Questão de Noções de Informática — Inteligência Artificial e Automação — VUNESP 2025
Noções de Informática›Inteligência Artificial e Automação
Código
vu110407
Banca
VUNESP
Órgão
TCE-SP
Ano
2025
Nível
Superior
Cargo
Auditor de Controle Externo - Administração
Acerca dos contextos relacionados à inteligência artificial generativa, assinale a alternativa que apresenta o conceito mais adequado à explicação a seguir:“É a prática de criar e ajustar instruções, sem a necessidade de retreinar o modelo, de forma estratégica, para orientá-lo a produzir respostas mais precisas e úteis.”
APrompt engineering (engenharia de prompt).
BFine-tuning (ajuste fino).
CTokenization (tokenização).
DExplainability (explicabilidade).
EHallucination (alucinação).
Revelar gabarito e comentário▾
GabaritoA — Prompt engineering (engenharia de prompt).
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”.
Gabarito: letra A. O texto descreve exatamente a prática de prompt engineering: criar e ajustar instruções (prompts) sem retreinar o modelo, orientando-o a respostas mais precisas e úteis. As demais alternativas não correspondem à definição.
A questão exige distinguir conceitos básicos de IA generativa. O enunciado destaca dois pontos-chave: (1) criar e ajustar instruções – ou seja, manipular a entrada do modelo; (2) sem necessidade de retreinar – descarta técnicas que alteram o modelo internamente. A única técnica que se encaixa é a engenharia de prompt.
IA Generativa — Conceitos: Prompt engineering (✅) (Criar/ajustar instruções, Sem retreinar o modelo, Respostas mais precisas); Fine-tuning (❌) (Retreina o modelo, Novos dados); Tokenization (❌) (Quebrar texto em tokens, Processamento, não instrução); Explainability (❌) (Interpretar decisões, Explicar respostas); Hallucination (❌) (Informações falsas, Problema a evitar)
Alternativa A — ✅ Correta ⟵ GABARITO
Prompt engineering (engenharia de prompt) é a arte de formular comandos ou perguntas de modo estratégico para extrair do modelo a melhor resposta possível. Não exige modificar o modelo, apenas a entrada. A descrição do enunciado é literal: "criar e ajustar instruções, sem a necessidade de retreinar o modelo, de forma estratégica, para orientá-lo a produzir respostas mais precisas e úteis".
Alternativa B — ❌ Incorreta
Fine-tuning (ajuste fino) consiste em retreinar o modelo com novos dados para especializá-lo em uma tarefa específica. O enunciado exclui explicitamente o retreinamento ("sem a necessidade de retreinar o modelo"), portanto não pode ser a resposta. É o distrator mais comum, pois ambos buscam melhorar respostas, mas por meios opostos.
Alternativa C — ❌ Incorreta
Tokenization (tokenização) é o processo de quebrar um texto em unidades menores (tokens) – palavras, subpalavras ou caracteres – para que o modelo possa processá-lo. Não envolve criar instruções nem ajustar o comportamento do modelo.
Alternativa D — ❌ Incorreta
Explainability (explicabilidade) refere-se à capacidade de entender por que um modelo tomou determinada decisão ou gerou certa resposta. É um campo de interpretabilidade, não de ajuste de instruções de entrada.
Alternativa E — ❌ Incorreta
Hallucination (alucinação) é o fenômeno em que o modelo gera informações falsas ou inventadas com aparência de veracidade. É um problema a ser evitado, não uma prática de ajuste de instruções.
NÃO CAIA NESSA!
A banca explora a confusão entre prompt engineering e fine-tuning. Lembre-se: prompt = ajuste na entrada, sem retreinar; fine-tuning = novo treinamento do modelo. A palavra "instruções" no enunciado remete ao prompt, não ao ajuste de pesos.