Questão 61 · Informática: Inteligência artificial e ciência de dados
O campo da inteligência artificial generativa é dedicado ao desenvolvimento de algoritmos capazes de gerar novas instâncias de dados. Suas aplicações incluem, por exemplo, a criação de textos, imagens, áudio e vídeo. As redes generativas adversárias (Generative Adversarial Networks – GANs) são um exemplo de IA generativa que possuem arquitetura baseada em duas redes, chamadas geradora e discriminadora, que competem entre si.
Um dos principais problemas das GANs ocorre quando a rede geradora produz apenas uma quantidade limitada de tipos de dados, mesmo que seus dados de treinamento sejam mais ricos e diversificados. Isso ocorre porque a rede geradora consegue “enganar” a rede discriminadora mais facilmente quando dados daqueles tipos específicos são produzidos.
A esse fenômeno dá-se o nome de
- A) Falha de Convergência (Convergence Failure).
- B) Sobreajuste (Overfitting).
- C) Colapso de Modo (Mode Collapse).
- D) Filtragem Estocástica (Stochastic Filtering).
- E) Crescimento de Padrões Frequentes (Frequent Pattern Growth).
Marque a alternativa correta:
Gabarito: C
Gabarito definitivo divulgado pela banca FGV (TCE/PA 2024).
Comentário
Gabarito: C.
O texto descreve uma GAN que gera apenas alguns tipos de dados, mesmo com um conjunto de treinamento diverso. Esse fenômeno é o colapso de modo (mode collapse). O gerador encontra poucas saídas que enganam o discriminador e passa a produzir somente essas variações, perdendo diversidade.
- A: falha de convergência é o treinamento que não estabiliza, o que não é o problema descrito.
- B: sobreajuste ocorre quando o modelo memoriza o treino e generaliza mal, o que não corresponde à diversidade limitada da geração.
- D: filtragem estocástica não é um fenômeno conhecido das GANs.
- E: crescimento de padrões frequentes é um algoritmo de mineração de dados, sem relação com GANs.
Dica de prova: quando o enunciado descrever a 'geração de poucos tipos de dados' em GANs, a resposta é mode collapse. Reconheça o termo pelo sentido, e não pelo nome.
Fundamentos: IA generativa e GANs · Colapso de modo (mode collapse) · Diferença entre overfitting e falhas de treinamento
Comentário gerado pela Cravei IA a partir do enunciado e do gabarito definitivo divulgado pela banca, e conferido por uma verificação automática. A IA pode errar: o gabarito oficial sempre prevalece.
Fonte: prova FGV TCE/PA 2024 (Auditor de Controle Externo - Informática - Web Design), questão 61, com o gabarito definitivo da banca. Comentário: Equipe Cravei · como fazemos e revisamos.