Prévia do material em texto

09/10/2022 18:30 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/6
Teste de
Conhecimento
 avalie sua aprendizagem
De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo simbolista
Em relação às definições sobre Inteligência Artificial, pode-se afirmar que:
I - A arte de criar máquinas que executem funções que exijam inteligência quando executada por pessoas.
II - O estudo de como fazer computadores realizarem coisas nas quais, no momento as pessoas são melhores.
III - O ramo da ciência da computação que está interessada em automatizar comportamento inteligente.
IV - O estudo e desenvolvimento específico para criação de máquinas para substituir os soldados nos confrontos
proporcionados pela guerra.
INTELIGÊNCIA ARTIFICIAL 
Lupa Calc.
 
 
DGT0141_202107054271_TEMAS 
Aluno: WANDERSON CESAR ALVES BELEM Matr.: 202107054271
Disc.: INTELIGÊNCIA ARTIF 2022.3 EAD (G) / EX
Prezado (a) Aluno(a),
 
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua
avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.
02492FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL
 
1.
é um modelo que aprende a partir dos dados.
lida apenas com símbolos gráficos.
é formado por uma rede de elementos conectados por pesos que detêm o conhecimento.
lida com conhecimento explícito e representado simbolicamente.
não possui conhecimento representado explicitamente.
Data Resp.: 09/10/2022 19:27:16
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.
javascript:voltar();
javascript:voltar();
javascript:diminui();
javascript:aumenta();
javascript:calculadora_on();
09/10/2022 18:30 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/6
Escolha a alternativa correta.
Qual método de pesquisa irá expandir o nó que está mais próximo do objetivo?
A respeito dos métodos de busca local, selecione a opção correta.
Apenas os itens I e II estão corretos.
Os itens I, II e III estão corretos.
Apenas os itens II e IV estão corretos.
Apenas o item I está correto.
Apenas o item III está correto.
Data Resp.: 09/10/2022 19:27:28
Explicação:
O termo Inteligência Artificial possui várias definições. Sendo assim, é possível confirmar que a IA é uma arte de criar
máquinas que executam funções que exijam inteligência. Também é possível definir a Inteligência Artificial como um
estudo de fazer os computadores realizarem coisas nas quais, no momento, as pessoas são melhores. E por último,
também está correto que a IA é um ramo da ciência da computação que se encontra interessada em automatizar
comportamento inteligente. Dessa forma, podemos concluir que as três afirmativas definem a Inteligência Artificial.
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
 
3.
Busca gananciosa pelo melhor primeiro (Greedy best-first search).
Busca A*.
Busca bidirecional.
Busca em Profundidade.
Busca pelo melhor primeiro (Best First Search).
Data Resp.: 09/10/2022 19:27:49
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.
 
4.
Não é possível criar um algoritmo ótimo de busca local.
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.
Os algoritmos de busca local são eficientes no uso da memória.
Todos os algoritmos de busca local sempre são completos.
Data Resp.: 09/10/2022 19:28:02
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.
09/10/2022 18:30 Estácio: Alunos
https://simulado.estacio.br/alunos/ 3/6
Observe a tabela verdade a seguir:
Escolha a opção correta que contém a proposição que satisfaz a tabela verdade.
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.
Analise a proposição abaixo.
 
φ = (x ∨ y) ∧ z ∧ (¬ z ∨ ¬y) ∧ (¬x ∨ ¬ z)
02775REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
 
5.
~p ^ ~q
p → q
~p ^ q
q → p
p v ~q
Data Resp.: 09/10/2022 19:28:20
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.
 
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 sofisticado que atua especificamente sobre a camada intermediária para ajustar os pesos.
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.
Data Resp.: 09/10/2022 19:28:49
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.
02706PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
 
7.
09/10/2022 18:30 Estácio: Alunos
https://simulado.estacio.br/alunos/ 4/6
 
Assinale a afirmativa verdadeira:
Considere o seguinte código em Prolog:
 
progenitor(maria, jose).
progenitor(joao, jose).
progenitor(joao, ana).
progenitor(jose, julia).
progenitor(jose, iris).
progenitor(iris, jorge).
 
masculino(joao).
masculino(jose).
masculino(jorge).
feminino(maria).
feminino(julia).
feminino(ana).
feminino(iris).
 
Marque a alternativa verdadeira a respeito do retorno da consulta:
φ é satisfazível para x = verdadeiro, y = verdadeiro e z = verdadeiro
φ é satisfazível para x = verdadeiro, y = falso e z = verdadeiro
φ é satisfazível para x = verdadeiro, y = falso e z = falso
φ é satisfazível para x = falso , y = falso e z = verdadeiro
φ é não satisfazível
Data Resp.: 09/10/2022 19:28:57
Explicação:
φ é não satisfazível porque não há atribuição de valores para as variáveis x, y e z que tornam a expressão verdadeira.
 
8.
progenitor(X,joao) retorna verdadeiro
progenitor(joao,maria) retorna verdadeiro
masculino(jorge) retorna falso
progenitor(X,maria) retorna verdadeiro
progenitor(X,jose) retorna maria e joao
Data Resp.: 09/10/2022 19:29:10
Explicação:
A consulta progenitor(X,jose) irá buscar nos fatos quais valores de X tornam a consulta verdadeira.Dos fatos abaixo:
- progenitor(maria, jose).
- progenitor(joao, jose).
Concluímos que progenitor(X,jose) retorna X = maria ou X= joao.
09/10/2022 18:30 Estácio: Alunos
https://simulado.estacio.br/alunos/ 5/6
(COPPIN, 2010 - adaptado) Imagine que em uma cidade há duas companhias de táxi, sendo que uma usa táxis amarelos
e a outra táxis brancos. A companhia de táxis amarelos tem 90 carros e a de brancos, apenas 10. Foi relatado um
incidente de atropelamento, com fuga do motorista, e uma testemunha ocular declarou estar certa de que o carro
envolvido no acidente era um táxi branco. Devido ao mau tempo no momento do incidente, que pode ter prejudicado a
visibilidade, especialistas afirmam que a chance de a testemunha ter identificado corretamente o táxi é de 75%.
Para a situação apresentada têm-se todos os elementos necessários para calcular a probabilidade de a testemunha estar
certa ao dizer que o táxi era branco
porque
para isso, é preciso conhecer apenas a probabilidade de o culpado estar dirigindo um táxi branco e a probabilidade de a
testemunha afirmar que o táxi é branco dado que o culpado está realmente conduzindo um táxi branco.
Assinale a opção correta a respeito dessas asserções.
Considere uma região do Brasil em que se tenha o seguinte conhecimento a respeito do comportamento do tempo em
uma determinada época do ano. Sabe-se que a probabilidade de chover é de 0,5 e que a probabilidade de o tempo estar
nublado é de 0,8. Sabe-se ainda que a probabilidade de o tempo estar nublado quando chove é de 0,4. Diante disso, a
probabilidade de chover quando o tempo está nublado é de:
02764RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
 
9.
A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira.
As duas asserções são proposições falsas.
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 verdadeiras, e a segunda é uma justificativa correta da primeira.
Data Resp.: 09/10/2022 19:29:29
Explicação:
Inicialmente é preciso identificar os eventos envolvidos no problema proposto:
A = táxi amarelo
B = táxi branco
CA = culpado dirigindo um táxi amarelo
CB = culpado dirigindo um táxi branco
TA = testemunha viu um táxi amarelo
TB = testemunha viu um táxi branco
A probabilidade desejada, ou seja, de a testemunha estar certa ao dizer que o táxi era branco, pode ser representada
por P(CB | TB). Para obter esse valor, aplica-se diretamente o Teorema de Bayes. No entanto, para isso, é necessário
conhecer P(TB | CB), P(CB) e P(TB). O enunciado afirma que existe uma chance de 75% de a testemunha ter
identificado corretamente o carro, o que corresponde ao valor de P(TB | CB). O enunciado afirma ainda que dos 100
táxis existentes na cidade, 10 são brancos. Portanto, a probabilidade de o culpado estar dirigindo um táxi branco,
representada por P(CB), é de 0,1. Contudo, o enunciado não fornece informações suficientes para que se possa
estimar a probabilidade de a testemunha ter visto um carro branco, ou seja, P(TB). Para isso, seria necessário, por
exemplo, submeter a testemunha a um teste em que lhe fosse apresentada uma sequência aleatória de carros
brancos e amarelos a fim de estimar P(TB). Assim, uma vez que não se tem todos os elementos necessários para o
cálculo, a primeira asserção é falsa. A segunda asserção menciona apenas duas das três probabilidades necessárias
para se efetuar o cálculo (P(CB) e P(TB | CB)) e, por isso, também está incorreta.
 
10.
15%
25%
30%
40%
50%
Data Resp.: 09/10/2022 19:29:37
09/10/2022 18:30 Estácio: Alunos
https://simulado.estacio.br/alunos/ 6/6
Explicação:
A solução desse problema envolve a aplicação direta do Teorema de Bayes. Antes disso, porém, é preciso identificar
os eventos envolvidos na situação apresentada:
A = chuva
B = tempo nublado
Em seguida, identifica-se as probabilidades fornecidas:
P(A) = 0,5
P(B) = 0,8
P(B | A) = 0,4
Com isso, têm-se disponíveis todos os elementos necessários para calcular P(A | B) que corresponde à probabilidade
de chover, dado que o tempo está nublado. Agora, basta aplicar a regra de Bayes:
 Não Respondida Não Gravada Gravada
Exercício inciado em 09/10/2022 19:27:01.