A captura de movimento (motion capture) tradi...

A captura de movimento (motion capture) tradicionalmente exige o uso de sensores físicos para rastrear os movimentos de um ator e transferi-los para um personagem 3D...

Q1028969 • Informática • Inteligência Artificial e Automação • FGV • DPE RO • Classe A • 2025

A captura de movimento (motion capture) tradicionalmente exige o uso de sensores físicos para rastrear os movimentos de um ator e transferi-los para um personagem 3D. No entanto, avanços em IA permitiram novas abordagens que eliminam essa necessidade.

Assinale a opção que apresenta uma vantagem das tecnologias baseadas em IA para captura de movimento em relação aos métodos tradicionais.

a) A IA elimina completamente a necessidade de pósprocessamento, garantindo que a animação capturada seja sempre utilizável sem ajustes.
b) Softwares baseados em IA, como Move.AI e DeepMotion, permitem a captura de movimento sem sensores físicos, analisando vídeos e extraindo dados de movimento de forma automatizada.
c) Graph Editors
d) Animation
e) Rendering

Questões sobre Inteligência Artificial e Automação

1

Q1048667 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Procurador do Tribunal de Contas • 2025
Com relação à Inteligência Artificial, analise as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) Representa o conjunto de modelos, algoritmos, técnicas e metodologias que podem ser implementados como sistemas computacionais
( ) Produz resultados como previsões, classificações, recomendações e decisões, a partir de processos de aprendizagem baseados em grande volume de dados.
( ) Tem potencial para influenciar somente ambientes virtuais.

As afirmativas são, respectivamente,
- a) V – V – F.
- b) F – V – V.
- c) V – F – F.
- d) F – F – F.
- e) V – V – V.
2

Q1039877 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Auditor de Controle Externo Tecnologia da Informação • 2025
No treinamento de grandes modelos de linguagem (LLMs), como o GPT-4, uma técnica importante, utilizada para estabilizar o treinamento e favorecer a convergência - especialmente ao lidar com camadas profundas -, é a normalização por camada, conhecida como Layer Normalization, que consiste em:
- a) normalizar as ativações ao longo dos canais de entrada, reduzindo o desvio padrão espacial, ideal para modelos CNN.
- b) realizar a normalização entre exemplos de treinamento, reduzindo a variação das ativações dentro de um mesmo lote.
- c) normalizar as ativações individualmente para cada exemplo, considerando todos os neurônios da mesma camada.
- d) aplicar uma normalização nas ativações por meio de uma média móvel das ativações das camadas anteriores.
- e) realizar uma normalização baseada em gradientes acumulados, diretamente no passo de retropropagação (backpropagation).
3

Q1039875 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Auditor de Controle Externo Tecnologia da Informação • 2025
Com a popularização de modelos de linguagem de grande escala (LLMs), como o GPT e o Claude, a engenharia de prompt tornou-se uma habilidade essencial para direcionar corretamente esses modelos, extraindo respostas mais úteis, seguras e alinhadas ao objetivo do usuário.
Em relação às boas práticas de engenharia de prompt aplicadas a grandes modelos de linguagem (LLMs), assinale a afirmativa correta.
- a) A engenharia de prompt exige conhecimento profundo de linguagens de programação, pois os prompts devem ser escritos em linguagens formais como Python ou SQL.
- b) Prompts vagos e abertos tendem a melhorar a criatividade dos modelos e garantem maior precisão, especialmente em tarefas críticas e factuais.
- c) Instruções explícitas, exemplos no prompt e delimitação clara da tarefa aumentam a probabilidade de o LLM produzir respostas relevantes e adequadas ao objetivo.
- d) LLMs interpretam todos os prompts da mesma forma, independentemente da estrutura, do idioma ou da ordem em que as informações são fornecidas.
- e) A engenharia de prompt não tem impacto sobre a segurança das respostas geradas, já que os LLMs seguem regras internas fixas de filtragem de conteúdo.
4

Q1039874 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Auditor de Controle Externo Tecnologia da Informação • 2025
Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, técnicas de aprendizado não supervisionado são essenciais para extrair conhecimento oculto nos dados.
Com relação ao aprendizado não supervisionado em Machine Learning, assinale a afirmativa correta.
- a) O aprendizado não supervisionado depende de conjuntos de dados previamente rotulados para mapear entradas a saídas durante o treinamento.
- b) Técnicas de aprendizado não supervisionado, como árvores de decisão e regressão logística, são ideais para prever rótulos em problemas de classificação supervisionada.
- c) O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.
- d) A principal limitação do aprendizado não supervisionado é que ele não consegue lidar com grandes volumes de dados, sendo restrito a pequenos conjuntos.
- e) O aprendizado não supervisionado só pode ser utilizado quando todos os atributos do conjunto de dados forem categóricos.
5

Q1038861 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Auditor de Controle Externo Contas Públicas • 2025
Com relação aos Grandes Modelos de Linguagens (LLMs), avalie as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) LLMs são capazes de fazer inferências a partir de um contexto, gerar respostas contextualmente relevantes, traduzir documentos para outros idiomas, resumir textos, responder a perguntas ou mesmo auxiliar em tarefas de redação criativa ou geração de código.
( ) Os LLMs representam um avanço considerável no processamento de linguagem natural (PNL) e tornaram-se facilmente acessíveis ao público por meio de interfaces como o Chat GPT-3 e o GPT-4. Outros exemplos de LLMs são os modelos Llama e as representações de codificadores bidirecionais, como BERT e RoBERTa.
( ) LLM é um modelo de aprendizado de máquina que pode ser usado na inteligência artificial generativa, capaz de executar diferentes funções. Os LLM são treinados a partir de grandes volumes de dados.

As afirmativas são, segundo a ordem apresentada,
- a) V – F – V.
- b) V – F – F.
- c) V – V – V.
- d) F – V – V.
- e) F – V – F.
6

Q1018451 • Informática • Inteligência Artificial e Automação • CESPE CEBRASPE • SUSEP • Área Tecnologia da Informação e Ciência de Dados • 2025
Acerca de inteligência artificial (IA), julgue o seguinte item.
Nos modelos generativos baseados em difusão, como o stable diffusion, o processo de geração de imagens ocorre por meio da aplicação sequencial de ruído gaussiano em uma imagem inicial em branco, consoante o mesmo procedimento do treinamento, mas em escala reduzida, para otimizar o tempo de processamento.
- a) Certo
- b) Errado
7

Q1039872 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Auditor de Controle Externo Tecnologia da Informação • 2025
Com o avanço do deep learning, redes neurais profundas e grandes modelos de linguagem (LLMs) vêm sendo amplamente utilizados em aplicações como tradução automática, geração de texto, reconhecimento de imagens e assistentes virtuais.
A respeito de redes neurais profundas, deep learning e grandes modelos de linguagem (LLMs), assinale a afirmativa correta.
- a) Redes neurais profundas possuem apenas uma camada oculta entre a entrada e a saída e são ideais para tarefas simples de classificação linear.
- b) O termo deep learning refere-se a técnicas que dispensam o uso de redes neurais artificiais, utilizando apenas algoritmos estatísticos tradicionais.
- c) Os grandes modelos de linguagem (LLMs) são caracterizados por seu tamanho reduzido, pois dependem de poucos parâmetros para evitar sobrecarga computacional.
- d) Os grandes modelos de linguagem (LLMs) utilizam arquiteturas de redes neurais profundas, como os transformadores, para processar sequências de texto e aprender padrões complexos.
- e) Redes neurais profundas são indicadas exclusivamente para reconhecimento de imagens e não são aplicadas em processamento de linguagem natural.
8

Q1065027 • Informática • Inteligência Artificial e Automação • PS Concursos • Prefeitura de Siderópolis SC • Agente Comunitário de Saúde • 2025
Modelos de linguagem de grande porte, conhecidos como LLMs (Large Language Models), são um tipo avançado de inteligência artificial (IA) especializada em compreender e gerar textos. Essas IA’s têm transformado o mercado tecnológico mundial, impulsionando assistentes virtuais, tradutores automáticos e diversas outras aplicações.

No início de 2025, uma IA desse tipo, criada por uma empresa chinesa, ganhou destaque global ao apresentar desempenho superior e custo operacional reduzido em comparação com suas concorrentes ocidentais. Esse avanço causou impacto imediato no setor, provocando até quedas no valor das ações de grandes empresas de tecnologia.

Considerando esse contexto e o impacto ocorrido naquele período, qual é o nome dessa inteligência artificial chinesa que se destacou?
- a) Gemini
- b) DeepSeek
- c) Grok
- d) ChatGPT
- e) Claude
9

Q1039873 • Informática • Inteligência Artificial e Automação • FGV • TCE PE • Auditor de Controle Externo Tecnologia da Informação • 2025
Em um contrato de auditoria automatizada, um órgão de controle utiliza técnicas de machine learning para identificar padrões de comportamento atípicos em diárias e passagens. Os dados não estão rotulados e a ideia é descobrir grupos de registros similares e desvios sem conhecimento prévio.
A técnica mais adequada para esse tipo de análise denomina-se:
- a) Regressão Logística.
- b) K-means.
- c) Random Forest.
- d) Redes Neurais Feedforward.
- e) Naive Bayes.
10

Q1078309 • Informática • Inteligência Artificial e Automação • FURB • SED SC • Informação e Comunicação • 2024
As primeiras pesquisa sobre Inteligência Artificial iniciaram ainda nos anos 40 do século XX. Nos últimos anos, foram popularizados novos modelos por meio de recursos como ChatGPT, Gemini, CoPilot, entre outros que têm transformado as relações de trabalho e os processos educacionais. Esses novos modelos são baseado em tecnologias da Inteligência Artificial denominadas de:
- a) Inteligência Artificial Genética.
- b) Sistemas Especialistas.
- c) Inteligências Digitais do Século XXI.
- d) Inteligência Artificial Generativa.
- e) Redes Neurais Inteligentes.

Mais questões de Informática →

Reportar erro em Conteúdo