AV1 INTELIGÊNCIA ARTIFICIAL

Prévia do material em texto

Disciplina: INTELIGÊNCIA ARTIFICIAL 
	AV
	Aluno: REGIS BATISTA CONDE
	202001069674
	Professor: MAURO CESAR CANTARINO GIL
 
	Turma: 9001
	DGT0141_AV_202001069674 (AG) 
	 23/10/2022 20:01:48 (F) 
			Avaliação:
8,0
	Nota SIA:
10,0 pts
	 
		
	02492 - FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL
	 
	 
	 1.
	Ref.: 6041497
	Pontos: 1,00  / 1,00
	
	Julgue os itens que se seguem acerca de Inteligência Artificial.
I. Em Inteligência Artificial, pode-se adotar dois paradigmas de modelagem, o conexionista e o simbólico. Redes neurais e algoritmos genéticos estão mais associados ao primeiro, enquanto o uso de linguagens como Prolog e Lisp está relacionado ao segundo.
II. São exemplos de técnicas de inteligência computacional, os algoritmos genéticos e as redes neurais artificiais.
III. Inteligência Artificial é um conjunto de métodos e(ou) técnicas que procura desenvolver sistemas dotados de comportamento semelhante a certos aspectos do comportamento inteligente.
Assinale a alternativa correta.
		
	
	Apenas as afirmativas I e III estão corretas.
	
	Todas as afirmativas estão corretas.
	
	Apenas as afirmativas I e II estão corretas.
	
	Todas as afirmativas estão incorretas.
	 
	Apenas as afirmativas II e III estão corretas.
	
	
	 2.
	Ref.: 6041777
	Pontos: 1,00  / 1,00
	
	Um dos principais métodos do paradigma evolutivo é o algoritmo genético, que possui com o principal atrativo a utilização de ferramenta de busca e otimização para a solução dos mais diferentes tipos de problemas. Assim, pode-se afirmar que os algoritmos genéticos
		
	
	são inspirados no comportamento do cérebro humano e modelam os modos imprecisos do raciocínio aproximado.
	
	lidam com conhecimento não simbolicamente representado e processam a informação de forma paralela e distribuída.
	
	são inspirados nos fenômenos emergentes da natureza
	
	lidam com conhecimento explícito, representado simbolicamente e generalizam o conhecimento aprendido.
	 
	empregam uma estratégia de busca paralela e estruturada, baseadas nos mecanismos da seleção natural.
	
	
	 
		
	02706 - PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
	 
	 
	 3.
	Ref.: 6079274
	Pontos: 1,00  / 1,00
	
	O modelo restritivo que definimos assume 8 tipos de restrições. Essas restrições podem ser relaxadas quando quisermos desenvolver determinados tipos de agentes inteligentes. Marque a alternativa verdadeira a respeito de um robô limpador que foi desenvolvido para funcionar em uma gama variada de casas, de ambientes, sem nenhum tipo de intervenção humana:
		
	
	Não precisamos relaxar a restrição que assume o ambiente finito, pela maneira que o robô foi criado.
	
	Não precisamos relaxar a restrição que diz que o ambiente é estático, porque o robô tem sensores que mapeiam completamente o ambiente.
	
	Assumir que o ambiente é determinístico é uma boa premissa ao desenvolver um robô com as características apresentadas
	
	Não precisamos fazer nenhum tipo de relaxamento sobre as restrições, porque as características das tarefas são simples.
	 
	O sistema é dinâmico, por isso relaxaremos a restrição que assume o sistema estático.
	
	
	 4.
	Ref.: 6078985
	Pontos: 1,00  / 1,00
	
	Assinale a afirmativa verdadeira a respeito do planejamento de agentes inteligentes em inteligência artificial:
 
		
	
	O planejador sempre assume que suas ações são realizadas com perfeição pelo controlador.
	
	O controlador é responsável por elaborar planos e executá-los.
	 
	Uma função de transição de estados relaciona um determinado estado a outros estados ao executar uma determinada ação.
	
	O planejador precisa do conhecimento completo do ambiente para executar um plano.
	
	O planejador sempre assume que o sistema não muda enquanto elabora um plano para ser executado.
	
	
	 
		
	02764 - RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
	 
	 
	 5.
	Ref.: 6074518
	Pontos: 1,00  / 1,00
	
	De um modo geral, uma rede bayesiana é uma forma de expressar graficamente as relações de dependência entre variáveis em um determinado domínio em que há a presença de incertezas. Imagine um subconjunto de 5 disciplinas de um curso de graduação para as quais tem-se o conhecimento a seguir:
1 - as disciplinas A e E não exigem conhecimentos prévios de outras disciplinas;
2 - o bom desempenho na disciplina A é importante para se alcançar um bom desempenho nas disciplinas B e C;
3 - bons conhecimentos sobre a disciplina C são importantes para que se compreenda o conteúdo relacionado à disciplina B;
2 - para o bom desempenho nas disciplinas D é fundamental ter bons conhecimentos sobre as disciplinas E e B.
A rede bayesiana que melhor representa a situação descrita é:
		
	
	
	 
	
	
	
	
	
	
	
	
	
	 6.
	Ref.: 6074517
	Pontos: 1,00  / 1,00
	
	Um método de inferência probabilística bastante simples, é aquele que usa como base de conhecimento a distribuição de probabilidade conjunta total das variáveis aleatórias que descrevem o domínio de interesse.
Sobre esse método de inferência, analise as afirmações a seguir:
I - Permite estimar a probabilidade de ocorrência de qualquer evento relacionado ao domínio em análise.
II - Apesar da simplicidade, seu uso pode se tornar inviável em situações em que há muitas variáveis envolvidas.
III - A identificação de independências entre as variáveis aleatórias pode simplificar a construção da distribuição conjunta total.
Estão corretas apenas as afirmações:
		
	 
	I, II e III
	
	II
	
	I e III
	
	I
	
	II e III
	
	
	 
		
	02775 - REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
	 
	 
	 7.
	Ref.: 6040942
	Pontos: 1,00  / 1,00
	
	Em relação à lógica proposicional, temos a seguinte sentença proposicional: ~p v ~s → q ^ r Ⱶ ( ~(p ^ s) → (q ^ r) ). Escolha a opção correta sobre a sentença.
		
	
	é uma contradição.
	 
	É uma tautologia.
	
	A tabela verdade possui 32 linhas.
	
	É uma contingência.
	
	A tabela verdade possui 8 linhas.
	
	
	 8.
	Ref.: 6040858
	Pontos: 0,00  / 1,00
	
	Em relação à lógica proposicional, temos a seguinte sentença proposicional: p → q ^ s ↔ r ^ ~q. Quantas linhas terá a tabela verdade dessa sentença?
		
	 
	16
	
	8
	 
	48
	
	32
	
	12
	
	
	 
		
	02811 - TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
	 
	 
	 9.
	Ref.: 6040442
	Pontos: 1,00  / 1,00
	
	Os métodos de busca de estados fazem parte das técnicas de inteligência artificial para resolver problemas com características que permitem que sejam modelados e tratados por meio de algoritmos. Os métodos de busca de estado são construídos de modo a aumentar as chances de encontrar a solução alvo. O ideal é que esse processo de busca seja o mais eficiente possível. Nesse sentido, selecione a opção correta sobre a estratégia de pesquisa de métodos de busca em espaço de estados.
		
	
	Corresponde à escolha entre os algoritmos de busca, de modo a maximizar a quantidade de passos.
	
	É uma forma eficiente de sempre encontrar a melhor resposta.
	
	Refere-se às variações do algoritmo Best First que, normalmente, é o método de melhor desempenho para buscas em espaços de estados.
	
	É definida como a melhor escolha que o algoritmo pode fazer. Um exemplo é o algoritmo Best First.
	 
	Ela está relacionada à ordem em que os nós são escolhidos.
	
	
	 10.
	Ref.: 6040120
	Pontos: 0,00  / 1,00
	
	Muitos problemas reais podem ser modelados por meio de uma formulação matemática. Alguns desses problemas são considerados difíceis devido a fatores como dimensão e o modo como os dados estão relacionados entre si. Considerando que é possível enumerar as possíveis soluções que o problema pode assumir, selecione a opção correta sobre a forma de tratar esse problema.
		
	 
	A abordagem correta é modelar o problema como um modelo de otimização linear e resolvê-lo pelo método Simplex que é reconhecidamente eficiente.
	 
	Por meio de métodos de busca em espaço de estados, pois não conhecemos detalhes sobre o problema em si, alémde que seu espaço é enumerável.
	
	A busca em largura é a mais adequada para esse caso.
	
	Como os métodos baseados na busca em profundidade são os mais eficientes, essa deve ser a abordagem para o problema.
	
	A abordagem mais eficiente é por meio do método Best First.