A Informática da Inteligência Artificial - Teste
  • 1. A ciência informática da Inteligência Artificial (IA) engloba um vasto e intrincado campo dedicado ao desenvolvimento de algoritmos e sistemas que permitem às máquinas imitar as funções cognitivas humanas. Na sua essência, a IA baseia-se em várias disciplinas, incluindo a matemática, a estatística, a informática e a psicologia cognitiva, para criar sistemas capazes de aprender, raciocinar e adaptar-se. Conceitos fundamentais como a aprendizagem automática, em que os algoritmos são treinados com base em dados para fazer previsões ou tomar decisões, e as redes neuronais, que se inspiram na estrutura e função do cérebro humano, são as pedras angulares da investigação moderna em IA. Além disso, o processamento de linguagem natural permite aos computadores compreender e gerar linguagem humana, facilitando as interações entre humanos e máquinas. Este domínio também explora a robótica, em que a IA é integrada em sistemas físicos para realizar tarefas de forma autónoma, e a visão por computador, que permite às máquinas interpretar e tomar decisões com base em dados visuais. Tirando partido de técnicas como a aprendizagem profunda, a aprendizagem por reforço e a aprendizagem supervisionada, os investigadores continuam a alargar os limites do possível, conduzindo a avanços em áreas que vão desde os veículos autónomos até aos diagnósticos nos cuidados de saúde. À medida que os sistemas de IA se tornam cada vez mais complexos e integrados em vários aspectos da sociedade, as considerações éticas relativas à equidade, responsabilidade e transparência também estão a atrair a atenção, garantindo que o crescimento da tecnologia de IA beneficia a humanidade como um todo.

    Que tipo de aprendizagem envolve o treino de um modelo num conjunto de dados rotulados?
A) Aprendizagem supervisionada.
B) Aprendizagem por reforço.
C) Aprendizagem semi-supervisionada.
D) Aprendizagem não supervisionada.
  • 2. Qual é a principal função de uma rede neuronal?
A) Armazenamento de dados.
B) Escrever código.
C) Reconhecimento e classificação de padrões.
D) Segurança da rede.
  • 3. O que significa "sobreajuste" no contexto da aprendizagem automática?
A) Um modelo sem parâmetros.
B) Um modelo que aprende mais depressa.
C) Um modelo demasiado complexo e com fraco desempenho com novos dados.
D) Um modelo que generaliza bem.
  • 4. Que algoritmo é normalmente utilizado para tarefas de classificação?
A) Agrupamento K-means.
B) Máquinas de vetor de suporte.
C) Algoritmos genéticos.
D) Descida de gradiente.
  • 5. Qual é o objetivo da aprendizagem por reforço?
A) Para classificar os dados em categorias.
B) Para otimizar equações lineares.
C) Para mapear diretamente as entradas para as saídas.
D) Aprender comportamentos por tentativa e erro.
  • 6. O que é que o "Teste de Turing" mede?
A) A capacidade de uma máquina apresentar um comportamento inteligente equivalente ao de um ser humano.
B) A capacidade de armazenamento de um computador.
C) A velocidade de processamento de um computador.
D) O consumo de energia de um sistema.
  • 7. Qual é a principal vantagem da aprendizagem profunda?
A) Mais fácil de implementar do que os algoritmos padrão.
B) Capacidade de aprender automaticamente caraterísticas a partir de dados.
C) Requer menos dados do que os métodos tradicionais.
D) Funciona melhor com pequenos conjuntos de dados.
  • 8. Qual dos seguintes é um algoritmo de agrupamento?
A) Árvores de decisão.
B) Florestas aleatórias.
C) K-means.
D) Regressão linear.
  • 9. O que é a "extração de dados" no contexto da IA?
A) Armazenamento de grandes quantidades de dados em bases de dados.
B) Encriptação de dados para segurança.
C) Extração de padrões e informações de grandes conjuntos de dados.
D) Limpeza dos dados para análise.
  • 10. Que tipo de rede neural é melhor para o reconhecimento de imagens?
A) Redes de funções de base radial.
B) Redes Neuronais Recorrentes (RNNs).
C) Redes Neuronais Convolucionais (CNNs).
D) Redes neurais feedforward.
  • 11. O que é um exemplo de aprendizagem não supervisionada?
A) Previsão
B) Regressão
C) Classificação
D) Agrupamento
  • 12. Que algoritmo é normalmente utilizado na aprendizagem supervisionada?
A) Agrupamento K-means.
B) Aprendizagem por reforço.
C) Regressão linear.
D) Algoritmos genéticos.
  • 13. Qual dos seguintes é um algoritmo de aprendizagem por reforço?
A) Máquina de vetor de suporte.
B) Regressão linear.
C) Agrupamento K-means.
D) Q-learning.
  • 14. Que conceito é fundamental para compreender a aprendizagem automática?
A) Rendimento
B) Sobreajuste
C) Largura de banda
D) Latência
  • 15. Qual é uma métrica de avaliação comum para modelos de classificação?
A) Entropia
B) Desvio
C) Rendimento
D) Exatidão
  • 16. Qual é o princípio fundamental dos algoritmos genéticos?
A) Ordenação através de quicksort.
B) Aproximação de funções.
C) Iteração por amostragem aleatória.
D) A sobrevivência do mais apto através da evolução.
  • 17. A que é que se refere "Big Data"?
A) Conjuntos de dados grandes e complexos que requerem ferramentas avançadas para serem processados.
B) Dados armazenados numa base de dados relacional.
C) Dados privados do utilizador recolhidos por aplicações.
D) Dados demasiado pequenos para serem analisados.
  • 18. Qual das seguintes é uma linguagem de programação popular para a IA?
A) Montagem.
B) Python.
C) HTML.
D) C++.
  • 19. Qual é uma biblioteca popular para aprendizagem automática em Python?
A) Bela sopa.
B) Pygame.
C) Frasco.
D) Scikit-learn.
  • 20. Qual das seguintes é uma aplicação comum da IA?
A) Cálculos aritméticos de base.
B) Processamento de texto.
C) Processamento de linguagem natural.
D) Folhas de cálculo.
  • 21. Qual destas é uma estrutura de aprendizagem profunda?
A) Janelas
B) Git
C) MySQL
D) TensorFlow
  • 22. Que algoritmo é frequentemente utilizado para tarefas de classificação?
A) Algoritmos genéticos
B) Simulação de Monte Carlo
C) Árvores de decisão
D) Descida de gradiente
  • 23. Em que se inspira uma rede neural artificial?
A) A estrutura e as funções do cérebro humano.
B) Transformações geométricas.
C) A Internet.
D) Modelos estatísticos.
  • 24. Qual é a vantagem de utilizar um conjunto de validação?
A) Para avaliar o desempenho do modelo durante o treino.
B) Para tornar os modelos mais felizes.
C) Para aumentar o tamanho dos dados de treino.
D) Para substituir os conjuntos de teste.
  • 25. O que faz a "aprendizagem por transferência"?
A) Transfere dados entre diferentes utilizadores.
B) Utiliza os conhecimentos adquiridos numa tarefa para melhorar o desempenho numa tarefa relacionada.
C) Transfere modelos de um conjunto de dados para outro sem alterações.
D) Transfere aplicações de software entre plataformas.
  • 26. Qual é o principal desafio da IA?
A) Demasiado interesse público.
B) Limitações de hardware.
C) Normas de codificação uniformes.
D) Enviesamento dos dados e dos algoritmos.
  • 27. Qual é o princípio subjacente às máquinas de vectores de suporte?
A) Maximizar o volume do conjunto de dados.
B) Minimizar a distância entre todos os pontos.
C) Encontrar o hiperplano que melhor separa os pontos de dados.
D) Utilização da aprendizagem profunda para classificação.
Criado com That Quiz — página com testes de matemática para alunos.