Casos como o Beauty.AI, que favoreceu rostos brancos, e o chatbot Tay, que aprendeu discursos ofensivos, mostram como a Inteligência Artificial pode perpetuar preconceitos ao aprender a partir de dados enviesados. Para mitigar esses

Casos como o Beauty.AI, que favoreceu rostos brancos, e o chatbot Tay, que aprendeu discursos ofensivos, mostram como a Inteligência Artificial pode perpetuar preconceitos ao aprender a partir de dados enviesados. Para mitigar esses riscos, são necessárias práticas como auditoria de dados, diversidade nos conjuntos de treinamento e explicabilidade dos sistemas.

Fonte: https://journals-sol.sbc.org.br/index.php/comp-br/article/view/1791. Acesso em: 31 jul. 2025.

Considerando o texto apresentado, analise as afirmativas a seguir:

I. A diversidade nos dados de treinamento ajuda a reduzir vieses em sistemas de IA.

II. O uso exclusivo de dados históricos é suficiente para assegurar justiça algorítmica.

III. Auditorias periódicas podem identificar e corrigir padrões discriminatórios aprendidos pelos modelos.

IV. A explicabilidade dos modelos de IA contribui para a transparência e compreensão de decisões automatizadas.

V. Somente a remoção de variáveis sensíveis, como raça e gênero, garante a eliminação de preconceitos nos algoritmos.

É correto o que se afirma em: