DifícilMúltipla escolha

Questão de prática de AI-900

Um escritório de advocacia precisa processar automaticamente milhares de documentos judiciais. O sistema deve identificar e redigir informações pessoais sensíveis, como nomes, endereços e números de segurança social. Além disso, deve extrair entidades específicas do domínio jurídico, como números de processo, nomes de juízes e referências a estatutos. O escritório possui um pequeno conjunto de documentos anotados manualmente com essas entidades jurídicas. Qual combinação de recursos do Azure AI Language eles devem usar?

Escolha a melhor resposta.

Resposta correta

  • ADetecção de PII e reconhecimento de entidades nomeadas (NER) personalizado

Explicação

O escritório precisa tanto da detecção de PII para redigir informações pessoais sensíveis quanto de NER personalizado para extrair entidades específicas do domínio jurídico, como números de processo e nomes de juízes, a partir de um pequeno conjunto de documentos anotados. O Azure AI Language fornece um recurso de detecção de PII pré-construído para dados sensíveis comuns e uma capacidade de NER personalizado que pode ser treinada nos documentos anotados do escritório para reconhecer entidades específicas do domínio.

Por que cada alternativa está certa ou errada

A

Correta

Detecção de PII e reconhecimento de entidades nomeadas (NER) personalizado

A detecção de PII no Azure AI Language identifica e protege automaticamente dados pessoais sensíveis, como nomes, números de telefone e endereços, o que é essencial para a redação. O reconhecimento de entidades nomeadas (NER) personalizado vai além, treinando um modelo em documentos jurídicos anotados para extrair entidades específicas do domínio, como números de processo, nomes de tribunais e nomes de juízes. O uso conjunto de ambos cobre os requisitos de redação do escritório e as necessidades de extração especializada que os modelos pré-construídos não conseguem atender.

B

Incorreta

Reconhecimento de entidades pré-construído e extração de frases-chave

O reconhecimento de entidades pré-construído encontra categorias gerais, como pessoas, locais, organizações, datas e quantidades; portanto, pode encontrar o nome de um juiz como uma pessoa, mas não saberia que é um juiz, e perderia números de processo e referências a estatutos. A extração de frases-chave lista tópicos principais, não entidades estruturadas. Nenhum dos dois redige informações pessoais, o que requer detecção de PII, e as entidades jurídicas precisam de um modelo NER personalizado.

C

Incorreta

Análise de sentimento e detecção de idioma

A análise de sentimento atribui uma pontuação positiva/negativa/neutra ao texto, enquanto a detecção de idioma simplesmente identifica o idioma em que o documento está escrito. Nenhuma das operações extrai ou redige trechos de texto, e nenhuma tenta identificar entidades jurídicas ou dados pessoais. O uso desses recursos deixaria todas as informações sensíveis e detalhes específicos do caso intocados.

D

Incorreta

Apenas detecção de PII

A detecção de PII sozinha reconhece apenas um conjunto fixo de tipos de informações pessoais, como SSNs, e-mails e endereços físicos. Ela não pode ser ensinada a reconhecer entidades específicas do domínio jurídico, como números de processo, IDs de processo ou nomes de oficiais judiciais, porque eles não pertencem a nenhuma categoria de PII predefinida. O requisito de extração do escritório, portanto, permanece não atendido sem um modelo treinado personalizado.

Para se aprofundar

O Azure AI Language oferece vários recursos pré-construídos e personalizáveis, e este cenário requer dois deles. A detecção de informações de identificação pessoal (PII) é pré-construída. Ela identifica categorias como nomes de pessoas, endereços, números de telefone, endereços de e-mail e números de identificação governamentais, como números de segurança social dos EUA, e pode retornar o texto com essas entidades redigidas. Não requer treinamento e suporta muitos idiomas, com uma opção de domínio para informações de saúde protegidas. O reconhecimento de entidades nomeadas personalizado (NER personalizado) lida com entidades que os modelos pré-construídos não conhecem, como números de processo, nomes de juízes e referências a estatutos. Você rotula exemplos de cada entidade em um conjunto de documentos no Language Studio, treina um modelo, avalia-o em documentos separados e implanta-o em um endpoint. Um conjunto modesto de documentos bem rotulados e representativos geralmente é suficiente para começar, e o escritório já possui um. Juntos, os dois recursos cobrem ambos os requisitos, razão pela qual a opção A está correta. O reconhecimento de entidades pré-construído (opção B) reconhece categorias gerais como pessoa, local, organização, datas e quantidades, portanto, encontraria nomes de juízes como pessoas, mas não como juízes, e não reconheceria números de processo ou referências a estatutos; a extração de frases-chave lista tópicos principais, não entidades específicas. A análise de sentimento e a detecção de idioma (opção C) não identificam entidades de forma alguma. A detecção de PII sozinha (opção D) lida com a redação, mas não com as entidades jurídicas. No AI-900, procure pela palavra 'personalizado' ou uma menção a dados rotulados em um cenário: isso sinaliza um modelo personalizado em vez de um recurso pré-construído.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.