Questão de Noções de Informática — Inteligência Artificial e Automação — VUNESP 2025
Noções de Informática›Inteligência Artificial e Automação
Código
vu110325
Banca
VUNESP
Órgão
TCE-SP
Ano
2025
Nível
Superior
Cargo
Auditor de Controle Externo
Assinale a alternativa que apresenta uma medida eficaz para minimizar o viés de resposta na utilização de inteligência artificial generativa.
ANão atualizar o modelo ou o conjunto de dados com frequência, pois a tendência natural do modelo é que o viés de resposta estabilize-se ao longo do tempo.
BBasear a validação do modelo em um único conjunto de dados homogêneo, desconsiderando variações contextuais.
CPermitir que o modelo se autotreine e se ajuste sem supervisão e intervenção humana enviesada.
DImplementar revisões regulares do conjunto de dados, visando assegurar a diversidade e a representatividade dos dados utilizados para treinar e ajustar o modelo
ESelecionar apenas dados históricos e antigos, pois sempre fornecem credibilidade histórica ao modelo.
Revelar gabarito e comentário▾
GabaritoD — Implementar revisões regulares do conjunto de dados, visando assegurar a diversidade e a representatividade dos dados utilizados para treinar e ajustar o modelo
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”.
Inteligência Artificial Generativa — Mitigação de Viés
Gabarito: letra D. A medida mais eficaz para minimizar o viés de resposta é garantir a diversidade e a representatividade dos dados por meio de revisões regulares do conjunto de dados, evitando que o modelo aprenda padrões distorcidos ou enviesados.
A banca testa o conhecimento sobre boas práticas no treinamento e ajuste de modelos generativos. O viés em IA geralmente decorre de dados desbalanceados, não representativos ou desatualizados. A alternativa correta aponta a ação que combate diretamente essas causas.
Mitigação de viés em IA generativa: Causas do viés (Dados desbalanceados, Dados não representativos, Dados desatualizados); Boas práticas (tripé) (Dados diversos e representativos, Validação múltipla, Supervisão humana); Ações ineficazes (Não atualizar modelo/dados, Validação com conjunto homogêneo, Autotreinamento sem supervisão, Apenas dados históricos antigos)
Alternativa A — ❌ Incorreta
Afirma que não atualizar o modelo ou os dados estabiliza o viés ao longo do tempo. Na verdade, sem atualizações, o modelo pode perpetuar e até aprofundar vieses existentes, pois não incorpora novas informações ou correções.
Alternativa B — ❌ Incorreta
Propõe validar o modelo com um único conjunto homogêneo, ignorando variações contextuais. Isso tende a aumentar o viés, pois o modelo se ajusta exclusivamente àquele perfil de dados, perdendo generalização.
Alternativa C — ❌ Incorreta
Sugere autotreinamento sem supervisão humana. A ausência de intervenção humana pode amplificar vieses, já que o modelo não tem capacidade de julgar ou corrigir tendências nocivas.
Alternativa D — ✅ Correta ⟵ GABARITO
Implementar revisões regulares do conjunto de dados, assegurando diversidade e representatividade, reduz o risco de viés. Dados variados e equilibrados permitem que o modelo aprenda padrões mais justos e precisos.
Alternativa E — ❌ Incorreta
Selecionar apenas dados históricos antigos ignora mudanças sociais e contextuais, além de carregar vieses do passado, não sendo garantia de credibilidade.
PEGA ESSA DICA!
Em questões sobre viés em IA, lembre-se do tripé: dados diversos (representatividade), validação múltipla e supervisão humana. Alternativas que sugerem homogeneidade, estagnação ou ausência de controle são sempre suspeitas.