Quiz: Como a IA Generativa Funciona
Teste seu conhecimento sobre redes neurais, transformers e o processo de treinamento.
30 perguntas - Clique em cada pergunta para revelar a resposta correta.
Pergunta 1
Por que as redes neurais são inspiradas?
A) Circuitos de computador
B) O cérebro humano
C) A internet
D) Mecânica quântica
Mostrar resposta
Resposta correta: B
Redes neurais são sistemas computacionais vagamente inspirados no cérebro humano, com nós interconectados (neurônios) que processam informações por meio de conexões ponderadas.
Pergunta 2
Quais são os três tipos de camadas em uma rede neural?
A) Primeira, intermediária, última
B) Entrada, oculta, saída
C) Início, processo, fim
D) Dados, computação, resultado
Mostrar resposta
Resposta correta: B
Redes neurais possuem camadas de entrada (recebem dados), camadas ocultas (processam dados) e camadas de saída (produzem resultados).
Pergunta 3
O que torna uma rede neural "profunda"?
A) Está enterrada no subsolo
B) Possui muitas camadas ocultas
C) Usa dados profundos
D) Pensa profundamente
Mostrar resposta
Resposta correta: B
Uma rede neural é chamada de "profunda" quando possui muitas camadas ocultas. O treinamento dessas redes é chamado de "deep learning" (aprendizado profundo).
Pergunta 4
O que o mecanismo de atenção faz nos transformers?
A) Faz a IA prestar atenção aos usuários
B) Permite que cada elemento se relacione com todos os outros
C) Filtra dados irrelevantes
D) Acelera o processamento
Mostrar resposta
Resposta correta: B
O mecanismo de atenção permite que cada elemento da entrada "preste atenção" (relacione-se) a todos os outros elementos, possibilitando que o modelo compreenda relações independentemente da posição.
Pergunta 5
Qual foi o artigo-chave que introduziu a arquitetura Transformer?
A) "The Deep Learning Revolution"
B) "Attention Is All You Need"
C) "Transformers: More Than Meets the Eye"
D) "Neural Networks Unleashed"
Mostrar resposta
Resposta correta: B
O artigo de 2017 "Attention Is All You Need" de pesquisadores do Google introduziu a arquitetura Transformer que impulsiona todos os grandes modelos de linguagem modernos.
Pergunta 6
O que são parâmetros em uma rede neural?
A) Configurações do usuário
B) Pesos e vieses ajustáveis que armazenam o aprendizado
C) Controles de velocidade
D) Entradas de dados
Mostrar resposta
Resposta correta: B
Parâmetros são os números ajustáveis (pesos e vieses) em uma rede neural que são modificados durante o treinamento. Eles representam o que o modelo aprendeu.
Pergunta 7
Aproximadamente quantos parâmetros o GPT-3 possui?
A) 1 milhão
B) 175 milhões
C) 175 bilhões
D) 1,75 trilhão
Mostrar resposta
Resposta correta: C
O GPT-3 possui aproximadamente 175 bilhões de parâmetros, o que representou um grande aumento em relação aos modelos anteriores.
Pergunta 8
Qual é a principal tarefa usada no pré-treinamento de modelos de linguagem?
A) Tradução
B) Previsão da próxima palavra
C) Resposta a perguntas
D) Reconhecimento de imagens
Mostrar resposta
Resposta correta: B
O pré-treinamento utiliza a previsão da próxima palavra—o modelo aprende a prever qual palavra vem a seguir em uma sequência. Essa tarefa simples ensina gramática, fatos e padrões de raciocínio.
Pergunta 9
O que é RLHF?
A) Real-time Learning and Handling Framework
B) Reinforcement Learning from Human Feedback
C) Recursive Language Helper Function
D) Random Learning and High Fidelity
Mostrar resposta
Resposta correta: B
RLHF significa Reinforcement Learning from Human Feedback—uma técnica em que preferências humanas orientam o modelo para respostas melhores e mais alinhadas.
Pergunta 10
O que é um token em modelos transformer?
A) Uma moeda para IA
B) Um pedaço de texto (palavra, parte de palavra ou caractere)
C) Um sinal de recompensa
D) Um tipo de camada
Mostrar resposta
Resposta correta: B
Um token é um pedaço de texto que o modelo processa—geralmente uma palavra comum, parte de uma palavra ou um sinal de pontuação. "ChatGPT" pode ser dividido em vários tokens.
Pergunta 11
O que é uma janela de contexto?
A) Um display visual
B) O máximo de texto que um modelo pode processar de uma vez
C) Um tipo de atenção
D) Tamanho do conjunto de treinamento
Mostrar resposta
Resposta correta: B
A janela de contexto é a quantidade máxima de texto (em tokens) que um transformer pode processar de uma vez. Janelas de contexto maiores permitem processar documentos mais longos.
Pergunta 12
Por que o encoding posicional é necessário em transformers?
A) Para tornar o processamento mais rápido
B) Porque a atenção processa todas as posições simultaneamente
C) Para reduzir o uso de memória
D) Para conectar a bancos de dados externos
Mostrar resposta
Resposta correta: B
Como a atenção processa todos os tokens simultaneamente (diferente do processamento sequencial), o encoding posicional adiciona informações sobre a ordem das palavras para que o modelo saiba que "Cachorro morde homem" é diferente de "Homem morde cachorro".
Pergunta 13
O que é fine-tuning?
A) Ajustar configurações de exibição
B) Adaptar um modelo pré-treinado para tarefas específicas
C) Tornar o modelo menor
D) Corrigir bugs no código
Mostrar resposta
Resposta correta: B
Fine-tuning é o processo de adaptar um modelo pré-treinado para tarefas ou comportamentos específicos, treinando em um conjunto de dados selecionado relevante para a aplicação desejada.
Pergunta 14
Que problema os transformers resolveram em relação aos RNNs?
A) Usam menos memória
B) Podem processar todas as palavras simultaneamente
C) Não precisam de treinamento
D) Só funcionam com imagens
Mostrar resposta
Resposta correta: B
Transformers podem processar toda a entrada simultaneamente (processamento paralelo), enquanto RNNs precisavam processar sequencialmente (uma palavra por vez), tornando-os mais lentos e fazendo com que "esquecessem" contextos distantes.
Pergunta 15
O que o backpropagation faz?
A) Faz backup dos dados
B) Propaga erros de volta pela rede para ajustar os pesos
C) Move dados para trás nas camadas
D) Reverte as previsões do modelo
Mostrar resposta
Resposta correta: B
O backpropagation calcula quanto cada peso contribuiu para o erro e os ajusta de acordo, propagando o sinal de erro para trás pela rede.
Pergunta 16
O que é overfitting?
A) Quando o modelo é muito grande
B) Quando o modelo memoriza os dados de treinamento em vez de aprender padrões
C) Quando o treinamento demora demais
D) Quando o modelo usa muita memória
Mostrar resposta
Resposta correta: B
Overfitting ocorre quando um modelo memoriza exemplos específicos do treinamento em vez de aprender padrões gerais, resultando em baixo desempenho em novos dados.
Pergunta 17
Qual tipo de transformer é o GPT (usado no ChatGPT)?
A) Apenas codificador
B) Apenas decodificador
C) Codificador-decodificador
D) Multi-codificador
Mostrar resposta
Resposta correta: B
GPT (Generative Pre-trained Transformer) é um modelo apenas decodificador, otimizado para gerar texto palavra por palavra.
Pergunta 18
O que é uma habilidade emergente em IA?
A) Uma habilidade que aparece de repente em certos escalas
B) Um recurso de emergência
C) Uma capacidade básica
D) Uma habilidade que surge durante a inferência
Mostrar resposta
Resposta correta: A
Habilidades emergentes são capacidades que aparecem de repente quando os modelos atingem certos tamanhos—como aritmética ou raciocínio—que não foram treinadas explicitamente.
Pergunta 19
O que é multi-head attention?
A) Uma IA com várias telas
B) Múltiplos mecanismos de atenção rodando em paralelo
C) Atenção para vários idiomas
D) Interface de display montada na cabeça
Mostrar resposta
Resposta correta: B
Multi-head attention executa vários mecanismos de atenção em paralelo, cada um focando em diferentes aspectos das relações nos dados.
Pergunta 20
Por que o RLHF é importante?
A) Torna o treinamento mais rápido
B) Alinha o comportamento do modelo com as preferências humanas
C) Reduz o tamanho do modelo
D) Melhora a qualidade da imagem
Mostrar resposta
Resposta correta: B
O RLHF alinha o comportamento do modelo com as preferências humanas, tornando as respostas mais úteis, menos prejudiciais e mais adequadas às necessidades do usuário.
Pergunta 21
O que é a taxa de aprendizado no treinamento?
A) Quão rápido a IA aprende fatos
B) O tamanho de cada ajuste dos pesos
C) A velocidade do processamento de dados
D) Tempo para treinar uma época
Mostrar resposta
Resposta correta: B
A taxa de aprendizado determina o tamanho de cada ajuste nos pesos durante o treinamento. Muito alta = instável; muito baixa = muito lento.
Pergunta 22
Que tipo de rede neural é excelente para processamento de imagens?
A) Recurrent Neural Network (RNN)
B) Convolutional Neural Network (CNN)
C) Feedforward Network
D) Transformer
Mostrar resposta
Resposta correta: B
Convolutional Neural Networks (CNNs) são especializadas em processamento de imagens, usando filtros para detectar características como bordas, formas e padrões.
Pergunta 23
Qual é o propósito de uma função de ativação?
A) Ativar o computador
B) Introduzir não-linearidade para que as redes possam aprender padrões complexos
C) Acelerar o processamento
D) Conectar à internet
Mostrar resposta
Resposta correta: B
Funções de ativação introduzem não-linearidade, permitindo que redes neurais aprendam padrões complexos e não-lineares. Sem elas, as redes só poderiam aprender relações lineares simples.
Pergunta 24
Aproximadamente quanto custou o treinamento do GPT-4?
A) $100.000
B) $1 milhão
C) Mais de $100 milhões
D) $10 bilhões
Mostrar resposta
Resposta correta: C
O treinamento do GPT-4 teria custado mais de $100 milhões, refletindo os enormes recursos computacionais necessários.
Pergunta 25
O que é instruction fine-tuning?
A) Fine-tuning baseado em instruções do usuário
B) Treinar o modelo para seguir instruções corretamente
C) Escrever instruções para o modelo
D) Ajuste manual dos pesos
Mostrar resposta
Resposta correta: B
Instruction fine-tuning treina o modelo para seguir corretamente as instruções do usuário, convertendo um modelo base em um assistente útil que responde adequadamente aos prompts.
Pergunta 26
O que a função de perda (loss function) mede?
A) Quanto dado é perdido
B) O quão erradas estão as previsões do modelo
C) Quão rápido o modelo aprende
D) Uso de memória
Mostrar resposta
Resposta correta: B
A função de perda mede o quão erradas estão as previsões do modelo em relação às respostas corretas. O objetivo do treinamento é minimizar essa perda.
Pergunta 27
O que é gradient descent?
A) Um tipo de rede neural
B) O método de ajustar pesos movendo-se na direção que reduz o erro
C) Uma forma de compactar dados
D) Um conjunto de dados de treinamento
Mostrar resposta
Resposta correta: B
Gradient descent é um método de otimização que ajusta os pesos movendo-se na direção que reduz o erro, como descer uma colina para encontrar o ponto mais baixo.
Pergunta 28
O que são Q, K e V na atenção?
A) Quality, Knowledge, Value
B) Query, Key, Value
C) Quantum, Kinetic, Vector
D) Question, Keyword, Variable
Mostrar resposta
Resposta correta: B
Nos mecanismos de atenção, Q (Query) representa o que estamos procurando, K (Key) representa o que cada elemento contém e V (Value) representa a informação a ser usada.
Pergunta 29
O que é Constitutional AI?
A) IA que segue a lei
B) Uma abordagem em que a IA se autoavalia usando princípios definidos
C) IA regulada pelo governo
D) IA baseada em documentos constitucionais
Mostrar resposta
Resposta correta: B
Constitutional AI (desenvolvida pela Anthropic) é uma abordagem de treinamento em que a IA é treinada para criticar suas próprias respostas de acordo com um conjunto de princípios definidos.
Pergunta 30
Por que a qualidade dos dados é importante no treinamento de IA?
A) Afeta os custos de armazenamento
B) Dados tendenciosos ou incorretos levam a modelos tendenciosos ou incorretos
C) Determina a velocidade de processamento
D) Na verdade, não é importante
Mostrar resposta
Resposta correta: B
A qualidade dos dados é crucial porque "lixo entra, lixo sai"—dados de treinamento tendenciosos, incorretos ou limitados resultam em um modelo que gera saídas tendenciosas, incorretas ou limitadas.
Resultados
| Pontuação | Nível |
|---|---|
| 27-30 | Excelente - Forte compreensão da mecânica da IA |
| 21-26 | Bom - Uma revisão pode ser útil |
| 15-20 | Médio - Revise os capítulos novamente |
| Abaixo de 15 | Necessita de revisão abrangente |