Inteligencia artificial-Teste de conhecimento-1

Prévia do material em texto

Teste de
Conhecimento
 avalie sua aprendizagem
Considere o problema de satisfação com restrições, a seguir, que consiste em colorir o mapa da figura, utilizando três cores somente, de
modo que países vizinhos não possuam a mesma cor. Utilizando a heurística MRV, ou seja, selecionaremos primeiro as variáveis que
possuem a menor quantidade possível de valores para atribuir, e em caso de empate usar outra heurística de escolher primeiro a variável com
o maior número de restrições com outras variáveis (a variável de maior grau de restrições), qual seria o primeiro país a começar a ser
preenchido?
Modifique o programa Restrições Domínios Finitos para resolver o seguinte problema de restrição de domínios finitos: VERY + NICE =
MEMES, onde cada letra representa um algarismo de 0 a 9. Quantas soluções têm esse problema?
 
% S E N D
% + M O R E
% _________
% M O N E Y
 
 
INTELIGÊNCIA ARTIFICIAL
 
NATÃ VIANA ALVES 202002695986
INTELIGÊNCIA ART  2022.1 (G) / EX
Prezado (a) Aluno(a),
 
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O
mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se familiarizar com este
modelo de questões que será usado na sua AV e AVS.
 
1.
B
E
C
D
A
Data Resp.: 12/04/2022 21:21:04
Explicação:
No início, todos os países podem assumir 3 cores, e por isso, a heurística MRV não consegue decidir por onde começar. Para
critério de desempate, selecionamos o país com maior grau de restrições, que é o país C, que possui grau 4, fazendo fronteira com
A, B, D , E. Por isso, o primeiro país a começar a ser preenchido é o C.
 
2.
javascript:voltar();
javascript:voltar();
De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo simbolista
De acordo com os paradigmas de Inteligência Artificial, para que um problema possa ser representado como um grafo de estados é
necessário
Selecione a opção que apresenta a busca que implementa a operação de pilha para buscar os estados.
4
5
8
7
10
Data Resp.: 12/04/2022 21:21:06
Explicação:
Para resolver o problema, basta adaptar as condições do exemplo de Restrições Domínios Finitos.  Assim, as variáveis serão
V,E,R,Y,N,I,C,M,S. E a condição de igualdade será: (1000*V + 100*E + 10*R+Y ) +   (1000*N + 100*I + 10*C+E ) #=  (10000*M  +
1000*E + 100*M + 10*E + S). Os dígitos iniciais devem ser diferentes de 0:  V #\= 0, N #\=0,M #\=0. Sendo assim, ao rodar a
consulta puzzle([V,E,R,Y,N,I,C,M,S]), há o retorno de 8 soluções. 
 
3.
não possui conhecimento representado explicitamente.
é um modelo que aprende a partir dos dados.
lida apenas com símbolos gráficos.
é formado por uma rede de elementos conectados por pesos que detêm o conhecimento.
lida com conhecimento explícito e representado simbolicamente.
Data Resp.: 12/04/2022 21:21:08
Explicação:
A Inteligência Artificial possui vários paradigmas. Um deles é o paradigma simbólico, que consiste em estruturas simbólicas que
podem ser compreendidas por seres humanos. Dessa maneira, é correto afirmar que o modelo simbolista lida com conhecimento
explícito, facilmente interpretado por humanos. Os resultados são descrições simbólicas das entidades dadas e devem ser
compreensíveis como simples pedaços de informação e diretamente interpretáveis em linguagem natural.
 
4.
que sejam definidos os estados inicial, final ou finais e as operações possíveis.
que o grafo seja unidimencionado, ou seja, todas as arestas sejam de mão única.
conhecer o modo de como chegar à resposta.
todos os possíveis estados sejam conhecidos.
haver uma definição precisa de como proceder a busca pelos estados de interesse.
Data Resp.: 12/04/2022 21:21:10
Explicação:
O conjunto de todos os estados acessíveis a partir de um estado inicial é chamado de espaço de estados. E o espaço de estados
pode ser interpretado como um grafo em que os nós são estados e os arcos são ações. Sendo assim, para que um problema
possa ser representado como um grafo de estados é necessário que sejam definidos os estados inicial, final ou finais, as
operações possíveis e suas direções.
 
5.
Busca em largura.
Busca em largura limitada.
Busca pelo melhor primeiro.
Busca com profundidade limitada.
Qual método de pesquisa irá expandir o nó que está mais próximo do objetivo?
As redes neurais são úteis para modelar e resolver diversas categorias de problemas. Nesse sentido, selecione a opção correta a respeito
das aplicações das redes neurais.
É possível aplicar algoritmos de inteligência artificial em equipamentos que utilizam informações vagas com uma habilidade que simulam a
intuição humana. Nesse sentido, selecione a opção correta sobre essa técnica de Inteligência Artificial.
Busca em profundidade.
Data Resp.: 12/04/2022 21:21:13
Explicação:
Uma das características do algoritmo de busca em profundidade é o retorno para um estado anterior a fim de explorar outras
soluções. Esse processo é conhecido como backtracking, ou seja, a trilha do caminho de retorno. Para implementar esse
processo, que, normalmente, é feito por meio de recursividade, o algoritmo utiliza de uma estrutura de dados de pilha.
 
6.
Busca A*.
Busca bidirecional.
Busca gananciosa pelo melhor primeiro (Greedy best-first search).
Busca pelo melhor primeiro (Best First Search).
Busca em Profundidade.
Data Resp.: 12/04/2022 21:21:15
Explicação:
O algoritmo de busca gulosa primeiro é caracterizado por fazer escolhas que tenham o potencial de conduzir mais rapidamente à
solução alvo. Por se tratar de uma heurística, o método não garante a escolha da solução ótima, mas, como os demais métodos
heurísticos, funcionam bem na prática para determinados tipos de problema, como, por exemplo, para traçar rotas.
 
7.
São indicadas para substituir os profissionais em atividades complexas e eventuais.
São capazes de desenvolver processos criativos sem a necessidade de base de conhecimento.
Problemas linearmente separáveis estão entre as categorias que podem ser modelados por redes neurais.
São aplicadas em contextos em que há limitação de dados.
Devem ser aplicadas para demonstração de teoremas.
Data Resp.: 12/04/2022 21:21:19
Explicação:
As redes neurais são modelos computacionais que servem para dar suporte para os profissionais de atividades complexas. As
redes neurais extraem conhecimento de uma base de treinamento, portanto são limitadas ao contexto de treinamento. As redes
neurais artificiais podem ser aplicadas a diversas categorias de problemas, entre elas, os de classificação. Em especial, quando os
problemas de classificação são linearmente separáveis, ou seja, aqueles que podem ser separados por linhas, trata-se de um
exemplo clássico que pode ser resolvido por modelos de redes neurais. As redes neurais devem ser aplicadas a situações para as
quais foram treinadas. As redes neurais são adequadas para tratar de problemas probabilísticos.
 
8.
Lógica de segunda ordem.
Lógica das sentenças.
Lógica booleana.
Lógica de primeira ordem.
Lógica fuzzy.
Data Resp.: 12/04/2022 21:21:22
Explicação:
A lógica booleana, ou lógica das sentenças, trata de valores lógicos binários. As lógicas de primeira e de segunda ordem não são
adequadas para representação da incerteza. As redes neurais artificiais são úteis para resolver muitos problemas práticos. Essa
(COPPIN, 2010 - adaptado) Imagine que em uma cidade há duas companhias de táxi, sendo que uma usa táxis amarelos e a outra táxis
brancos. A companhia de táxis amarelos tem 90 carros e a de brancos, apenas 10. Foi relatado um incidente de atropelamento, com fuga do
motorista, e uma testemunha ocular declarou estar certa de que o carro envolvido no acidente era um táxi branco. Devido ao mau tempo no
momento do incidente, que pode ter prejudicado a visibilidade, especialistas afirmam que a chance de a testemunha ter identificado
corretamente o táxi é de 75%.
Para a situaçãoapresentada têm-se todos os elementos necessários para calcular a probabilidade de a testemunha estar certa ao dizer que
o táxi era branco
porque
para isso, é preciso conhecer apenas a probabilidade de o culpado estar dirigindo um táxi branco e a probabilidade de a testemunha afirmar
que o táxi é branco dado que o culpado está realmente conduzindo um táxi branco.
Assinale a opção correta a respeito dessas asserções.
Seja S uma variável nebulosa com a seguinte descrição:
Supondo a inferência usando o método de corte para a implicação e a condensação pelo centro de gravidade e considerando que os valores
de x estão discretizados de 10 em 10, o valor de saída obtido é:
capacidade está associada à característica de flexibilidade da rede que pode conter diversas camadas ocultas. Dessa forma,
comportamentos nebulosos, representados pela lógica fuzzy, podem ser representados por uma rede neural.
 
9.
A primeira asserção é uma proposição verdadeira, e a segunda é uma proposição falsa.
As duas asserções são proposições falsas.
As duas asserções são proposições verdadeiras, e a segunda não é uma justificativa correta da primeira.
As duas asserções são proposições verdadeiras, e a segunda é uma justificativa correta da primeira.
A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira.
Data Resp.: 12/04/2022 21:21:25
Explicação:
Inicialmente é preciso identificar os eventos envolvidos no problema proposto:
A = táxi amarelo
B = táxi branco
CA = culpado dirigindo um táxi amarelo
CB = culpado dirigindo um táxi branco
TA = testemunha viu um táxi amarelo
TB = testemunha viu um táxi branco
A probabilidade desejada, ou seja, de a testemunha estar certa ao dizer que o táxi era branco, pode ser representada por P(CB |
TB). Para obter esse valor, aplica-se diretamente o Teorema de Bayes. No entanto, para isso, é necessário conhecer P(TB | CB),
P(CB) e P(TB). O enunciado afirma que existe uma chance de 75% de a testemunha ter identificado corretamente o carro, o que
corresponde ao valor de P(TB | CB). O enunciado afirma ainda que dos 100 táxis existentes na cidade, 10 são brancos. Portanto, a
probabilidade de o culpado estar dirigindo um táxi branco, representada por P(CB), é de 0,1. Contudo, o enunciado não fornece
informações suficientes para que se possa estimar a probabilidade de a testemunha ter visto um carro branco, ou seja, P(TB). Para
isso, seria necessário, por exemplo, submeter a testemunha a um teste em que lhe fosse apresentada uma sequência aleatória de
carros brancos e amarelos a fim de estimar P(TB). Assim, uma vez que não se tem todos os elementos necessários para o cálculo,
a primeira asserção é falsa. A segunda asserção menciona apenas duas das três probabilidades necessárias para se efetuar o
cálculo (P(CB) e P(TB | CB)) e, por isso, também está incorreta.
 
10.
25
7
16
32
10
Data Resp.: 12/04/2022 21:21:27
Explicação:
Como as regras combinam seus antecedentes por meio do operador AND, o valor de inclusão no conjunto que está no
consequente é dado pelo mínimo entre os graus de inclusão nos antecedentes. Portanto, após a execução das regras, os
resultados obtidos são: C2(0,20) e C1(0,60). Considerando o método de corte para a implicação, a região de resposta obtida é
representada pelo gráfico a seguir:
    Não Respondida      Não Gravada     Gravada
Exercício inciado em 29/03/2022 14:37:13.