INTELIGENCIA ARTIFICIAL_simulado

Prévia do material em texto

Disc.: INTELIGÊNCIA ARTIFICIAL 
 
 
 
1a 
 Questão 
Acerto: 1,0 / 1,0 
 
O paradigma conexionista, também conhecido por redes neurais artificiais, forma um 
paradigma de IA que tem inspiração no comportamento do cérebro, além de outras 
características. Assinale a alternativa representa uma característica desse paradigma: 
I - Processam a informação de forma paralela e distribuída. 
II - Generalizam conhecimento aprendido. 
III - Lidam com conhecimento não simbolicamente representado. 
IV - São algoritmos de otimização. 
V - O conhecimento é aprendido por meio do estímulo e resposta. 
 
 Apenas as afirmativas I, II, III e V estão corretas. 
 
Apenas as afirmativas II e III estão corretas. 
 
Apenas as afirmativas I e V estão corretas. 
 
Apenas as afirmativas I, II e III estão corretas. 
 
Apenas as afirmativas I, II e V estão corretas 
 36:16 
 
Explicação: 
O paradigma conexionista se baseou em modelos matemáticos simples de neurônios e com 
eles constituiu uma rede neuronal com a capacidade de simular a memória associativa 
humana, acessando conteúdo e não endereços como nos computadores clássicos. Sendo 
assim, os algoritmos de redes neurais fazem parte do paradigma conexionista. Entre as 
opções, não representam uma característica desse paradigma os algoritmos de otimização, 
pois eles fazem parte do paradigma evolutivo, que compreende um conjunto de técnicas de 
busca e otimização inspiradas na evolução natural das espécies. 
 
 
2a 
 Questão 
Acerto: 1,0 / 1,0 
 
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. 
 
haver uma definição precisa de como proceder a busca pelos estados de 
interesse. 
 
todos os possíveis estados sejam conhecidos. 
 
que o grafo seja unidimencionado, ou seja, todas as arestas sejam de mão 
única. 
 que sejam definidos os estados inicial, final ou finais e as operações possíveis. 
 37:52 
 
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. 
 
 
3a 
 Questão 
Acerto: 1,0 / 1,0 
 
Os métodos de busca em espaço de estados fazem parte da Inteligência Artificial. Eles 
podem ser aplicados em áreas como robótica e jogos digitais, por exemplo. Nesse 
sentido, selecione a opção correta a respeito dos métodos de busca no espaço de 
estados. 
 
 
São métodos exatos e não dependem de como são implementados. 
 Esses métodos podem não ser exatos. Além disso, eles são sensíveis ao modo 
como é feita o mapeamento entre condições, ações e estados. 
 
Devido ao não determinismo, não é possível medir seu desempenho. 
 
A função de utilidade é uma forma de verificar se o método é útil para resolver 
problemas para os quais ele foi projetado. 
 
O seu desempenho é medido de forma exata, analisando apenas a estrutura 
do método. 
 39:29 
 
Explicação: 
Existem métodos exatos para resolver problemas de espaços de estados, no entanto, 
normalmente, esses algoritmos são lentos para produzir respostas. Ora, o tempo de 
resposta é fundamental em muitas aplicações, outra coisa a qualidade da resposta, em 
muitos casos precisa satisfazer algumas condições e não precisa ser, necessariamente, 
ótima. É por isso que métodos não exatos são utilizados na prática, apesar de serem 
sensíveis ao mapeamento entre condições, ações e estados. 
 
 
4a 
 Questão 
Acerto: 1,0 / 1,0 
 
As estratégias aplicadas aos métodos de busca em espaço de estados devem ser feitas 
conforme características do problema. Por exemplo, suponha o seguinte caso: ''Um 
robô pode se locomover por meio de nós que são conectados entre si, de modo que ele 
possa visitar alguns lugares. Ele começa em um nó e depois vai visitar todos os nós 
conectados a esse nó e assim por diante''. Nesse sentido, selecione a opção correta a 
respeito dos métodos de busca no espaço de estados e de suas estratégias para o 
exemplo apresentado. 
 
 
A estratégia que deve ser aplicada é a de busca em profundidade (Depth First 
Search). 
 
Como a descrição do problema não destaca uma característica que possa ser 
usada como referência na escolha da melhor estratégia, deve-se aplicar a busca 
pelo melhor primeiro (Best First Search). 
 
O problema não apresenta nenhuma característica que possa ser explorada, 
portanto, qualquer estratégia pode ser aplicada. 
 
O problema não informa quais as ações que o robô pode executar, portanto, o 
mais adequado é não aplicar nenhuma estratégia específica até que haja um 
maior detalhamento do problema. 
 Trata-se de um exemplo em que a melhor estratégia é a busca em largura 
(Breadth First Search). 
 41:18 
 
Explicação: 
As estratégias de como um agente faz as suas escolhas são fundamentais, de modo a ter 
um tempo de resposta adequado para obter uma solução de qualidade aceitável. Entre 
essas estratégias, estão os algoritmos baseados em busca em largura que são 
caraterizados por explorarem soluções vizinhas. No caso do cenário descrito no exercício, 
não cabe a busca em profundidade, pois a busca ocorre nos nós vizinhos. 
 
 
5a 
 Questão 
Acerto: 1,0 / 1,0 
 
Observe a tabela verdade a seguir: 
 
Escolha a opção correta que contém a proposição que satisfaz a tabela verdade. 
 
 ~p ^ ~q 
 
q → p 
 
p → q 
 
~p ^ q 
 
p v ~q 
 41:44 
 
Explicação: 
É necessário substituir os valores lógicos de entrada na tabela verdade na proposição ~p ^ 
~q. O único caso que ela retorna verdade é quando o valor lógico da proposição p é F e o 
valor lógico da proposição q é falso, pois os valores de entrada serão negados resultando 
na operação lógica V ^ V que resulta em V. 
 
 
 
 
 
6a 
 Questão 
Acerto: 1,0 / 1,0 
 
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. 
 
 
É um método sofisticado que atua especificamente sobre a camada 
intermediária para ajustar os pesos. 
 
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 aplicado a redes neurais de múltiplas camadas. 
 
É um método exato que, ao final do treinamento, garante que o modelo é capaz 
de generalizar classificações. 
 43:34 
 
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 
Acerto: 0,0 / 1,0 
 
A respeito dos métodos de planejamento vistos: planejamento progressivo, regressivo e 
o strips. Assinale a alternativa verdadeira: 
 
 
Planejamento progressivo não requer uso de muita memória. 
 
Planejamento progressivo é mais eficiente que o regressivo. 
 Strips sempre acha um plano de execução ao objetivo, se existir um plano. 
 Strips implementa um tipo de busca regressiva. 
 
As buscas são de ordem linear em relação ao número de estados. 
 56:12 
 
Explicação: 
Sobre os métodos de planejamento progressivo, regressivo e strips, é correto afirmar que 
os strips implementam um tipo de busca regressiva, modificando-o, sendo assim a 
alternativa verdadeira corresponde ao strips implementa um tipo de busca regressiva. Em 
relação ao planejamento progressivo, este requer muito uso de memória, strips nem 
sempre acha o melhorplano ou um plano (mesmo que exista), não podemos afirmar que 
planejamento progressivo é mais eficiente que regressivo e as buscas não são de ordem 
linear em relação ao número de estados. 
 
 
8a 
 Questão 
Acerto: 1,0 / 1,0 
 
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 são 
explícitas. 
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: 
 
 
Relaxar somente A0 e A6. 
 
Relaxar somente A6. 
 
Relaxar A1 somente. 
 Relaxar somente A0, A1 e A6. 
 
Relaxar somente A0 e A1. 
 46:43 
 
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. 
 
 
9a 
 Questão 
Acerto: 1,0 / 1,0 
 
Um sistema nebuloso pode ser entendido como um aproximador de função em que a base de 
regras é responsável pelo mapeamento entre os valores das variáveis de entrada e o valor da 
variável de saída. Diante disso, imagine que um processo industrial foi observado e para um 
conjunto de valores de entrada foram medidas suas respectivas saídas. A partir dessas 
observações, foi possível construir o gráfico a seguir, que ilustra a relação existente entre os 
dados de entrada e de saída. 
 
Imagine ainda que a função analítica que mapeia corretamente as entradas em suas saídas não é 
conhecida. Supondo que seja necessário identificar essa função e que alguma imprecisão na 
identificação é tolerada, considere um sistema nebuloso para aproximar a função desejada em 
que estejam definidas as seguintes variáveis nebulosas: 
 
De acordo com as variáveis definidas, qual a base de regras que melhor aproxima a função 
desejada? 
 
 
 
 
 
 
 
 
 
 
 
 49:11 
 
Explicação: 
as variáveis nebulosas X e Y da forma como foram definidas (com três conjuntos nebulosos cada), as 
regiões formadas por essas variáveis no plano XY podem ser representadas conforme a figura a 
seguir: 
 
Considerando ainda que a variável nebulosa Z também foi definida por três conjuntos nebulosos, as 
regiões obtidas nos planos XZ e YZ também são semelhantes àquelas representadas no plano XY. 
Portanto, há 27 regiões formadas por todas as combinações possíveis entre os conjuntos nebulosos 
que compõem as variáveis X, Y e Z. Para cada uma das 9 combinações dos conjuntos que formam as 
variáveis X e Y, é preciso associar uma região em Z que melhor aproxima a função representada pelo 
gráfico. Ao observar o gráfico da função, nota-se que Z assume valores mais baixos nos cantos, que 
correspondem às regiões formadas pelas seguintes combinações de conjuntos de XY: x-baixo e y-
baixo; x-baixo e y-alto; x-alto e y-baixo; x-alto e y-alto. Nota-se ainda que Z assume valores médios 
nas regiões de XY que estão nos centros das bordas, ou seja, nas regiões formadas pelas 
combinações: x-médio e y-baixo; x-baixo e y-médio; x-médio e y-alto; x-alto e y-médio. Por fim, Z 
assume valores mais altos na região central de XY, correspondente à combinação: x-médio e y-médio. 
 
 
 
10a 
 Questão 
Acerto: 1,0 / 1,0 
 
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. 
 
 
A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira. 
 
As duas asserções são proposições verdadeiras, e a segunda 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 não é uma justificativa 
correta da primeira. 
 
As duas asserções são proposições falsas. 
 50:28 
 
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.