Questão de Tecnologia da Informação · FGV STN 2024 (nº 7)

Aprendizado Federado é uma técnica de inteligência artificial onde vários dispositivos, como celulares ou sensores de IoT, treinam um modelo de IA usando seus próprios dados locais, sem nunca enviar esses dados para um servidor central. Em vez disso, eles enviam apenas as "lições aprendidas" (atualizações do modelo) para um servidor que as combina para criar um modelo global melhor, mantendo a privacidade dos dados originais.

• (A) Correta: O Aprendizado Federado (Federated Learning) é exatamente a técnica descrita: permite que múltiplos dispositivos distribuídos colaborem no treinamento de um modelo de IA, mantendo os dados sensíveis armazenados localmente em cada dispositivo, garantindo a privacidade.
• (B) Incorreta: O Aprendizado Colaborativo é um termo mais amplo que descreve qualquer cenário onde múltiplos agentes ou sistemas trabalham juntos para aprender. Embora o Aprendizado Federado seja uma forma de aprendizado colaborativo, o termo "colaborativo" por si só não especifica a característica crucial de manter os dados sensíveis localmente, que é o cerne da pergunta. A pegadinha aqui é que soa correto porque há colaboração, mas não captura a especificidade da privacidade local dos dados.
• (C) Incorreta: O Aprendizado Remoto refere-se a qualquer processo de aprendizado que ocorre à distância, sem contato físico direto. Não é uma técnica específica de IA para treinamento distribuído com privacidade de dados.
• (D) Incorreta: O Aprendizado Supervisionado é um paradigma de aprendizado de máquina onde o modelo é treinado usando dados rotulados (pares de entrada e saída esperada). É um tipo de aprendizado, não uma metodologia para distribuir o treinamento mantendo a privacidade dos dados.
• (E) Incorreta: O Aprendizado por Reforço é um paradigma de aprendizado de máquina onde um agente aprende a tomar decisões em um ambiente para maximizar uma recompensa. Assim como o supervisionado, é um tipo de aprendizado, não uma técnica para treinamento distribuído e privacidade de dados.