Questão 61 — Redes neurais convolucionais (Inteligência Artificial) — Cebraspe · Secretaria de Estado da Fazenda do Rio Grande do Norte (SEFAZ/RN) 2026

Inteligência Artificial Redes neurais convolucionais

Cebraspe 2026

Secretaria de Estado da Fazenda do Rio Grande do Norte (SEFAZ/RN) · Auditor Fiscal de Receitas Estaduais

Gabarito disponível

Suponha que, em determinada secretaria de fazenda estadual, se esteja avaliando a aplicação de arquiteturas de deep learning para otimizar processos de fiscalização e gestão. Considerando essa situação hipotética e as propriedades das redes neurais convolucionais (CNNs), cuja arquitetura é baseada em camadas de filtragem para a extração de hierarquias de características espaciais, assinale a opção que indica uma aplicação tecnicamente adequada das CNNs, seguida de sua descrição.

Selecione uma alternativa A) redução de dimensionalidade — aplicação de camadas convolucionais para o cálculo de indicadores fiscais sintéticos a partir de variáveis estatísticas descorrelacionadas em ambiente Big Data B) análise econométrica — estimativa da elasticidade-preço da demanda e impacto do PIB na receita estadual por meio do treinamento de filtros convolucionais em variáveis macroeconômicas agregadas C) agrupamento de contribuintes — utilização de CNNs para a segmentação de empresas por comportamento de crédito, utilizando como entrada bases de dados relacionais e tabelas de histórico de pagamentos D) modelagem preditiva de receita — aplicação de CNNs para o ajuste de modelos autorregressivos de séries temporais de arrecadação baseados estritamente em dados numéricos tabelados E) auditoria de documentos fiscais — reconhecimento de padrões e classificação automática de documentos digitalizados (como notas fiscais, faturas ou contratos), com vistas a identificar fraudes ou inconsistências em elementos visuais

Resolução comentada

CNNs são adequadas para reconhecer padrões em imagens de documentos digitalizados.

CNNs extraem hierarquias de características espaciais, sendo ideais para imagens. A classificação automática de documentos digitalizados, para identificar fraudes ou inconsistências visuais, é uma aplicação adequada.

Análise das alternativas

A) A redução de dimensionalidade com variáveis descorrelacionadas não é função típica de CNN. B) Econometria não se baseia em filtros convolucionais. C) Dados tabulares relacionais não têm estrutura espacial para CNNs. D) Séries autorregressivas com dados tabelados não são o foco das CNNs.

Referência: Literatura de deep learning (CNNs).

Resolução comentada do VaiConcursos.