Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.

CEBRASPE 51.363 questões FGV 25.316 questões FCC 24.632 questões AOCP 23.456 questões IBFC 11.190 questões VUNESP 10.983 questões Instituto Quadrix 9.793 questões FUNDATEC 9.088 questões IBADE 7.820 questões CESGRANRIO 6.013 questões OBJETIVA 4.740 questões CONSULPLAN 4.174 questões FEPESE 3.585 questões IADES 3.439 questões IESES 2.627 questões SELECON 2.377 questões IDECAN 1.907 questões MS CONCURSOS 1.485 questões Instituto Legalle 1.281 questões FAFIPA 1.161 questões FUMARC 842 questões ACAFE 551 questões INSTITUTO AOCP 430 questões NUCEPE 378 questões FUNIVERSA 348 questões FAURGS 203 questões FIOCRUZ 48 questões MACKENZIE 48 questões CETRO 17 questões

Encontre as questões que procura

Palavra-chave

Disciplina

Assunto

Tópico

Banca

Órgão

Ano

Cargo

Modalidade

Limpar filtros

30 questões encontradas

ID 205677 Tecnologia da Informação Inteligência Artificial INSTITUTO AOCP 2026

Um colaborador da CODERN está utilizando uma ferramenta de chat baseada em Inteligência Artificial Generativa (IAG) para auxiliar na extração de dados de relatórios portuários. No entanto, ele notou que a IAG está gerando respostas muito "criativas" e, por vezes, inventando informações que não estão no texto original. Para corrigir esse problema e tornar as respostas mais precisas, exatas e com enfoque somente nos dados reais, o colaborador precisa ajustar o parâmetro da IAG responsável por controlar o nível de aleatoriedade do texto gerado. Assinale a alternativa que apresenta corretamente o nome desse parâmetro e sua respectiva função.

A Tabela de Dados, que resume automaticamente os textos e dados técnicos inseridos no chat.

B Limite de Tokens, que restringe a inteligência artificial de usar termos estrangeiros no texto.

C Temperatura, que controla o grau de criatividade e a aleatoriedade das respostas geradas.

D Restrição da Resposta, que impede a geração de dados falsos e bloqueia invasões durante o uso do chat.

E Formatação da Saída, que automatiza a formatação e a padronização das respostas do relatório gerado.

ID 205675 Tecnologia da Informação Inteligência Artificial INSTITUTO AOCP 2026

A Engenharia de Prompt é uma disciplina essencial para interagir com eficiência com modelos de linguagem de Inteligência Artificial Generativa (IAG). Nesse contexto, o foco principal dessa prática é

A criar e otimizar as instruções fornecidas à IAG para guiar o modelo e obter respostas precisas e relevantes.

B desenvolver componentes físicos de hardware voltados para aumentar a velocidade de processamento da IAG.

C escrever códigos complexos em linguagem de máquina para alterar o sistema operacional no qual a IAG opera.

D configurar os protocolos de rede e os endereços IP dos roteadores para que a IAG consiga acessar a internet.

E proteger o computador do usuário instalando programas antivírus e firewalls específicos contra falhas da IAG.

ID 205493 Tecnologia da Informação Inteligência Artificial FGV 2026

O TCE-SC desenvolveu um modelo de IA para detectar fraudes em licitações. Durante o treinamento, o modelo apresentou 99% de acerto na base de dados histórica, mas, ao ser aplicado em dados novos de 2026, a precisão caiu para 55%.
Esse fenômeno técnico, no qual o modelo decora os dados de treinamento mas falha em generalizar para dados novos, é conhecido como

A Underfitting.

B Overfitting.

C Normalização de Dados.

D Aprendizado não supervisionado.

E Regressão Logística.

ID 187080 Tecnologia da Informação Inteligência Artificial CEBRASPE 2026

O tribunal de determinado estado realizou um processo de modernização digital para otimizar o atendimento ao público. O novo sistema utiliza inteligência artificial para identificar automaticamente o tipo de solicitação recebida, encaminhar o processo ao setor adequado e responder a dúvidas frequentes de forma interativa. Para isso, a equipe de TI implantou modelos de aprendizado de máquina supervisionado, integrados a módulos de processamento de linguagem natural (PLN), que permitem que o sistema compreenda textos em linguagem humana e aprimore continuamente suas respostas. Os dados de interação são armazenados em banco de dados em nuvem, e os modelos são atualizados periodicamente para melhorar a precisão.

O sistema descrito na situação hipotética precedente aplica

A estratégias de automação baseadas exclusivamente em scripts de lógica sequencial.

B métodos de simulação matemática estática voltados apenas à previsão numérica de séries temporais.

C técnicas de inteligência artificial baseadas em aprendizado de máquina e processamento de linguagem natural.

D procedimentos de mineração de dados para geração de relatórios de desempenho organizacional.

E algoritmos determinísticos convencionais, com respostas fixas e previsíveis a cada solicitação.

ID 186172 Tecnologia da Informação Inteligência Artificial CEBRASPE 2026

Certa startup brasileira desenvolveu uma aplicação de inteligência artificial para auxiliar a justiça federal na análise inicial de recursos jurídicos de baixo valor. O sistema opera como um agente inteligente que utiliza um extenso dataset de jurisprudências passadas para calcular a probabilidade de sucesso de novos recursos, com o objetivo de otimizar a triagem processual ao maximizar a taxa de acerto nas suas previsões. Em testes, a aplicação atingiu uma impressionante taxa de precisão de 98% na previsão de resultados. No entanto, uma auditoria de compliance ético revelou que o algoritmo apresentava um viés: os recursos originários de regiões com baixo índice de desenvolvimento humano (IDH) do Nordeste brasileiro eram sistematicamente classificados com menor probabilidade de sucesso, mesmo quando apresentavam mérito legal similar a casos de regiões mais desenvolvidas. A equipe técnica defendeu o sistema, alegando que ele era racional, pois maximizava consistentemente a métrica de acerto definida.

Considerando a natureza do sistema criado nessa situação hipotética e a distinção fundamental entre racionalidade e justiça em sistemas de IA, assinale a opção que apresenta corretamente a falha ética do sistema à luz dos conceitos básicos da inteligência artificial.

A O viés regional é uma prova incontestável de que o sistema é um exemplo de inteligência artificial simbólica, pois somente essa arquitetura, baseada em regras pré-codificadas, é capaz de manifestar discriminação explícita, ao contrário dos modelos conectivistas (redes neurais).

B A falha do sistema é uma evidência de que ele não pode ser classificado como um agente racional, pois, por definição, ele deve seguir a função de utilidade ideal de uma sociedade justa, o que exige que o sistema possua consciência e um senso moral.

C O sistema é um agente puramente reativo, e sua incapacidade de manter estados internos sobre a equidade do dataset é a causa direta do viés, o que demonstra a ineficácia dos sistemas de machine learning baseados em modelos.

D O sistema demonstra uma limitação da inteligência artificial forte, cuja alta taxa de acerto é incompatível com o viés, o que confirma que a singularidade tecnológica não será alcançada enquanto os sistemas de inteligência artificial não forem treinados apenas com dados totalmente neutros, sem histórico humano.

E A racionalidade técnica do sistema é mantida, pois ele maximiza sua função utilidade (taxa de acerto), mas o viés detectado reside na definição dessa utilidade ou na qualidade dos dados de treinamento, o que o caracteriza como um sistema racionalmente tendencioso, mas não irracional.

ID 181157 Tecnologia da Informação Inteligência Artificial FCC 2026

Durante o desenvolvimento de um chatbot interno no Ministério Público, a equipe de TI percebeu que as respostas da IA, embora corretas, eram genéricas e pouco adaptadas ao contexto jurídico da instituição. O objetivo passou a ser obter respostas mais detalhadas, com terminologia adequada e foco nas normas e procedimentos internos O técnico responsável foi orientado a revisar a formulação das instruções dadas ao modelo, ajustando a forma e a estrutura dos comandos textuais. Para isso, O técnico deve fazer

A a aplicação de técnicas de prompt-engineering , definindo papéis, contexto e exemplos explícitos na instrução.

B uso de mecanismos e filtros de moderação de conteúdo para restringir a saída do modelo a temas jurídicos.

C o refinamento de clusters do modelo de linguagem para aumentar a precisão estatística das respostas.

D a expansão do conjunto de treinamento com documentos públicos e decisões judiciais disponíveis em bases abertas.

E a implementação de um pipeline de aprendizado de esforço com a curadoria de promotores e procuradores.

ID 180961 Tecnologia da Informação Inteligência Artificial FCC 2026

O viés de automação da Inteligência Artificial (IA) generativa consiste em:

A tendência de confiar nas decisões automatizadas da IA como sendo sempre precisas ou imparciais.

B quando a IA falha em interpretar ou aplicar os dados corretamente em contextos diferentes daquele em que foi treinada.

C grupos sub-representados ou excluídos do conjunto de dados acabam sendo ignorados ou mal interpretados pela IA.

D dados de treinamento que não representam adequadamente a diversidade podem fazer com que o modelo funcione bem para alguns grupos, mas mal para outros.

E dados usados no treinamento não são suficientemente aleatórios ou representativos, resultando em uma amostra enviesada.

ID 180571 Tecnologia da Informação Inteligência Artificial FCC 2026

Uma Secretaria da Fazenda está implementando um Sistema de Detecção e Resposta de Endpoint (EDR) de última geração que utiliza modelos de Inteligência Artificial (IA) para identificar ameaças. Durante uma reunião técnica, surgiu a discussão sobre como esses modelos são desenvolvidos e aplicados na proteção contra malware desconhecido. Nesse contexto, um dos especialistas em segurança afirmou que os modelos de IA

A utilizam bancos de dados de assinaturas hash (MDS, SHA-256) de malwares conhecidos, e a eficácia depende da velocidade com que novas assinaturas são adicionadas pelo fabricante após a descoberta de uma ameaça.

B funcionam como mecanismos de whitelisting aplicativo estrito, em que apenas processos e arquivos previamente aprovados e catalogados em uma lista branca central podem ser executados, bloqueando qualquer comportamento novo ou não catalogado por padrão.

C atuam principalmente como um sistema de correlação de logs avançados, agregando eventos de diferentes fontes (SIEM, firewall , DS) e aplicando regras do tipo if-then-else predefinidas por analistas para gerar alertas.

D são treinados com grandes conjuntos de dados para aprender padrões intrínsecos e, após implantados, podem identificar ameaças do tipo zero-day ao detectar desvios significativos desses padrões aprendidos ou similaridades comportamentais.

E são inerentes ao hardware especializado (como GPUs) em que elas são executadas, sendo que a troca do endpoint por um modelo com CPU menos potente invalidaria completamente a proteção, independentemente da qualidade do modelo treinado.

ID 180569 Tecnologia da Informação Inteligência Artificial FCC 2026

Um órgão público implementou um sistema contendo Inteligência Artificial para auxiliar na análise de concessão de benefícios sociais. Após a implantação, surgiram questionamentos de cidadãos sobre os critérios utilizados pelo sistema para indeferir solicitações, bem como preocupações relacionadas à proteção de dados pessoais e à possibilidade de discriminação indireta. À luz dos princípios básicos de uso responsável de IA, a conduta tecnicamente condizente para o órgão público é

A utilizar dados públicos abertos, eliminando a necessidade de preocupação relacionada com a privacidade ou vieses no sistema.

B substituir a análise humana pelas decisões automatizadas do modelo, evitando situações de interferência subjetiva durante o processo.

C manter o modelo em sigilo para preservar a segurança do algoritmo e evitar que os cidadãos questionem as decisões automatizadas.

D disponibilizar explicações compreensíveis sobre os critérios de decisão do sistema e adotar medidas de proteção de dados pessoais.

E permitir acesso ao código-fonte do modelo e aos dados pessoais utilizados no treinamento, garantindo transparência operacional.

ID 125032 Tecnologia da Informação Inteligência Artificial CEBRASPE 2026

Assinale a opção correta acerca de aspectos relativos à IA.

A A alucinação, no contexto de modelos de linguagem, caracteriza-se pela geração de informações incorretas ou improcedentes apresentadas com aparência de verdade pelo sistema.

B É possível resumir o texto de documento sigiloso por meio de ferramentas de IA generativa, sendo recomendável, nesse caso, inseri-lo integralmente em plataformas públicas e gratuitas disponíveis na Internet, as quais, por padrão, garantem a confidencialidade das informações fornecidas.

C Os modelos de linguagem de grande porte (LLMs) são os melhores para a elaboração de resumos e análises de textos jurídicos, por serem imunes a erros factuais, já que geram conteúdo com base em consultas em tempo real a bancos de dados verificados e atualizados.

D O aprendizado de máquina (machine learning) exige que todas as regras de decisão do sistema sejam previamente programadas, de forma explícita, por um ser humano, sem qualquer processo de treinamento a partir de dados.