Inteligência Artificial

Question 1

O que é inteligência artificial?

Answer 1

A Inteligência Artificial é, portanto, um campo da ciência da computação que desenvolve sistemas capazes de realizar tarefas que exigem inteligência humana.

Question 2

Características Típicas da IA

Answer 2

Aprendizado
Adaptação
Autonomia
Raciocínio
Interação

Question 3

PROCESSAMENTO
DE LINGUAGEM
NATURAL

Answer 3

Foca no desenvolvimento de sistemas capazes de entender e gerar linguagem humana.
Isso inclui tradução automática, análise de sentimentos, reconhecimento de fala e
chatbots. PLN permite que computadores interpretem, respondam e utilizem a linguagem humana de maneira significativa.

Question 4

MACHINE
LEARNING

Answer 4

É o estudo de algoritmos que melhoram automaticamente através da experiência. Utiliza
técnicas estatísticas para dar aos computadores a capacidade de “aprender” com dados,
permitindo-lhes identificar padrões e tomar decisões com mínima intervenção humana.

Question 5

ROBÓTICA

Answer 5

Combina inteligência artificial com engenharia mecânica e elétrica para projetar e
construir robôs capazes de realizar tarefas que exigem interação física com o mundo real. A IA é usada para dar aos robôs a capacidade de perceber, compreender e agir em seu
ambiente.

Question 6

INTELIGÊNCIA
ARTIFICIAL
GENERATIVA

Answer 6

Envolve a criação de conteúdo novo e original, como texto, imagens, música e vídeo, através de modelos de IA. Usa técnicas como Redes Generativas Adversariais (GANs) para produzir conteúdo que é semelhante, mas não idêntico, ao que eles foram treinados para imitar.

Question 7

REDES NEURAIS E
DEEP LEARNING

Answer 7

Redes neurais são sistemas inspirados no cérebro humano, projetados para reconhecer padrões de maneira semelhante às conexões neurais do cérebro. Deep learning é um subcampo que utiliza redes neurais profundas com muitas camadas para aprender representações de dados complexas.

Question 8

VISÃO
COMPUTACIONAL

Answer 8

Refere-se à capacidade de computadores para identificar, processar e interpretar informações visuais do mundo, semelhante à visão humana. Isso inclui reconhecimento
de objetos, rastreamento de movimentos e análise de cenas. É amplamente aplicado em
segurança, veículos autônomos, entre outros.

Question 9

Quando e por quem foi cunhado o termo inteligência artificial?

Answer 9

John McCarthy, um dos pioneiros da inteligência artificial, utilizou o termo “inteligência artificial” pela
primeira vez em 1956, definindo-o como a ciência e engenharia de fazer máquinas inteligentes, ou seja,
máquinas que imitam a capacidade de raciocínio humano.

Question 10

Qual dos subcampos da IA tem a função principal de desenvolver sistemas capazes de entender e gerar linguagem humana?

Answer 10

Processamento de linguagem natural (PLN)

Question 11

Qual técnica de IA é utilizada para criar conteúdo novo e original, como texto, imagens, música e vídeo?

Answer 11

Inteligência artificial generativa

Question 12

Conceito de Marchine Learning

Answer 12

O Aprendizado de Máquina (Machine Learning) é a ciência e a arte de programar computadores para que
eles possam aprender com os dados. Uma definição um pouco mais formal diria que se trata do campo de estudo que dá aos computadores a capacidade de aprender sem ser explicitamente programado.

Question 13

O que é a programação tradicional?

Answer 13

Trata-se do processo manual de escrever um conjunto de regras em uma sequência de passos – também chamado de algoritmo – utilizando uma linguagem de programação para que o computador as execute sobre um conjunto de dados de entrada a fim de produzir um conjunto
de resultados de saída.

Question 14

Quais são as fases de desenvolvimento de uma IA?

Answer 14

1. Definição → Classificação binária (gato x cachorro)
2. Coleta/Pré-processamento → imagens, redimensionar, normalizar
3. Divisão de dados → treino, validação, teste
4. Treinamento → modelo (CNN)
5. Avaliação → acurácia, F1-score
6. Ajustes → hiperparâmetros
7. Validação cruzada → evitar overfitting
8. Teste final/Implantação

Question 15

Aprendizado Supervisionado

Answer 15

Trata-se de um conjunto de técnicas de aprendizado para treinar um modelo com dados rotulados manualmente, isto é, um especialista/supervisor externo diz qual é a saída esperada para cada dado histórico utilizado no treinamento.

Question 16

3 Características Aprendizado Supervisionado:

Answer 16

(1) trata-se da abordagem mais comum de aprendizado de máquina;
(2) existe um supervisor ou professor responsável por treinar o algoritmo; e
(3) o supervisor conhece de antemão os rótulos.

Question 17

Aprendizado Não Supervisionado

Answer 17

Trata-se da abordagem em que o algoritmo busca encontrar um padrão subjacente nos dados sem a utilização de um supervisor externo para atribuir rótulos ou categorias pré-definidas para as amostras de treinamento.

Question 18

Como os algoritmos são formulados no aprendizado não supervisionado?

Answer 18

Os algoritmos são formulados de forma que possam encontrar padrões autonomamente com o intuito de explorar dados desconhecidos e encontrar estruturas interessantes ou ocultas nos dados que não eram visíveis anteriormente para os cientistas de dados.

Question 19

O que são regras de associação?

Answer 19

Regras de associação são um tipo de aprendizado não
supervisionado que permite estabelecer regras capazes de verificar como determinados elementos em um conjunto estão intimamente associados, isto é, se a presença de um elemento implica a presença de
outro dentro em uma mesma transação.

Question 20

Defina agrupamento no aprendizado não supervisionado

Answer 20

o agrupamento é um tipo de aprendizado não-Supervisionado em que se busca encontrar padrões em um conjunto de dados e agrupá-los em subconjuntos que – ao comparar dados de um mesmo grupo – sejam o máximo possível homogêneos/semelhantes e – ao comparar dados de grupos diferentes – sejam o máximo possível heterogêneos/diferentes.

Question 21

Aprendizado semi supervisionado

Answer 21

Trata-se de um meio termo entre o aprendizado supervisionado e o não-supervisionado. Nesse caso,
utilizamos dados rotulados e não-rotulados para o treinamento. Em geral, utiliza-se uma pequena quantidade de dados rotulados e uma grande quantidade de dados não-rotulados, visto que dados não
rotulados são mais baratos e são obtidos com menos esforço.

Question 22

Aprendizado por Reforço

Answer 22

Trata-se de um conjunto de técnicas que utilizam tentativa e erro para descobrir decisões ótimas de como interagir com ambiente ou com outros agentes. Ele tem como meta reforçar ou recompensar uma ação considerada positiva e punir uma ação considerada negativa. Um exemplo são os famosos robôs aspiradores!

Question 23

O que caracteriza a programação tradicional em comparação com o aprendizado de máquina?

Answer 23

A escrita manual de regras por programadores.

Question 24

O que é deep learning dentro do contexto do aprendizado de
máquina?

Answer 24

Um subconjunto que utiliza redes neurais profundas para aprender a partir de grandes volumes de dados.

Question 25

Durante qual etapa do aprendizado de máquina o modelo é ajustado para melhor representar os dados fornecidos?

Answer 25

Treinamento

Question 26

O que é a Inteligência Artificial Generativa?

Answer 26

Trata-se de um conjunto de técnicas de IA projetadas para criar conteúdo novo e original, que pode variar desde texto, imagens e música, até dados sintéticos e muito mais.

Question 27

Características Inteligência Artificial Generativa:

Answer 27

- Aprendizado Não Supervisionado - Espaço Latente - Redes Generativas Adversariais (GAN) - Modelos de Autoencoder - Modelos Autorregressivos e Modelos de Difusão - Diversidade e Unicidade

Question 28

O que é espaço latente?

Answer 28

O espaço latente é uma representação reduzida e abstrata de um conjunto de dados complexos. Em vez de operar diretamente sobre os dados brutos, como pixels de uma imagem, os modelos de inteligência artificial transformam esses dados em uma forma compacta que preserva apenas as informações mais relevantes. Essa transformação reduz a dimensionalidade do conjunto de dados, tornando o processamento mais eficiente.

Question 29

O que são Redes Generativas Adversariais (GAN) ?

Answer 29

As Redes Generativas Adversariais (GANs) são um tipo específico de arquitetura neural voltada à geração de dados sintéticos. Uma GAN é composta por duas redes: a geradora, responsável por criar dados artificiais; e a discriminadora, encarregada de distinguir entre dados reais e gerados. O processo de treinamento consiste em um jogo competitivo, no qual a geradora tenta produzir dados que enganem a discriminadora, enquanto esta busca aprimorar sua capacidade de detecção.

Question 30

O que são redes neurais artificiais?

Answer 30

As redes neurais artificiais são estruturas matemáticas inspiradas no funcionamento dos neurônios biológicos, utilizadas como base na construção de sistemas de Inteligência Artificial. Cada neurônio artificial recebe entradas, realiza um processamento matemático e transmite uma saída. Esses neurônios são organizados em camadas: a camada de entrada recebe os dados brutos; as camadas ocultas realizam o processamento interno; e a camada de saída fornece os resultados, como classificações ou previsões.

Question 31

Como se dá o aprendizado das redes neurais?

Answer 31

O aprendizado das redes neurais ocorre por meio do ajuste dos pesos atribuídos às conexões entre os neurônios. Esse processo, denominado treinamento, permite que a rede aprenda a dar diferentes níveis de importância às entradas com base nos dados apresentados.

Question 32

O que são autoencoders?

Answer 32

Autoencoders são redes neurais projetadas para realizar a codificação e reconstrução eficiente de dados. Sua arquitetura é composta por duas partes principais: o codificador, que transforma os dados de entrada em uma representação de menor dimensão (espaço latente), e o decodificador, que reconstrói os dados originais a partir dessa representação comprimida.

Question 33

Qual o objetivo do autoencoder?

Answer 33

O objetivo do autoencoder é minimizar a diferença entre a entrada e a saída, identificando as informações essenciais que devem ser preservadas durante o processo de compressão e descompressão. Essa capacidade torna os autoencoders úteis em tarefas de compressão de dados e remoção de ruídos, como no aprimoramento de imagens e áudios.

Question 34

O que são Modelos autorregressivos?

Answer 34

Modelos autorregressivos operam de forma sequencial, gerando dados um elemento por vez com base nos elementos anteriores. Em tarefas de geração de texto, por exemplo, o modelo prevê a próxima palavra com base na sequência já gerada. Essa abordagem é utilizada em arquiteturas como o GPT (Generative Pre-trained Transformer), que se especializam na produção de conteúdo textual coerente.

Question 35

O que são modelos de difusão?

Answer 35

Modelos de difusão seguem uma lógica inversa: partem de uma entrada ruidosa, sem estrutura aparente, e aplicam um processo gradual de remoção de ruído até obter uma amostra com coerência e realismo. Essa técnica é empregada por modelos como os Denoising Diffusion Probabilistic Models (DDPM), que geram imagens a partir de ruído aleatório por meio de um processo iterativo de refinamento.

Question 36

Quando usar os modelos autorregressivos e os de difusão?

Answer 36

Enquanto os modelos autorregressivos são mais indicados para dados sequenciais, como texto e áudio, os modelos de difusão são mais eficientes na geração de dados não sequenciais, especialmente imagens. A escolha entre as duas abordagens depende da natureza do dado a ser gerado e das características da aplicação.

Question 37

O que é a diversidade na IA?

Answer 37

Diversidade refere-se à capacidade do modelo de produzir múltiplas saídas distintas a partir de uma mesma solicitação. Um modelo com alta diversidade consegue representar diferentes variações de um mesmo conceito, utilizando diferentes estilos, formas, estruturas ou perspectivas, evitando repetições excessivas ou padrões fixos.

Question 38

O que são LLM?

Answer 38

Modelos de Linguagem de Larga Escala (LLMs – Large Language Models) são sistemas de inteligência artificial treinados com grandes volumes de dados textuais com o objetivo de compreender e gerar linguagem natural. Esses modelos são capazes de realizar diversas tarefas, como Responder perguntas, redigir textos, traduzir idiomas, sintetizar informações, escrever códigos e gerar conteúdo em linguagem humana.

Question 39

Defina Engenharia de Prompts

Answer 39

A Engenharia de Prompts consiste na formulação precisa de comandos em linguagem natural para orientar sistemas de inteligência artificial generativa a executar tarefas com exatidão. Trata-se de estruturar instruções de forma clara e específica, minimizando ambiguidades interpretativas e maximizando a eficácia das respostas geradas.