Ainda no exemplo da IA para classificar “Plástico”, “Metal” e “Vidro”, qual das opções abaixo descreve vieses em seus dados?

Alternativa C

A questão aborda o conceito fundamental de viés (bias) no contexto de Inteligência Artificial e Ciência de Dados.

O Conceito de Viés em IA

No treinamento de modelos de aprendizado de máquina, o viés refere-se a tendências sistemáticas ou distorções presentes nos dados de treinamento. Isso ocorre quando a amostra não representa adequadamente a realidade que o modelo deve prever.

• Origem: Geralmente vem da coleta de dados incompleta ou preconceituosa.
• Consequência: O modelo aprende padrões incorretos ou injustos.
• Impacto: Pode levar a falhas na precisão técnica e gerar impactos negativos na sociedade (discriminação, exclusão, etc.).

Análise das Alternativas

• Alternativa A: Incorreta. Define o domínio ou escopo do projeto, não o viés.
• Alternativa B: Incorreta. Refere-se aos modelos matemáticos em si, enquanto o viés é uma característica dos dados ou do processo de aprendizado.
• Alternativa C: Correta. Descreve com precisão que os vieses são distorções nos dados que afetam o modelo, podendo gerar consequências éticas e sociais. Por exemplo, se o conjunto de dados tiver muitas fotos de garrafas de vidro e poucas de janelas, a IA terá viés contra "vidro" genérico.
• Alternativa D: Incorreta. Confunde viés com um bug ou erro técnico no código. O viés é estatístico e representacional, não necessariamente um erro de programação.

Em resumo, o viés é uma falha de representação nos dados que compromete a justiça e a eficácia do sistema de IA.