WorksheetsAI-900 IA GENERATIVA
Total questions: 20
Worksheet time: 10mins
Name
Class
Date
1.
Qual das seguintes afirmações melhor descreve IA Generativa?
a)
Um ramo da IA que se concentra em imitar o funcionamento do cérebro humano.
b)
Um campo de estudo que visa criar sistemas de IA capazes de aprender sem supervisão.
c)
Uma abordagem da IA que se concentra na geração de dados, como imagens, música ou texto, que são indistinguíveis dos criados por humanos.
d)
Uma técnica de IA usada principalmente para reconhecimento de padrões em grandes conjuntos de dados.
2.
Qual dos seguintes é um exemplo de aplicação de IA Generativa na área de design?
a)
Geração de legendas automáticas para imagens.
b)
Criação de modelos 3D para impressão.
c)
Geração automática de logotipos de empresas.
d)
Análise de sentimentos em redes sociais.
3.
Quais são os componentes principais de uma GAN (Generative Adversarial Network)?
a)
Encoder, Decoder e Discriminador.
b)
Gerador e Avaliador.
c)
Rede Neural Recorrente (RNN) e Rede Neural Convolucional (CNN).
d)
Discriminador e Gerador.
4.
Qual técnica é frequentemente usada para treinar modelos de IA Generativa quando os dados de treinamento são escassos?
a)
Transfer Learning.
b)
Data Augmentation.
c)
Reinforcement Learning.
d)
Regularization.
5.
Em IA Generativa, o que é uma "latent space"?
a)
O espaço onde os modelos são treinados.
b)
Um espaço de representação onde cada ponto corresponde a um exemplo de treinamento.
c)
O espaço onde os dados de entrada são codificados antes de serem processados pelo modelo.
d)
Um espaço onde vetores aleatórios são manipulados para gerar novas amostras.
6.
Qual é uma aplicação comum de IA Generativa na área de medicina?
a)
Geração de novos medicamentos.
b)
Análise de dados de pacientes.
c)
Diagnóstico de doenças.
d)
Controle de estoque de medicamentos.
7.
Qual é uma desvantagem comum das técnicas de IA Generativa?
a)
Tendem a ser muito lentas para treinar.
b)
Produzem resultados inconsistentes e de baixa qualidade.
c)
Requerem grandes quantidades de dados de treinamento.
d)
São difíceis de interpretar e explicar.
8.
Quais são os tipos principais de IA Generativa?
a)
Redes Neurais Convolucionais (CNNs) e Redes Bayesianas.
b)
GANs (Generative Adversarial Networks) e VAEs (Variational Autoencoders).
c)
Redes Neurais Recorrentes (RNNs) e Redes de Função de Base Radial (RBF).
d)
Árvores de Decisão e Regressão Linear.
9.
Qual é uma aplicação comum de IA Generativa na área de arte?
a)
Análise de estilos de pintura.
b)
Classificação de obras de arte.
c)
Análise de mercado de arte.
d)
Avaliação de autenticidade de obras de arte.
10.
O que significa "adversarial" em uma GAN?
a)
Que o modelo é treinado usando uma função de custo adversarial.
b)
Que o modelo é projetado para criar adversários virtuais.
c)
Que o modelo é adverso a feedback negativo.
d)
Que o modelo é treinado contra um adversário em um jogo competitivo.
11.
Qual é uma aplicação comum de IA Generativa na área de música?
a)
Composição automática de trilhas sonoras para filmes.
b)
Identificação de gêneros musicais.
c)
Análise de letras de músicas.
d)
Transcrição de partituras para notas musicais.
12.
Como os modelos de IA Generativa são avaliados?
a)
Por sua capacidade de aprender com dados de treinamento.
b)
Por sua capacidade de generalizar para novos dados.
c)
Por sua capacidade de gerar saídas realistas e coerentes.
d)
Por sua capacidade de detectar anomalias nos dados.
13.
Qual é uma aplicação comum de IA Generativa na área de moda?
a)
Geração de designs de roupas.
b)
Análise de tendências de moda.
c)
Criação de modelos de negócios para empresas de moda.
d)
Controle de qualidade em linhas de produção de roupas.
14.
Qual é o principal objetivo de uma VAE (Variational Autoencoder)?
a)
Gerar saídas realistas a partir de dados de entrada.
b)
Aprender representações compactas de dados de entrada.
c)
Melhorar o desempenho de modelos de classificação.
d)
Reduzir o tempo de treinamento de modelos de IA.
15.
O que é "Mode Collapse" em uma GAN?
a)
Um problema em que o discriminador é incapaz de distinguir entre diferentes classes de saída.
b)
Um problema em que o gerador produz apenas uma saída específica, ignorando a diversidade dos dados de treinamento.
c)
Um problema em que a rede neural entra em um estado de loop infinito durante o treinamento.
d)
Um problema em que a GAN não consegue convergir para uma solução satisfatória.
16.
Qual é uma aplicação comum de IA Generativa na área de marketing?
a)
Geração automática de conteúdo para redes sociais.
b)
Análise de dados de mercado.
c)
Segmentação de clientes.
d)
Análise de sentimentos em avaliações de produtos.
17.
Como uma GAN é treinada?
a)
Por meio de um processo de tentativa e erro, onde o gerador e o discriminador são treinados simultaneamente.
b)
Por meio de feedback supervisionado fornecido por um humano.
c)
Por meio de um algoritmo de aprendizado por reforço.
d)
Por meio de uma técnica de aprendizado semi-supervisionado.
18.
Qual é uma aplicação comum de IA Generativa na área de segurança cibernética?
a)
Detecção de intrusões em redes de computadores.
b)
Proteção contra ataques de phishing.
c)
Análise de vulnerabilidades em sistemas de software.
d)
Criptografia de dados sensíveis.
19.
O que é "Co-creative AI"?
a)
Um tipo de IA que colabora com humanos para criar arte.
b)
Um tipo de IA que é projetado para competir com outras IA em jogos.
c)
Um tipo de IA que cria automaticamente códigos-fonte para programas de software.
d)
Um tipo de IA que gera automaticamente dados de treinamento para outros modelos de IA.
20.
Quais são os principais desafios enfrentados ao implementar IA Generativa em ambientes do mundo real?
a)
Requisitos computacionais elevados e dificuldade em interpretar os resultados.
b)
Escassez de dados de treinamento e necessidade de hardware especializado.
c)
Falta de aplicativos práticos e custos elevados de implementação.
d)
Limitações éticas e preocupações com privacidade dos dados.
100 %
