Em um projeto escolar de Computação, estudantes desenvolveram um modelo para identificar espécies marinhas em fotografias. Inicialmente, o conjunto de treinamento continha apenas imagens feitas em águas rasas, claras e com boa iluminação. Quando o modelo foi usado em fotografias de águas profundas, turvas e com diferentes ângulos, seus erros aumentaram. Após incluírem imagens variadas, os estudantes observaram resultados mais consistentes em situações que não apareciam no treinamento inicial. Com base no texto, qual é a principal razão computacional para utilizar dados variados no treinamento de um modelo de inteligência artificial?
- A) A diversidade do conjunto de treinamento aumenta somente o espaço ocupado pelos arquivos armazenados.
- B) A diversidade do conjunto de treinamento permite dispensar a identificação das categorias presentes nas imagens.
- C) A diversidade do conjunto de treinamento elimina a necessidade de testar o modelo em situações diferentes.
- D) A diversidade do conjunto de treinamento reduz vieses e melhora a generalização do modelo para novos contextos.
- E) A diversidade do conjunto de treinamento garante que o modelo nunca cometerá erros durante seu uso.
📖 Análise pedagógica e resolução comentada
Generalização em inteligência artificial
Relacione a variedade dos dados à capacidade de o modelo funcionar bem em situações novas.
O conjunto inicial representava apenas condições muito específicas, o que fazia o modelo apresentar mais erros diante de imagens diferentes. A inclusão de exemplos variados permite que o modelo identifique padrões relevantes em vez de depender de características particulares das imagens de treinamento, melhorando sua generalização e reduzindo vieses.
Revise como dados variados reduzem vieses e favorecem a generalização de modelos de inteligência artificial.