Questões sobre Inteligência Artificial e Automação

No que se refere à inteligência artificial aplicada ao manejo florestal, julgue o item subsequente.

No manejo florestal por meio de machine learning, os métodos supervisionados são amplamente utilizados para prever variações, como crescimento das árvores, a partir de dados rotulados provenientes de sensores e inventários florestais; enquanto os métodos não supervisionados são aplicados para identificar padrões e agrupar áreas com características especificas, como tipos de vegetação, grau de intervenção ou diferentes estágios de crescimento da floresta. 

O plano diretor da Embrapa 2024–2030 inclui, entre suas metas, a geração de conhecimento, tecnologias e informação para o enfrentamento e a mitigação das mudanças do clima, para o uso racional dos recursos naturais dos biomas brasileiros e para uma agricultura sustentável de futuro. A pesquisa nestas linhas de ação exige a aquisição e o processamento de um volume grande de variáveis e dados, o que hoje pode ser viabilizado por ferramentas como a computação quântica, a inteligência artificial, incluindo machine learning e deep learning, Big Data, blockchain, visão computacional, robótica e automação, o que se reflete em outro compromisso para a produção de massa crítica e domínio em tecnologias emergentes e disruptivas que permitam atingir os objetivos citados. Considerando o assunto tratado no texto precedente, julgue o item seguinte. 

No emprego das redes neurais convolucionais, aplicadas à visão computacional, os módulos iniciais conseguem identificar linhas e bordas dos objetos, os módulos seguintes organizam esses padrões em texturas e estruturas simples como triângulos e manchas, os quais se combinam então em outras estruturas como partes de folhas, galhos e bagas, e finalmente, os últimos módulos combinam esses elementos em objetos de interesse, como uma planta, um fruto ou um animal.  

O plano diretor da Embrapa 2024–2030 inclui, entre suas metas, a geração de conhecimento, tecnologias e informação para o enfrentamento e a mitigação das mudanças do clima, para o uso racional dos recursos naturais dos biomas brasileiros e para uma agricultura sustentável de futuro. A pesquisa nestas linhas de ação exige a aquisição e o processamento de um volume grande de variáveis e dados, o que hoje pode ser viabilizado por ferramentas como a computação quântica, a inteligência artificial, incluindo machine learning e deep learning, Big Data, blockchain, visão computacional, robótica e automação, o que se reflete em outro compromisso para a produção de massa crítica e domínio em tecnologias emergentes e disruptivas que permitam atingir os objetivos citados. Considerando o assunto tratado no texto precedente, julgue o item seguinte. 

No contexto da agricultura digital envolvendo diferentes processos biológicos, as aplicações da computação quântica podem ser agrupadas em áreas como bioinformática, sensoriamento remoto, modelagem climática e agricultura inteligente.

Considerando que, na chamada Indústria 4.0, diversas tecnologias digitais são integradas nos ambientes e equipamentos de produção, julgue o item subsequente, a respeito de métodos e técnicas empregadas nessa nova abordagem.  

Deep learning é um tipo de aprendizado de máquina que se baseia no uso de redes neurais de uma única camada. 

Julgue o item a seguir, em relação a técnicas de agrupamento, a técnicas de redução de dimensionalidade, e a processamento de linguagem natural.

Nos algoritmos aglomerativos, ocorre primeiramente a classificação de cada objeto em um grupo e, então, combinam-se os grupos com base em suas proximidades, processo repetido até que exista um cluster, que inclua todos os objetos; já nos algoritmos divisivos, todos os pontos são inicialmente considerados como grupo único, subdividido sucessivamente até que alguma regra de parada seja satisfeita.