Em um treinamento sobre IA no Direito, um instrutor explicou que, no aprendizado supervisionado, o sistema recebe dados rotulados, enquanto no não supervisionado identifica padrões sem rótulos. Qual exemplo corresponde ao aprendizado supervisionado?

Alternativa B - Classificar ações judiciais como procedentes ou improcedentes com base em decisões anteriores.

Introdução

A questão aborda os fundamentos dos tipos de aprendizado de máquina (Machine Learning) aplicados ao contexto jurídico. Para responder corretamente, é necessário distinguir as características do aprendizado supervisionado em relação às outras modalidades mencionadas no enunciado.

Desenvolvimento

O aprendizado supervisionado ocorre quando um algoritmo é treinado utilizando um conjunto de dados que inclui tanto as entradas quanto as saídas desejadas (rótulos). O objetivo é que o sistema aprenda a mapear entradas para saídas corretas baseando-se em exemplos históricos.

No contexto da alternativa B:

• Entrada: Os dados das ações judiciais (fatos, argumentos, provas).
• Saída/Rótulo: A decisão judicial (procedente ou improcedente).
• Treinamento: O sistema analisa "decisões anteriores" para aprender qual padrão leva a qual resultado. Como existem resultados conhecidos (rotulados) usados para ensinar o modelo, trata-se de aprendizado supervisionado.

Para melhor visualização, veja a comparação entre as opções:

As alternativas A e E descrevem explicitamente cenários "sem rótulos", caracterizando o aprendizado não supervisionado. A alternativa D refere-se ao aprendizado por reforço, focado em feedback contínuo através de tentativas, e não necessariamente em um dataset rotulado estático.

Conclusão

A alternativa correta é a B, pois descreve um cenário clássico de classificação binária (procedente/improcedente) utilizando dados históricos rotulados, que é a essência do aprendizado supervisionado.