Questão 72 do CNU 2025 (FGV) — Bloco 3, Eixo 4: Tecnologias da Informação e Comunicação (TICs) & Ciência de Dados

No campo da ética aplicada à Inteligência Artificial (especialmente nas diretrizes da OCDE, da Unesco e do Marco Ético de IA no setor público), o requisito que determina que os sistemas devem fornecer informações claras, auditáveis e compreensíveis sobre seus dados de entrada, suas saídas, o funcionamento interno do algoritmo e a influência de cada componente no resultado final é a explicabilidade (Explainability ou Explainable AI - XAI). Esse princípio combate o modelo opaco de "caixa-preta" (black-box), assegurando que cidadãos e gestores possam compreender, auditar e contestar decisões automatizadas.

Análise das alternativas:

• A está correta, pois a explicabilidade é o pilar ético responsável por tornar os processos de decisão algorítmica inteligíveis e transparentes para a sociedade.
• B está incorreta, pois a hiperparametrização é um procedimento técnico de ajuste de configurações prévias ao treinamento de modelos de aprendizado de máquina.
• C está incorreta, pois aprendizado profundo (deep learning) é um subcampo do aprendizado de máquina baseado em redes neurais artificiais profundas.
• D está incorreta, pois modelos largos de linguagem (LLMs) constituem uma classe específica de modelos de processamento de texto, e não um princípio ético de governança.
• E está incorreta, pois processamento de linguagem natural (PLN) é a disciplina da computação voltada à interação entre máquinas e linguagem humana.

Dica de prova: Exigência de transparência algorítmica: quando a questão exigir que a IA mostre "como chegou àquele resultado" ou "como o algoritmo funciona", trata-se do princípio ético da explicabilidade (XAI).