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

Aprendizado supervisionado em Inteligência Artificial

Gabarito: CERTO. A afirmativa está correta porque o aprendizado supervisionado é, por definição, a modalidade de aprendizado de máquina que exige conjuntos de dados previamente rotulados — cada exemplo de treinamento é um par (entrada, saída desejada) — e é essa rotulagem que permite ao modelo aprender a função de mapeamento entre as variáveis. Essa é a distinção central entre aprendizado supervisionado e não supervisionado, e é exatamente o que a questão cobra.

O aprendizado de máquina (machine learning) é uma subárea da inteligência artificial que se dedica a criar modelos capazes de aprender padrões a partir de dados, sem serem explicitamente programados para cada tarefa. Dentro desse campo, existem três grandes paradigmas de aprendizado: o supervisionado, o não supervisionado e o por reforço. A diferença entre eles está, fundamentalmente, na natureza dos dados usados no treinamento e no tipo de feedback que o modelo recebe.

No aprendizado supervisionado, o modelo recebe um conjunto de dados rotulados, ou seja, cada exemplo de entrada vem acompanhado da saída correta (o rótulo). O algoritmo aprende a relação entre entrada e saída, ajustando seus parâmetros com base nos erros cometidos. É o que acontece, por exemplo, quando treinamos um classificador de e-mails: fornecemos milhares de e-mails já marcados como "spam" ou "não spam" (os rótulos) e o modelo aprende a identificar padrões que distinguem as duas categorias. As tarefas típicas do aprendizado supervisionado são a classificação (prever uma categoria) e a regressão (prever um valor numérico).

Já no aprendizado não supervisionado, o modelo trabalha com dados não rotulados e deve encontrar padrões ou estruturas por conta própria, como agrupamentos (clusters) de itens semelhantes. Um exemplo clássico é a segmentação de clientes em grupos com comportamentos de compra parecidos, sem que ninguém tenha dito ao algoritmo quais grupos existem. O aprendizado por reforço, por sua vez, não usa um conjunto de dados fixo: o modelo aprende interagindo com um ambiente, recebendo recompensas ou punições a cada ação, como um agente que aprende a jogar xadrez.

A pegadinha que a banca explora neste tema é justamente a inversão dos conceitos: afirmar que o aprendizado supervisionado dispensa rótulos (o que é característica do não supervisionado) ou que o não supervisionado exige rótulos. Aqui, a questão afirma corretamente que o supervisionado exige dados rotulados — e é exatamente isso que o torna "supervisionado": a presença do rótulo como sinal de supervisão. Guarde essa fronteira: supervisionado = dados rotulados; não supervisionado = dados não rotulados.

Item — ✅ CERTO ⟵ GABARITO

A afirmativa está correta. O aprendizado supervisionado é definido justamente pelo uso de dados rotulados no treinamento. Cada exemplo do conjunto de treinamento é um par composto por um objeto de entrada e um valor de saída desejado (o rótulo), e o algoritmo aprende a função que mapeia a entrada para a saída. Sem os rótulos, não há "supervisão" — o modelo não teria como saber se suas previsões estão certas ou erradas para ajustar seus parâmetros. É essa característica que distingue o aprendizado supervisionado do não supervisionado, que trabalha com dados sem rótulos e busca padrões por conta própria.

Gabarito: CERTO.