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.

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: 

1. 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. 
2. A explicabilidade dos modelos de IA contribui para a transparência e compreensão de decisões automatizadas. 
3. Somente a remoção de variáveis sensíveis, como raça e gênero, garante a eliminação de preconceitos nos algoritmos. 

É correto o que se afirma em: 

ALTERNATIVAS 

V, apenas. 

I, II e III, apenas. 

I, III e IV, apenas. 

I, II, IV e V, apenas. 

II, III, IV e V, apenas.