INTELIGÊNCIA ARTIFICIAL_Simulado 2 AV

Prévia do material em texto

Disc.: INTELIGÊNCIA ARTIFICIAL 
Aluno(a): 
Acertos: 10,0 de 10,0 11/09/2022 
 
 
 
1a 
 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. 
 
que o grafo seja unidimencionado, ou seja, todas as arestas sejam de mão 
única. 
 
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. 
Respondido em 11/09/2022 16:57:43 
 
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. 
 
 
2a 
 Questão 
Acerto: 1,0 / 1,0 
 
Em cada paradigma de Inteligência Artificial agrega-se um conjunto de possibilidades 
de aplicação devido aos seus níveis de 
 
 
indeterminismo, expertise, reconhecimento de regras, proatividade e 
autonomia. 
 
determinismo, especialização, reconhecimento de padrões, inteligência e 
dependência. 
 
indeterminismo, generalização, reconhecimento de regras, criatividade e 
autonomia. 
 
indeterminismo, especialização, reconhecimento de regras, aprendizagem e 
autonomia. 
 determinismo, generalização, reconhecimento de padrões, criatividade e 
autonomia. 
Respondido em 11/09/2022 17:09:34 
 
Explicação: 
A Inteligência Artificial pode ser dividida em paradigmas, como, por exemplo, o paradigma 
simbólico, o paradigma conexionista, o paradigma evolutivo, entre outros. Cada paradigma 
leva a um conjunto de possibilidades de aplicação devido aos seus níveis de determinismo, 
generalização, reconhecimento de padrões, criatividade e autonomia. Dessa forma, 
estamos classificando a IA em seus níveis, entendendo melhor tudo aquilo que cabe dentro 
da definição do que é Inteligência Artificial, e assim ficam mais compreensíveis suas 
potencialidades e seus usos. 
 
 
3a 
 Questão 
Acerto: 1,0 / 1,0 
 
De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo 
simbolista 
 
 
é formado por uma rede de elementos conectados por pesos que detêm o 
conhecimento. 
 
lida apenas com símbolos gráficos. 
 
é um modelo que aprende a partir dos dados. 
 lida com conhecimento explícito e representado simbolicamente. 
 
não possui conhecimento representado explicitamente. 
Respondido em 11/09/2022 17:02:44 
 
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. 
 
 
4a 
 Questão 
Acerto: 1,0 / 1,0 
 
A introdução da Inteligência Artificial em nossas rotinas trouxe o termo casa inteligente. 
Sobre o assunto, julgue as opções. 
 
 
As vantagens de uma casa inteligente são: segurança e personalização, porém, 
devido ao elevado custo, ainda não saíram do papel, atualmente, são apenas 
projetos. 
 
Atualmente, as casas inteligentes são a realidade em uma grande maioria de 
cidades pelo mundo, principalmente no Brasil. 
 
Com a possibilidade de ajustar intensidade e potência e personalizar a 
usabilidade de aparelhos e eletrodomésticos, devido à ausência de economia de 
energia, o preço que se paga pelos gadgets não é viável. 
 As casas inteligentes têm o objetivo de oferecer diversos recursos de automação 
que prometem tornar a vida mais tranquila. 
 
As casas inteligentes são uma das tecnologias mais antigas da IA, com seu 
modelo projetado nos anos 1960. 
Respondido em 11/09/2022 17:08:20 
 
Explicação: 
A casa inteligente, também conhecida como casa conectada - do inglês, Connected Home - 
é uma casa que possui sistemas avançados de automação para providenciar monitoramento 
e controle sobre as funções de toda a construção, como, por exemplo, controles de 
temperatura, multimídia, portas e janelas. 
 
 
5a 
 Questão 
Acerto: 1,0 / 1,0 
 
Selecione a opção que apresenta a busca que implementa a operação de pilha para 
buscar os estados. 
 
 
Busca pelo melhor primeiro. 
 
Busca em largura. 
 Busca em profundidade. 
 
Busca com profundidade limitada. 
 
Busca em largura limitada. 
Respondido em 11/09/2022 16:55:21 
 
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. 
 
 
6a 
 Questão 
Acerto: 1,0 / 1,0 
 
Qual método de pesquisa irá expandir o nó que está mais próximo do objetivo? 
 
 
Busca bidirecional. 
 
Busca A*. 
 Busca gananciosa pelo melhor primeiro (Greedy best-first search). 
 
Busca pelo melhor primeiro (Best First Search). 
 
Busca em Profundidade. 
Respondido em 11/09/2022 16:55:06 
 
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. 
 
 
7a 
 Questão 
Acerto: 1,0 / 1,0 
 
Existem diversos algoritmos de busca cega. Nesse sentido, selecione a opção correta 
em que todos os métodos são do tipo busca cega. 
 
 
Busca em profundidade primeiro, busca greedy e pesquisa bidirecional. 
 Busca em largura primeiro, busca em profundidade primeiro e pesquisa 
bidirecional. 
 
Busca em grafo, busca em largura primeiro e pesquisa bidirecional. 
 
Busca em largura, custo uniforme e busca A*. 
 
Busca A*, busca greedy e busca em grafo. 
Respondido em 11/09/2022 17:10:13 
 
Explicação: 
Os algoritmos de busca cega - também chamados de busca (ou de pesquisa) não informada 
- não contêm informações sobre seu domínio. A única coisa que esses algoritmos podem 
fazer é distinguir entre um estado não objetivo de um estado objetivo (estado alvo). É o 
caso dos algoritmos de busca em largura primeiro, busca em profundidade primeiro e de 
pesquisa bidirecional. 
 
 
8a 
 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. 
 
 
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 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. 
 É um método aplicado a redes neurais de múltiplas camadas. 
Respondido em 11/09/2022 16:54:30 
 
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.9a 
 Questão 
Acerto: 1,0 / 1,0 
 
Observe a frase: ''todos os quadros são azuis''. Em relação à lógica de primeira ordem, 
selecione a opção correta. 
 
 
A frase pode ser representada pela lógica sentencial, mas não pela lógica de 
primeira ordem. 
 
A frase é equivalente a: ''para qualquer quadro existente, ele pode ser azul''. 
 
A frase pode ser representada por três variáveis:''todos'', ''os quadros'' e ''são 
azuis''. 
 A negação da frase é: ''existe pelo menos um quadro que não é azul''. 
 
A negação da frase é: ''existe pelo um quadro branco''. 
Respondido em 11/09/2022 16:53:29 
 
Explicação: 
Os quantificadores lógicos podem ser universais e existenciais. Os quantificadores 
universais são usados para generalizar proposições, como, por exemplo: ''qualquer quadro 
que exista é azul''. No caso do quantificador existencial, indica a existência de pelo menos 
uma situação em que a proposição é verdadeira, como, por exemplo: ''existe pelo menos 
uma casa azul''. A negação de uma proposição com quantificador universal é equivalente à 
existência de, pelo menos, uma exceção. 
 
 
10a 
 Questão 
Acerto: 1,0 / 1,0 
 
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 capazes de desenvolver processos criativos sem a necessidade de base de 
conhecimento. 
 Problemas linearmente separáveis estão entre as categorias que podem ser 
modelados por redes neurais. 
 
Devem ser aplicadas para demonstração de teoremas. 
 
São aplicadas em contextos em que há limitação de dados. 
 
São indicadas para substituir os profissionais em atividades complexas e 
eventuais. 
Respondido em 11/09/2022 17:03:45 
 
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.