Baixe o app para aproveitar ainda mais
Prévia do material em texto
Questão 1 -) De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo simbolista lida com conhecimento explícito e representado simbolicamente. é formado por uma rede de elementos conectados por pesos que detêm o conhecimento. é um modelo que aprende a partir dos dados. não possui conhecimento representado explicitamente. lida apenas com símbolos gráficos. 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. Questão 2 -) De acordo com os paradigmas de Inteligência Artificial, para que um problema possa ser representado como um grafo de estados é necessário 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. 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. 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. Questão 3 -) Qual método de pesquisa irá expandir o nó que está mais próximo do objetivo? Busca gananciosa pelo melhor primeiro (Greedy best-first search). Busca bidirecional. Busca A*. Busca em Profundidade. Busca pelo melhor primeiro (Best First Search). 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. Questão 4 -) Selecione a opção que apresenta a busca que implementa a operação de pilha para buscar os estados. Busca em largura. Busca pelo melhor primeiro. Busca em largura limitada. Busca com profundidade limitada. Busca em profundidade. 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. Questão 5 -) 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. São aplicadas em contextos em que há limitação de dados. São indicadas para substituir os profissionais em atividades complexas e eventuais. Problemas linearmente separáveis estão entre as categorias que podem ser modelados por redes neurais. São capazes de desenvolver processos criativos sem a necessidade de base de conhecimento. Devem ser aplicadas para demonstração de teoremas. 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. Questão 6 -) 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. Lógica de segunda ordem. Lógica das sentenças. Lógica booleana. Lógica fuzzy. Lógica de primeira ordem. 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 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. Questão 7 -) Considere o problema dos robôs autônomos do porto. Considere um dos estados do problema definido na figura a seguir: state = {attached(p1,loc1), attached(p2,loc1), in(c1,p1), in(c3,p1), top(c3,p1), on(c3,c1), on(c1,pallet), in(c2,p2), top(c2,p2), on(c2,pallet), belong(crane1,loc1), empty(crane1),adjacent(loc1,loc2), adjacent(loc2, loc1), at(r1,loc2), occupied(loc2), unloaded(r1)} Após o robô r1 entrar na plataforma loc1, quais predicados teriam seus valores alterados: on(c2,pallet) e belong(crane1,loc1) seriam modificados. somente occupied(loc2) seria modificado. attached(p1,loc1) e attached(p2,loc1) seriam modificados. adjacent(loc1,loc2) seriam modificados. at(r1,loc2), occupied(loc2) seriam modificados. Explicação: Após o robô r1 entrar na plataforma loc1, at(r1,loc2) e occupied(loc2) seriam modificados, porque o robô r1 não estaria mais em loc2 (at(r1,loc2)), e assim loc2 não estaria mais ocupado, modificando também occupied(loc2). Questão 8 -) 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 5 4 8 10 7 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. Questão 9 -) 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: I e III Nenhum II e IV 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 pertencemao 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. Questão 10 -) Considere um sistema nebuloso com as seguintes especificações: Considerando as entradas E1 = 38 e E2 = 62, a resposta nebulosa obtida na variável S de saída é formada por uma combinação de partes dos conjuntos s1 e s2 porque o processo de inferência aciona todas as regras que mapeiam para os conjuntos s1 e s2 da variável de saída. Assinale a opção correta a respeito dessas asserções. As duas asserções são proposições falsas. As duas asserções são proposições verdadeiras, e a segunda não é uma justificativa correta da primeira. A primeira asserção é uma proposição verdadeira, e a segunda é uma proposição falsa. 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. Explicação: Para a entrada E1 = 38, observa-se que esse valor tem grau de inclusão maior que zero nos conjuntos e11 e e12. No caso da entrada E2 = 62, os graus de inclusão maiores que zero estão nos conjuntos e22 e e23. Assim, as regras acionadas para essas entradas são: se e11 e e22 então s1 se e11 e e23 então s1 se e12 e e22 então s2 se e12 e e23 então s1 Portanto, a resposta nebulosa resultante da inferência é uma região formada por uma combinação de partes dos conjuntos s1 e s2. Contudo, nem todas as regras que mapeiam para s1 ou s2 foram acionadas. Com isso, conclui-se que a primeira afirmação está correta e a segunda não está.
Compartilhar