Baixe o app para aproveitar ainda mais
Prévia do material em texto
Simulado AV Teste seu conhecimento acumulado Disc.: INTELIGÊNCIA ARTIFICIAL Aluno(a): Acertos: 5,0 de 10,0 23/04/2022 1a Questão Questão Nos últimos anos, a Inteligência Artificial tem buscado evoluir sobre as teorias existentes, em vez de buscar soluções completamente novas. Em parte, isso se deve ao fato de hoje em dia possuirmos poder computacional e recursos suficientes para aplicar técnicas que antigamente eram impensáveis devido principalmente às restrições de hardware. Em relação à utilização da inteligência artificial atualmente, avalie as afirmações a seguir: I - A biometria é uma das áreas mais beneficiadas com a inteligência artificial. II - Os sistemas de diagnóstico médico auxiliado por computador foram praticamente abandonados, especialmente devido ao grau de incerteza dos diagnósticos fornecidos. III - Graças aos recursos praticamente infinitos das grandes empresas.com, a Inteligência Artificial tem avançado muito nos últimos anos. IV - Uma das aplicações da Inteligência Artificial que efetivamente utilizamos no dia a dia são as pesquisas na internet. Assinale a alternativa que somente possui afirmações corretas: Os itens I, II e III estão corretos. Os itens I, II, III e IV estão corretos. Os itens I, III e IV estão corretos. Os itens I, II e IV estão corretos. Os itens II, III e IV estão corretos. Explicação: As aplicações de IA nos dias de hoje são possíveis devido à evolução do hardware. Quando a IA surgiu nos anos 1950, não foi possível implementá-la pois o hardware ainda estava surgindo também. Atualmente, entre as aplicações de IA que mais se tornam populares são os sistemas de diagnósticos médicos, pois a IAM, isto, é a inteligência artificial na medicina está evoluindo muito, principalmente após o surgimento do paradigma conexionista e também do método de deep learning, que são redes neurais complexas aplicadas em grandes volumes de dados. 2a Questão Questão Em relação à aplicação adequada das técnicas de Inteligência Artificial, avalie as afirmações a seguir. I - Indução em árvore de decisão é utilizada para identificação de fraudes em cartões de crédito. II - Redes neurais artificiais são utilizadas no desenvolvimento de sistemas de análise de risco em aplicações financeiras. III - Sistemas especialistas, baseados em regras, são utilizados na substituição do profissional especialista em diagnóstico de falhas em hardware. É correto o que se afirma em os itens I, II e III estão corretos. os itens I e II estão corretos. os itens II e III estão corretos. apenas o item III está correto. apenas o item I está correto. Explicação: As duas primeiras afirmativas estão corretas, visto que as árvores de decisão podem ser utilizadas para a tarefa de classificação em mineração de dados, e a identificação de padrões, como, por exemplo, as redes neurais artificiais. As redes neurais artificiais podem ter sua utilização nos sistemas de análise de risco, com classificação de risco em alto ou baixo. Os sistemas especialistas são utilizados para a simulação do comportamento de um especialista e não sua substituição. 3a Questão Questão A respeito dos métodos de busca local, selecione a opção correta. Os algoritmos de busca local são eficientes no uso da memória. Não é possível criar um algoritmo ótimo de busca local. Um algoritmo de busca local sempre encontra a solução ótima de um problema, desde que ela exista. Ainda que uma solução não exista no espaço de estados, o algoritmo de busca local é capaz de identificá-la. Todos os algoritmos de busca local sempre são completos. Explicação: Os algoritmos de busca local são bastante utilizados para resolver problemas práticos devido à eficiência na exploração dos recursos computacionais, como memória, por exemplo, uma vez que o escopo das suas buscas fica restrito a uma determinada vizinhança, porém, não garantem encontrar a solução ótima do problema, caso ela exista. A solução pode ser ou não restrita a um subconjunto do espaço de estados. Um algoritmo é chamado de completo se ele encontra a solução ótima, desde que ela exista e os algoritmos de busca local não podem garantir isso, pois o seu espaço de busca é limitado. 4a Questão Questão Um dos problemas de otimização mais conhecidos é o do caixeiro viajante. Nesse problema, o caixeiro deve visitar de modo eficiente um conjunto de cidades e voltar para o ponto inicial. Nesse sentido, selecione a opção correta sobre as estratégias de busca. Esse problema é bastante complexo do ponto de vista computacional e, sob determinadas condições, pode ser resolvido por um algoritmo de busca local. Devido às características complexas desse problema, não é possível resolvê-lo. Por se tratar de um problema bem documentado, ele pode ser resolvido eficientemente por métodos determinísticos. O problema do caixeiro viajante é usado apenas como uma referência acadêmica sem aplicações práticas. Esse problema não pode ser resolvido por uma busca local. Explicação: O problema do caixeiro viajante é um exemplo clássico de problemas muito difíceis de serem resolvidos. Isso ocorre pela natureza combinatória do problema em que existem muitas possibilidades que precisam ser testadas para garantir a solução ótima. A utilização de algoritmos de busca local é uma estratégia muita adequada para encontrar soluções viáveis que, na prática, são úteis. 5a Questão Questão Algumas regras de aprendizagem são conhecidas por mais de uma forma. Em relação à regra de aprendizagem Instar, selecione a opção que contém outra forma pela qual ela é conhecida. Método dos mínimos quadrados. Distribuição aleatória. Regra de aprendizagem Outstar. Regra de aprendizagem Perceptron. O vencedor leva tudo. Explicação: A outra forma de chamar a regra de aprendizagem Instar é que o vencedor leva tudo. Isso ocorre porque essa regra tem como característica principal a escolha da unidade que produz a saída com melhor resultado. Após a escolha da unidade, é feito o ajuste dos pesos sinápticos. As demais alternativas estão erradas, pois não se referem à regra de aprendizagem instar. 6a Questão Questão Um dos métodos mais conhecidos para treinamento de uma rede neural é o backpropagation. Em relação a esse método, selecione a opção correta sobre suas características. Trata-se de um método com baixa dependência dos ajustes dos parâmetros e dos dados de treinamento. É um método exato que, ao final do treinamento, garante que o modelo é capaz de generalizar classificações. Tem como principal característica o ajuste dos pesos durante o processamento da camada de entrada para a camada de saída. É um método sofisticado que atua especificamente sobre a camada intermediária para ajustar os pesos. É um método aplicado a redes neurais de múltiplas camadas. Explicação: O método backpropagation é um dos mais conhecidos algoritmos de treinamento, cujo objetivo é extrair características dos dados para generalizar classificações. Ele é aplicado para redes de múltiplas camadas. 7a Questão Questão Modifique o programa Restrições reais, disponível logo abaixo, para resolver o seguinte problema de restrição de domínio real :- use_module(library(clpr)). sistema(X,Y,Z) :- {2*X+Y =< 16, X+2*Y =< 11,X+3*Y =< 15, Z = 30*X+50*Y}, maximize(Z). Problema de restrição de domínio real 2X + Y ≤ 20 3X + 2Y ≤ 56 2X + 3Y ≤ 44 Maximizar X + Y O valor máximo é: 17 16 18 15 14 Explicação: Ao analisar as restrições: {2*X+Y =< 20, 3*X+2*Y =< 56, 2*X+3*Y =< 44, Z=X+Y } e querendo maximizar Z = X+Y: maximize(Z). Sendoassim, construímos a seguinte regra: sistema(X,Y,Z) :- {2*X+Y =< 20, 3*X+2*Y =< 56, 2*X+3*Y =< 44, Z=X+Y }, maximize(Z). Para resolver o problema de restrição de domínio real basta consultar sistema(X,Y,Z), como mostrado na figura logo abaixo: Por isso, X+Y = 16 8a Questão Questão Considere o seguinte código em Prolog: progenitor(maria, jose). progenitor(joao, jose). progenitor(joao, ana). progenitor(jose, julia). progenitor(jose, iris). progenitor(iris, jorge). masculino(joao). masculino(jose). masculino(jorge). feminino(maria). feminino(julia). feminino(ana). feminino(iris). Marque a alternativa verdadeira a respeito do retorno da consulta: masculino(jorge) retorna falso progenitor(X,maria) retorna verdadeiro progenitor(joao,maria) retorna verdadeiro progenitor(X,jose) retorna maria e joao progenitor(X,joao) retorna verdadeiro Explicação: A consulta progenitor(X,jose) irá buscar nos fatos quais valores de X tornam a consulta verdadeira. Dos fatos abaixo: - progenitor(maria, jose). - progenitor(joao, jose). Concluímos que progenitor(X,jose) retorna X = maria ou X= joao. 9a Questão Questão Sistemas Especialistas (SE) e Sistemas Nebulosos (SN) apresentam algumas características em comum. Uma delas é que em ambos o conhecimento é representado por meio de regras do tipo se-então. No entanto, no caso dos SE as regras manipulam termos precisos em seus antecedentes e consequentes, enquanto os SN manipulam termos imprecisos. Diante disso, analise as regras a seguir: I - se (dor lombar = SIM) e (condicionamento físico = 4) então (nadar peito = NÃO) II - se (pluviosidade = ALTA) ou (nível = MÉDIO) então (vazão = MUITA) III - se (umidade = BAIXA) e (temperatura = MÉDIA) então (ligar = SIM) Podem ser consideradas regras nebulosas apenas: II I, II e III I e III I e II II e III Explicação: Na regra I, observa-se que os valores associados aos termos manipulados pela regra, tanto no antecedente quanto no consequente, são precisos. Essa característica descarta a possibilidade de essa regra ser nebulosa. Por outro lado, na regra II os valores associados aos termos, tanto no antecedente quanto no consequente, são imprecisos, caracterizando assim uma regra nebulosa. No caso da regra III, observa-se que o valor associado ao termo no consequente é preciso, mas os valores associados aos temos no antecedente são imprecisos, o que também caracteriza uma regra nebulosa. Portanto, apenas as regras II e III são nebulosas. 10a Questão Questão Os conjuntos nebulosos são uma extensão dos conjuntos tradicionais que ampliam a ideia de pertinência binária para a ideia de pertinência parcial. Com isso, torna-se possível representar com maior fidelidade situações ou conceitos que envolvem alguma forma de imprecisão. Considere os conjuntos a seguir: I - réplicas de obras de arte II - animais velozes III - ganhadores do Prêmio Nobel IV - frutas maduras São melhor representados por conjuntos nebulosos apenas: II e IV I e III Nenhum I, II e III II, III e IV Explicação: Quando se fala em obras de arte, só existem duas possibilidades, ou a obra é genuína ou não. Portanto, não há qualquer imprecisão na identificação dos elementos que pertencem em relação aos que não pertencem ao conjunto das réplicas. O mesmo acontece com os ganhadores do Prêmio Nobel. Portanto, os conjuntos tradicionais são adequados para a representação desses dois casos. Por outro lado, quando se fala em animais velozes e frutas maduras, os termos "velozes" e "maduras" são inerentemente imprecisos, ou seja, não existe uma fronteira nítida (precisa) que separa "velozes" de "não velozes" e "maduras" de "não maduras". Portanto, são melhor representados por conjuntos nebulosos os itens II e IV.
Compartilhar