INTELIGENCIA ARTIFICIAL - TESTE DE CONHECIMENTO

Prévia do material em texto

31/10/2022 10:43 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/1
Os conjuntos nebulosos são uma extensão dos conjuntos tradicionais que ampliam a ideia de pertinência binária
para a ideia de pertinência parcial. Com isso, torna-se possível representar com maior fidelidade situações ou
conceitos que envolvem alguma forma de imprecisão. Considere os conjuntos a seguir:
I - réplicas de obras de arte
II - animais velozes
III - ganhadores do Prêmio Nobel
IV - frutas maduras
São melhor representados por conjuntos nebulosos apenas:
O raciocínio nebuloso se aplica a situações práticas em que algum grau de imprecisão nos resultados é tolerado.
Nesses casos, além de a imprecisão não comprometer os resultados, em geral as soluções são obtidas com mais
facilidade do que quando obtidas com métodos mais precisos. Contudo, há diversas situações práticas em que a
precisão é um requisito inegociável e, portanto, o raciocínio nebuloso não se aplica. Diante disso, analise as
situações a seguir:
I - Piloto automático capaz de manter uma distância segura entre o carro onde está implantado e o carro
imediatamente à sua frente em uma rodovia.
II - Braço robótico capaz de soldar as partes que compõem a lataria de um veículo em uma linha de montagem.
III - Impressora 3D capaz de imprimir peças para a indústria de equipamentos hospitalares.
São situações em que o raciocínio impreciso se aplica apenas:
 
 
 
 
 
 
02764RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
 
9.
I, II e III
I e III
Nenhum
II e IV
II, III e IV
Data Resp.: 10/10/2022 08:07:50
 
Explicação:
Quando se fala em obras de arte, só existem duas possibilidades, ou a obra é genuína ou não. Portanto, não há
qualquer imprecisão na identificação dos elementos que pertencem em relação aos que não pertencem ao
conjunto das réplicas. O mesmo acontece com os ganhadores do Prêmio Nobel. Portanto, os conjuntos
tradicionais são adequados para a representação desses dois casos. Por outro lado, quando se fala em animais
velozes e frutas maduras, os termos "velozes" e "maduras" são inerentemente imprecisos, ou seja, não existe
uma fronteira nítida (precisa) que separa "velozes" de "não velozes" e "maduras" de "não maduras". Portanto,
são melhor representados por conjuntos nebulosos os itens II e IV.
 
 
 
 
10.
II
II e III
I e III
I
I, II e III
Data Resp.: 10/10/2022 08:07:53
 
Explicação:
A situação apresentada no item I estabelece que o piloto automático deve manter uma distância segura em
relação ao veículo logo à frente e, nesse caso, fica claro que o termo "segura" sugere alguma imprecisão. Afinal,
na prática, não há a necessidade de que essa distância a ser respeitada seja um valor exato, ou seja, alguma
imprecisão é tolerada. Por outro lado, nos itens II e III são apresentadas situações práticas em que a precisão é
um requisito fundamental. No caso do robô soldador, a solda deve ser aplicada com exatidão nos mesmos
pontos e, com isso, não há margem de imprecisão. No caso da impressão 3D acontece o mesmo. Afinal,
qualquer variação de formato, por mais sutil que seja, e que esteja fora do padrão, pode invalidar aquela peça.
Portanto, o raciocínio impreciso se aplica apenas à situação I.
 
 
31/10/2022 10:43 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/1
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).
different(verde,azul).
different(azul,verde).
 
 
8.
10
6
36
12
24
Data Resp.: 10/10/2022 08:07:47
 
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.
 
 
 
31/10/2022 10:42 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/1
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.
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:
 
 
6.
Regra de aprendizagem Perceptron.
Método dos mínimos quadrados.
O vencedor leva tudo.
Distribuição aleatória.
Regra de aprendizagem Outstar.
Data Resp.: 10/10/2022 08:07:38
 
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.
 
 
 
 
 
 
02706PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
 
7.
progenitor(joao,maria) retorna verdadeiro
progenitor(X,jose) retorna maria e joao
masculino(jorge) retorna falso
progenitor(X,maria) retorna verdadeiro
progenitor(X,joao) retorna verdadeiro
Data Resp.: 10/10/2022 08:07:42
 
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.
31/10/2022 10:42 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/1
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.
Existem diversos algoritmos de busca cega. Nesse sentido, selecione a opção correta em que todos os métodos são
do tipo busca cega.
Observe a frase: ''todos os quadros são azuis''. Em relação à lógica de primeira ordem, selecione a opção correta.
 
 
 
 
 
 
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
 
3.
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).
Trata-se de um exemplo em que a melhor estratégia é a busca em largura (Breadth 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 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.
Data Resp.: 10/10/2022 08:07:29
 
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.
 
 
 
 
4.
Busca em grafo, busca em largura primeiro e pesquisa bidirecional.
Busca em profundidade primeiro, busca greedy e pesquisa bidirecional.
Busca A*, busca greedy e busca em grafo.
Busca em largura, custo uniforme e busca A*.
Busca em largura primeiro, busca em profundidade primeiro e pesquisa bidirecional.
Data Resp.: 10/10/2022 08:07:32
 
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.
 
 
 
 
 
 
02775REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
 
5.
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 frase pode ser representada pela lógica sentencial, mas não pela lógica de primeira ordem.
A negação da frase é: ''existe pelo um quadro branco''.
Data Resp.: 10/10/2022 08:07:36
 
Explicação:
31/10/2022 10:41 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/1
A introdução da Inteligência Artificial em nossas rotinas trouxe o termo casa inteligente. Sobre o assunto, julgue as
opções.
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.
As estratégias aplicadas aos métodos de busca em espaço de estados devem ser feitas conforme características do
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.
As casas inteligentes têm o objetivo de oferecer diversos recursos de automação que prometem tornar a vida
mais tranquila.
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 são uma das tecnologias mais antigas da IA, com seu modelo projetado nos anos 1960.
As vantagens de uma casa inteligente são: segurança e personalização, porém, devido ao elevado custo,
ainda não saíram do papel, atualmente, são apenas projetos.
Data Resp.: 10/10/2022 08:07:24
 
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. 
 
 
 
 
2.
Apenas as afirmativas II e III estão corretas.
Apenas as afirmativas I, II e V estão corretas
Apenas as afirmativas I e V estão corretas.
Apenas as afirmativas I, II e III estão corretas.
Apenas as afirmativas I, II, III e V estão corretas.
Data Resp.: 10/10/2022 08:07:27
 
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.
 
 
 
 
 
 
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
 
3