Equipe Gabarite
EQUIPE
29/08/2026 • 15:01
Neste exercício, temos um contexto prático: uma Assembleia Legislativa passou a usar modelos de aprendizado de máquina para ajudar na análise de proposições. Apesar do alto desempenho do sistema, surgiram questionamentos sobre os critérios de decisão, especialmente quando propostas semelhantes eram tratadas de maneira desigual. A reação foi buscar maior explicabilidade — ou seja, tornar mais claras as decisões automáticas, aumentando confiança e transparência.
Vamos olhar as alternativas, pois o tema central é o conceito de explicabilidade em modelos de inteligência artificial. Opção A está errada porque não faz sentido: explicabilidade não é abandonar totalmente o uso de IA em favor de regras manuais. Opção B também está incorreta: não se trata apenas de liberar o código-fonte, muito menos de ignorar riscos de segurança institucional. A alternativa D está equivocada, já que a explicabilidade é justamente um desafio em modelos mais complexos, como árvores, ensembles e redes neurais – e não algo exclusivo de modelos lineares. A letra E está completamente fora: o objetivo da explicabilidade é justamente o oposto, ou seja, facilitar o entendimento dos modelos, não aumentar sua complexidade.
A resposta certa é a alternativa C: explicabilidade é sobre oferecer ferramentas e métodos para que as pessoas possam entender, justificar e interpretar as decisões de modelos de IA, sempre considerando o contexto em que estão sendo usados. Isso fortalece a confiança e a aceitação dos usuários.
Portanto, o gabarito é a letra C.
Vamos olhar as alternativas, pois o tema central é o conceito de explicabilidade em modelos de inteligência artificial. Opção A está errada porque não faz sentido: explicabilidade não é abandonar totalmente o uso de IA em favor de regras manuais. Opção B também está incorreta: não se trata apenas de liberar o código-fonte, muito menos de ignorar riscos de segurança institucional. A alternativa D está equivocada, já que a explicabilidade é justamente um desafio em modelos mais complexos, como árvores, ensembles e redes neurais – e não algo exclusivo de modelos lineares. A letra E está completamente fora: o objetivo da explicabilidade é justamente o oposto, ou seja, facilitar o entendimento dos modelos, não aumentar sua complexidade.
A resposta certa é a alternativa C: explicabilidade é sobre oferecer ferramentas e métodos para que as pessoas possam entender, justificar e interpretar as decisões de modelos de IA, sempre considerando o contexto em que estão sendo usados. Isso fortalece a confiança e a aceitação dos usuários.
Portanto, o gabarito é a letra C.