Inteligência Artificial Simulado AV 2

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.