Um autoencoder pode ser utilizado como uma ferramenta para detecção de padrões anômalos (outliers), como fraudes em transações bancárias ou mal funcionamento de equipamentos industriais. Quais das afirmações abaixo explicam, corretamente, o funcionamento desse detector de outliers?

I. Para construir um autoencoder para detecção de outliers, necessitamos agregar uma camada preditiva supervisionada ao modelo.
II. O autoencoder aprende a reconstruir o próprio exemplo de entrada. Dessa forma, ao apresentar ao modelo um exemplo distinto dos padrões de treinamento, podemos gerar uma reconstrução com alto erro, este erro pode ser usado como indicativo de outlier.
III. Para treinamento do autoencoder para detecção de outliers, precisamos possuir exemplos de todas as classes conhecidas do problema, uma vez que o processo de detecção de outliers é um problema supervisionado.