Atualizado em 25 de setembro de 2026.
A inteligência artificial entrou de vez nos editais de Informática. Muitos concursos de 2025 e 2026 passaram a incluir tópicos como aprendizado de máquina, IA generativa, big data e aspectos éticos e legais do uso dessas tecnologias. As questões costumam ser conceituais: pedem a diferença entre tipos de aprendizado, o significado de termos como alucinação e viés, ou a relação da IA com a proteção de dados. Este guia trata da IA como conteúdo de prova; o uso da IA como ferramenta de estudo está no guia de prompts de IA para estudar.
Como a área evolui rápido, o foco aqui está nos conceitos estáveis, e não em produtos específicos. A proteção de dados pessoais está no guia de LGPD.
O que é inteligência artificial
Inteligência artificial é o campo da computação que desenvolve sistemas capazes de executar tarefas que normalmente exigiriam inteligência humana, como reconhecer imagens e falas, compreender e produzir textos, tomar decisões e fazer previsões a partir de dados. A doutrina costuma distinguir a IA restrita, ou fraca, voltada a tarefas específicas, como todos os sistemas existentes hoje, da IA geral, ou forte, hipotética, que teria capacidade cognitiva ampla comparável à humana. O teste de Turing, proposto em 1950, é uma referência histórica: uma máquina passaria no teste se um avaliador não conseguisse distingui-la de um humano em uma conversa.
Aprendizado de máquina
O aprendizado de máquina, ou machine learning, é o ramo da IA em que os sistemas aprendem padrões a partir de dados, em vez de seguir apenas regras programadas explicitamente.
| Tipo | Como aprende | Exemplos de uso |
|---|---|---|
| Supervisionado | Com dados rotulados, em que a resposta correta é conhecida | Classificação de e-mails como spam, previsão de preços, diagnóstico por imagem |
| Não supervisionado | Com dados sem rótulos, buscando padrões e agrupamentos | Segmentação de clientes, detecção de anomalias |
| Por reforço | Por tentativa e erro, recebendo recompensas ou penalidades | Jogos, robótica, sistemas de recomendação dinâmicos |
No aprendizado supervisionado, as tarefas mais comuns são a classificação, que prevê categorias, como aprovado ou reprovado, e a regressão, que prevê valores numéricos, como o preço de um imóvel. No não supervisionado, a tarefa típica é o agrupamento, ou clustering.
Redes neurais e aprendizado profundo
As redes neurais artificiais são modelos inspirados de forma simplificada no funcionamento dos neurônios, formados por camadas de unidades interligadas que processam os dados. O aprendizado profundo, ou deep learning, usa redes com muitas camadas e é a base dos avanços recentes em reconhecimento de imagem, de voz e em processamento de linguagem natural. Uma forma de visualizar a relação entre os conceitos é pensar em círculos concêntricos: a IA é o campo mais amplo; o aprendizado de máquina está dentro dela; e o aprendizado profundo está dentro do aprendizado de máquina.
IA generativa e modelos de linguagem
- IA generativa é a que cria conteúdo novo, como textos, imagens, áudios, vídeos e códigos, a partir de padrões aprendidos em grandes volumes de dados.
- Os grandes modelos de linguagem, os LLMs, são treinados com enormes quantidades de texto para prever a continuação mais provável de uma sequência, o que lhes permite responder perguntas, resumir, traduzir e redigir.
- O prompt é a instrução ou pergunta dada ao modelo. Prompts claros e com contexto tendem a produzir respostas melhores.
- O processamento de linguagem natural, o PLN, é a área que trata da compreensão e da geração de linguagem humana pelos computadores; a visão computacional trata da interpretação de imagens e vídeos.
Alucinação, vieses e outros riscos
- Alucinação: resposta com aparência convincente, mas falsa ou sem base nos dados, como uma citação, um número ou uma lei inventados. Por isso, conteúdos gerados por IA precisam ser conferidos em fontes confiáveis.
- Viés algorítmico: quando os dados de treinamento refletem distorções ou discriminações, o sistema pode reproduzi-las em suas decisões, por exemplo, na análise de crédito ou na seleção de candidatos.
- Opacidade: muitos modelos funcionam como caixas-pretas, e por isso se fala em explicabilidade, a capacidade de explicar como uma decisão foi tomada.
- Deepfakes: conteúdos falsos, como vídeos e áudios, criados com IA para imitar pessoas reais, com riscos de fraude e desinformação.
- Privacidade e segurança: o envio de dados pessoais ou sigilosos a ferramentas de IA exige cuidado, tema que se liga à segurança da informação.
Big data
Big data designa conjuntos de dados tão grandes e complexos que exigem tecnologias especiais para armazenamento e análise. É frequentemente descrito pelos Vs: volume, a grande quantidade de dados; velocidade, a rapidez com que são gerados e processados; variedade, a diversidade de formatos, estruturados e não estruturados; e, em versões ampliadas, veracidade, a confiabilidade, e valor, a utilidade para as decisões. O big data é a matéria-prima de muitos sistemas de IA.
Ética, LGPD e regulação
A LGPD garante ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, como decisões de crédito e de perfil. Quanto a uma lei geral de IA, o PL 2.338/2023, conhecido como marco legal da inteligência artificial, foi aprovado pelo Senado em dezembro de 2024 e, em setembro de 2026, aguardava parecer do relator na comissão especial da Câmara dos Deputados, com a votação adiada para depois das eleições de outubro. O texto segue um modelo de regulação por níveis de risco, com mais obrigações para os sistemas de alto risco. Enquanto não for aprovado e sancionado, não há lei geral de IA em vigor no Brasil.
IA no serviço público
Órgãos públicos já usam IA em tarefas como triagem de processos, atendimento automatizado ao cidadão, detecção de fraudes e análise de grandes bases de dados. Nesse contexto, os princípios da administração pública, como a legalidade, a impessoalidade e a publicidade, se somam às exigências de transparência, proteção de dados e supervisão humana das decisões automatizadas, que dialogam com o guia de princípios da administração pública.
Exemplos para fixar
- Um sistema treinado com milhares de fotos de radiografias já classificadas por médicos aprende a identificar doenças: aprendizado supervisionado, tarefa de classificação.
- Um banco usa um algoritmo para descobrir grupos de clientes com hábitos parecidos, sem categorias definidas antes: aprendizado não supervisionado, agrupamento.
- Um programa aprende a jogar xadrez jogando contra si mesmo e recebendo pontos pelas vitórias: aprendizado por reforço.
- Um assistente virtual cita um artigo de lei que não existe: alucinação.
- Um sistema de seleção de currículos passa a preferir candidatos de um mesmo perfil porque foi treinado com contratações antigas: viés algorítmico.
Como estudar o tema
A melhor forma de estudar IA para concursos é montar um glossário com os termos deste guia, acompanhado de um exemplo para cada um, e revisar as questões recentes das bancas, que costumam repetir os mesmos conceitos com contextos novos.
Revisão rápida
Antes da prova, confira: IA restrita executa tarefas específicas, e a geral é hipotética; aprendizado supervisionado usa dados rotulados, o não supervisionado busca padrões e o por reforço usa recompensas; deep learning é aprendizado de máquina com redes neurais de muitas camadas; LLMs preveem a continuação de textos; alucinação é resposta falsa convincente; viés vem dos dados; big data se descreve pelos Vs; e o marco legal da IA ainda não foi aprovado.
Como o tema cai em prova
As pegadinhas mais comuns trocam aprendizado supervisionado e não supervisionado, classificação e regressão, afirmam que a IA generativa não erra, que o deep learning é mais amplo que o aprendizado de máquina ou que o Brasil já tem lei geral de IA em vigor. Estude os conceitos, e não os nomes de produtos, e registre as confusões no caderno de erros.
Perguntas frequentes
Qual a diferença entre aprendizado supervisionado e não supervisionado?
No supervisionado, o modelo aprende com dados rotulados, em que a resposta correta já é conhecida, como e-mails marcados como spam ou não. No não supervisionado, os dados não têm rótulos, e o modelo busca padrões e agrupamentos por conta própria.
O que é alucinação em IA generativa?
É quando um modelo de linguagem produz uma resposta com aparência convincente, mas falsa ou sem base nos dados, como uma citação inventada ou uma lei inexistente. Por isso, as respostas precisam ser conferidas em fontes confiáveis.
O Brasil já tem lei geral de inteligência artificial?
Até setembro de 2026, não. O PL 2.338/2023, o marco legal da IA, foi aprovado pelo Senado em dezembro de 2024 e aguarda parecer na Câmara dos Deputados, com votação adiada para depois das eleições.
Conteúdo produzido e revisado pela equipe editorial da SOS Concursos, que acompanha concursos públicos desde 2006. Cada dado deste artigo foi conferido nas fontes listadas acima. Conheça nossa política editorial ou envie uma correção para contato@sosconcursos.com.br.
