Alternativa D - Apenas as afirmativas I, II, III e V estão corretas.
Análise Detalhada
Para responder corretamente, é necessário compreender as características fundamentais do Paradigma Conexionista, popularmente conhecido como Redes Neurais Artificiais.
Características Principais:
- Processamento Paralelo e Distribuído (Afirmativa I):
- Diferente dos computadores tradicionais que processam instruções sequencialmente, as redes neurais utilizam milhares de unidades simples (neurônios artificiais) trabalhando simultaneamente.
- O conhecimento não fica armazenado em um único lugar, mas sim distribuído pelos pesos das conexões entre as neurônios.
- Capacidade de Generalização (Afirmativa II):
- Esta é uma das maiores vantagens. Após aprender com exemplos (dados de treinamento), a rede consegue identificar padrões e aplicar esse aprendizado em situações novas, nunca vistas anteriormente.
- Natureza Subsimbólica (Afirmativa III):
- O paradigma conexionista é oposto ao paradigma simbólico (baseado em regras lógicas explícitas).
- Nele, o conhecimento não é representado por símbolos ou linguagens formais, mas por valores numéricos (pesos) que representam associações estatísticas. Por isso, lidam com conhecimento não simbolicamente representado.
- Aprendizado por Associação (Afirmativa V):
- Inspirado no comportamento biológico, o aprendizado ocorre através de ajustes nos pesos das conexões baseado na relação entre estímulos (entradas) e respostas (saídas). Se a resposta estiver errada, os pesos são ajustados para minimizar o erro na próxima vez.
Por que a afirmativa IV foi desconsiderada?
- IV - São algoritmos de otimização: Embora o processo de treinamento de uma rede neural envolva algoritmos de otimização (como o Backpropagation ou Gradiente Descendente) para minimizar erros, classificar o paradigma inteiro apenas como "algoritmo de otimização" é incorreto.
- A Rede Neural é a arquitetura ou modelo, enquanto a otimização é a ferramenta matemática usada para ensinar esse modelo. A definição do paradigma vai além da mera otimização, abrangendo a estrutura de processamento paralelo e a natureza subsimbólica.
Resumo Comparativo
| Afirmativa | Status | Justificativa |
|---|
| I | ✅ Correta | Processamento massivamente paralelo e distribuição de memória. |
| II | ✅ Correta | Capacidade de inferir padrões novos a partir do treinado. |
| III | ✅ Correta | Natureza subsimbólica (valores numéricos vs. regras lógicas). |
| IV | ❌ Incorreta | Otimização é parte do treinamento, não define o paradigma completo. |
| V | ✅ Correta | Baseada no condicionamento e ajuste de pesos (estímulo-resposta). |
Portanto, as afirmativas I, II, III e V descrevem corretamente as características do paradigma conexionista.