Inteligência Artificial_Teste de Conhecimento

Prévia do material em texto

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:
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
02492FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL
 
1.
Os itens I, III e IV estão corretos.
Os itens I, II, III e IV estão corretos.
Os itens II, III e IV estão corretos.
Os itens I, II e III estão corretos.
Os itens I, II e IV estão corretos.
Data Resp.: 31/08/2022 21:52:07
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.
 
 
2.
os itens II e III estão corretos.
os itens I e II estão corretos.
os itens I, II e III estão corretos.
apenas o item III está correto.
apenas o item I está correto.
Data Resp.: 31/08/2022 21:52:53
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.
 
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
A respeito dos métodos de busca local, selecione a opção correta.
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.
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.
 
3.
Não é possível criar um algoritmo ótimo de busca local.
Os algoritmos de busca local são eficientes no uso da memória.
Ainda que uma solução não exista no espaço de estados, o algoritmo de busca local é capaz de identificá-la.
Um algoritmo de busca local sempre encontra a solução ótima de um problema, desde que ela exista.
Todos os algoritmos de busca local sempre são completos.
Data Resp.: 31/08/2022 21:53:25
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.
 
 
4.
O problema do caixeiro viajante é usado apenas como uma referência acadêmica sem aplicações práticas.
Esse problema é bastante complexo do ponto de vista computacional e, sob determinadas condições, pode ser
resolvido por um algoritmo de busca local.
Esse problema não pode ser resolvido por uma 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.
Data Resp.: 31/08/2022 21:54:24
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.
 
02775REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
 
5.
Distribuição aleatória.
Regra de aprendizagem Outstar.
Método dos mínimos quadrados.
O vencedor leva tudo.
Regra de aprendizagem Perceptron.
Data Resp.: 31/08/2022 21:54:52
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.
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.
Dado abaixo as suposições restritivas de um problema de planejamento clássico:
Suposição
Restritiva Descrição
A0 Sistema tem um número finito de estados
A1 Sistema é completamente observável.
A2 Sistema é determinístico.
A3 Sistema é estático
A4 O planejador só lida com metas restritivas que sãoexplícitas.
A5 Um plano é uma sequência linear finita de ações
A6
Ações e eventos não têm duração.
A transição de estado é instantânea.
A7
O planejador não se preocupa em qualquer mudança
que pode acontecer no ambiente, enquanto estiver
planejando
(offline planning)
Considere um robô que tem como objetivo explorar a superfície da lua. No desenvolvimento do robô, fazemos diversas
suposições:
O ambiente é estático
O ambiente só é observável em um raio de 2 metros de distância do robô
O robô demora na duração de suas ações, por ter muita cautela na exploração.
O ambiente é contínuo, ou seja, o número de estados do ambiente é infinito.
Marque a alternativa que caracteriza as relaxações que deverão ser feitas a respeito das restrições do planejamento
clássico:
 
 
6.
Trata-se de um método com baixa dependência dos ajustes dos parâmetros e dos dados de treinamento.
Tem como principal característica o ajuste dos pesos durante o processamento da camada de entrada para a
camada de saída.
É um método exato que, ao final do treinamento, garante que o modelo é capaz de generalizar classificações.
É um método aplicado a redes neurais de múltiplas camadas.
É um método sofisticado que atua especificamente sobre a camada intermediária para ajustar os pesos.
Data Resp.: 31/08/2022 21:55:28
Explicação:
O métodobackpropagation 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.
 
02706PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
 
7.
Relaxar somente A0 e A1.
Relaxar A1 somente.
Ao modificar o algoritmo em Prolog em Coloração de Mapas, disponível logo abaixo, para esse mapa apresentado,
permitindo que as cidades A e B possam ter cores iguais. Quantas soluções existem?
/*
* Variáveis: A,B,C,D,E,F
Domínio:: {vermelho,verde,azul}
Restrições: A!=B, A!=C, B!=C, B!=D, C!=D, C!=E, C!=F, D!=E, E!=F
*/
 
/*
* Impomos as restriçõess: different(A,B) significa que a cor de A deve ser diferente da de B.
* */
 
coloring(A,B,C,D,E,F) :-
different(A,B),
different(A,C),
different(B,C),
different(B,D),
different(C,D),
different(C,E),
different(C,F),
different(D,E),
different(E,F).
 
/*
* Os fatos: vermelho é diferente de azul, que é diferente de verde , etc
* */
different(vermelho,azul).
different(azul,vermelho).
different(vermelho,verde).
different(verde,vermelho).
different(verde,azul).
different(azul,verde).
 
 
Relaxar somente A0 e A6.
Relaxar somente A0, A1 e A6.
Relaxar somente A6.
Data Resp.: 31/08/2022 21:56:13
Explicação:
Como o ambiente é estático, não precisamos fazer nenhuma relaxação do planejamento clássico (que assume as 8
restrições). O sistema não é completamente observável, pelo fato de o robô só perceber 2 metros de distância, logo
precisamos relaxar a suposição restritiva que diz que o ambiente é observável A1. Como as ações demoram,
precisamos relaxar a suposição restritiva A6, por considerar que as ações têm duração. Como o ambiente é contínuo,
precisamos relaxar A0, que considera um ambiente com um número finito de estados, e não contínuo. Sendo assim,
precisamos relaxar A0, A1 e A6.
 
 
8.
Considere um conjunto nebuloso A definido em um universo de discurso X = [0, 100]. Sabendo que A é um conjunto
trapezoidal, cujos vértices são a = 10, b = 20, c = 60 e d = 90, qual o valor x X cujo grau de inclusão em A ( A(x)) é
igual a 0,6?
(MORETTIN, BUSSAB, 2002 - adaptado) Considere a tabela a seguir que mostra os dados referentes aos alunos
matriculados em quatro cursos de uma universidade em um certo ano:
14
20
12
16
18
Data Resp.: 31/08/2022 22:02:40
Explicação:
A alteração que deve ser feita no algoritmo é de apenas retirar a restrição: different(A,B). Assim, o número de
soluções é 12, fazendo novamente a consulta coloring(A,B,C,D,E,F).
 
02764RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
 
9.
72
80
18
15
65
Data Resp.: 31/08/2022 22:04:00
Explicação:
 
 
10.
ϵ μ
Imagine que um estudante, escolhido ao acaso, esteja cursando Física. Qual a probabilidade de esse aluno ser uma
mulher?
26%
35%
67%
24%
9%
Data Resp.: 31/08/2022 22:09:49
Explicação:
Para solucionar o problema apresentado, basta aplicar a definição de probabilidade condicional. A probabilidade
desejada é dada por: