Teste de Conhecimento - Inteligencia Artificial

Prévia do material em texto

De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo simbolista
De acordo com os paradigmas de Inteligência Artificial, para que um problema possa ser representado como um grafo de
estados é necessário
A estratégia de alguns algoritmos para resolver problemas em espaços de estados é explorar a vizinhança de uma
determinada solução com a garantia qualidade. Nesse sentido, selecione a opção correta que trata esta classe de
problemas.
 
1.
lida com conhecimento explícito e representado simbolicamente.
é um modelo que aprende a partir dos dados.
lida apenas com símbolos gráficos.
não possui conhecimento representado explicitamente.
é formado por uma rede de elementos conectados por pesos que detêm o conhecimento.
Data Resp.: 15/09/2022 21:17:45
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.
 
 
2.
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.
todos os possíveis estados sejam conhecidos.
conhecer o modo de como chegar à resposta.
haver uma definição precisa de como proceder a busca pelos estados de interesse.
Data Resp.: 15/09/2022 21:18:23
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.
 
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
 
3.
Técnicas de pesquisa informadas.
Técnicas de pesquisa local.
Heurísticas.
Técnicas de pesquisa desinformadas.
Algoritmo A*.
Data Resp.: 15/09/2022 21:20:07
Explicação:
Os algoritmos de busca global são muito importantes, pois garantem a solução ótima de um problema, quando ela
existe. No entanto, para problemas práticos, obter a solução ótima global pode ser um processo muito custoso do
ponto de vista computacional. Uma estratégia bastante utilizada é a dos algoritmos de busca local que exploram o
entorno de uma determinada solução na tentativa de obter uma solução melhor que a atual, mas não garantem uma
solução global.
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.
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.
Em relação à lógica proposicional, temos os seguintes argumentos:
Hipótese 1: p ^ s → q ^ r
Hipótese 2: q ^ r → w ^ s
Conclusão: p ^ s → w ^ s.
Escolha a opção correta sobre o nome desse argumento.
 
 
4.
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 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).
O problema não apresenta nenhuma característica que possa ser explorada, portanto, qualquer estratégia pode ser
aplicada.
A estratégia que deve ser aplicada é a de busca em profundidade (Depth First Search).
Data Resp.: 15/09/2022 21:21:42
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.
 
02775REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
 
5.
Devem ser aplicadas para demonstração de teoremas.
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.
São aplicadas em contextos em que há limitação de dados.
São indicadas para substituir os profissionais em atividades complexas e eventuais.
Data Resp.: 15/09/2022 21:22:44
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.
 
 
6.
Silogismo hipotético.
Ao se modificar o algoritmo em Prolog em Coloração de Mapas, disponível logo abaixo, para o mapa apresentado abaixo,
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 restrições: 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).
Modus tollens.
Simplificação conjuntiva.
Modus ponens.
A tabela verdade possui 8 linhas.
Data Resp.: 15/09/2022 21:24:21
Explicação:
A tabela-verdade da sentença possui 32 linhas, pois temos 5 proposições de entrada que são: p, s, q, r e w. Devemos
nos lembrar de que no Modus ponens, usamos uma premissa verdadeira para provar que a consequência da
implicação é verdadeira. A resposta correta é aquela que demonstra que o silogismo hipotético tem a forma: a → b, b
→ c Ⱶ a → c. No caso da questão, basta fazer as substituições das proposições p ^ s por a, q ^ r por b e w ^ s por c.
No caso do Modus tollens, temos o formato p → q, ~q Ⱶ ~p. A simplificação conjuntiva só se aplica quando temos
proposições de valores lógicos verdadeiros associadas a um operador lógico E.
 
02706PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
 
7.
different(verde,azul).
different(azul,verde).
A respeito dos métodos de planejamento vistos: planejamento progressivo, regressivo e o strips. Assinale a alternativa
verdadeira:
Considere uma base de conhecimento relacionada a problemas observados em pneus de carros. Esses problemas se
resumem a pneu furado e pneu vazio, que podem exigir o uso de ummacaco para serem solucionados. A base de
conhecimento é representada pela distribuição conjunta total apresentada da tabela a seguir:
24
36
10
12
6
Data Resp.: 15/09/2022 21:24:50
Explicação:
Bastava perceber que as novas condições do problema são: A!=B, A!=C, A!=D, B!=C, C!=D, C!=E, D!=E,
E!=C. Com isso, conseguimos forçar essas condições na regra de coloring(A,B,C,D,E), como mostrado no código logo
abaixo. Logo, no total são 6 soluções.
 
 
8.
Planejamento progressivo não requer uso de muita memória.
Strips implementa um tipo de busca regressiva.
As buscas são de ordem linear em relação ao número de estados.
Planejamento progressivo é mais eficiente que o regressivo.
Strips sempre acha um plano de execução ao objetivo, se existir um plano.
Data Resp.: 15/09/2022 21:25:24
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 melhor plano 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.
 
02764RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
 
9.
A partir dessa distribuição, analise as afirmações a seguir:
I - P(PneuFurado = verdadeiro) = 0,187
II - P(PneuFurado = falso ^ Macaco = verdadeiro) = 0,979
III - P(PneuVazio = verdadeiro v PneuFurado = falso) = 0,940
IV - P(PneuFurado = verdadeiro | PneuVazio = verdadeiro) = 0,632
Estão corretas apenas as afirmações:
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.
I e II
Todas
I e III
III e IV
I, III e IV
Data Resp.: 15/09/2022 21:26:22
Explicação:
A seguir são apresentados os cálculos envolvidos em opção:
I - P(PneuFurado = verdadeiro) = 0,006 + 0,054 + 0,015 + 0,112 = 0,187
II - P(PneuFurado = falso ^ Macaco = verdadeiro) = 0,126 + 0,021 = 0,147
III - P(PneuVazio = verdadeiro v PneuFurado = falso) = 0,053 + 0,021 + 0,015 +
 0,112 + 0,613 + 0,126 = 0,940
IV - P(PneuFurado = verdadeiro | PneuVazio = verdadeiro) =
 (P(PneuFurado = verdadeiro ^ PneuVazio = verdadeiro) / P(PneuVazio = verdadeiro) =
 (0,015 + 0,112) / (0,053 + 0,021 + 0,015 + 0,112) = 0,127 / 0,201 = 0,632
Portanto, estão corretas as afirmações I, III e IV.
 
 
10.
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?
Data Resp.: 15/09/2022 21:27:25
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.