Model) é um tipo de inteligência artificial generativa especializado em linguagem humana, treinado com imensas quantidades de dados textuais. O nome "GPT", por exemplo, significa Generative Pre-trained Transformer: Generative porque gera conteúdo novo; Pre-trained porque foi pré-treinado com grandes volumes de dados antes de ser ajustado para tarefas específicas; Transformer porque usa a arquitetura de rede neural que permite entender relações entre palavras com alta eficiência.

O funcionamento na prática: durante o treinamento, o modelo aprende padrões estatísticos a partir de bilhões de exemplos, ajustando seus parâmetros (pesos da rede neural) — uma espécie de "memória" do que aprendeu. Quando você faz uma pergunta (prompt), o modelo não "busca" a resposta em um banco de dados; ele calcula probabilisticamente qual é a sequência de tokens (palavras) mais provável de seguir a entrada, com base nos padrões que internalizou. É por isso que se diz que ele "prevê estatisticamente a saída mais provável".

A distinção que importa aqui é entre treinamento e inferência. No treinamento, o modelo "vê" os dados originais (textos, imagens etc.) e ajusta os parâmetros. Na inferência (uso real), ele não acessa mais esses dados brutos — ele usa apenas os parâmetros aprendidos. Isso é exatamente o que a afirmativa descreve: "sem acessar os dados que foram utilizados como parâmetros do treinamento original desses modelos". A redação é tecnicamente precisa, pois os dados de treinamento não são "parâmetros" em si, mas os parâmetros são o resultado do aprendizado sobre esses dados.

A pegadinha que a banca poderia explorar é confundir o aluno com a ideia de que o modelo "consulta" os dados de treinamento a cada resposta. Na verdade, o modelo é uma função matemática que, dado um input, produz um output — sem acesso direto ao corpus original. Outra confusão comum é achar que LLMs são "bancos de dados" ou que "buscam" respostas prontas; eles geram respostas novas, combinando padrões aprendidos.

Guarde este critério decisivo: LLM = previsão estatística de sequência, baseada em parâmetros aprendidos, sem acesso direto aos dados de treinamento na inferência. É exatamente isso que a afirmativa afirma, e é por isso que ela está CERTA.

Item — ✅ CERTO

A afirmativa descreve com precisão o funcionamento dos LLMs. Vejamos cada parte:

• "capazes de gerar textos, imagens e vídeos" — correto: os LLMs modernos são multimodais (como o Gemini), capazes de gerar diferentes tipos de conteúdo.

• "por meio do reconhecimento de padrão" — correto: o aprendizado se dá pelo reconhecimento de padrões estatísticos nos dados de treinamento.

• "prevendo estatisticamente a saída mais provável para uma entrada" — correto: é exatamente o mecanismo de geração autoregressiva dos transformadores.

• "sem acessar os dados que foram utilizados como parâmetros do treinamento original" — correto: na inferência, o modelo usa apenas os parâmetros (pesos) aprendidos, não os dados brutos.

Não há nenhum erro técnico na afirmativa. Ela está CERTA.

Gabarito: CERTO