AV - INTELIGÊNCIA ARTIFICIAL

Prévia do material em texto

Disciplina: INTELIGÊNCIA ARTIFICIAL  AV
Aluno: YURI CID DA SILVA LIMA 202008191076
Professor: MAURO CESAR CANTARINO GIL
 
Turma: 9004
DGT0141_AV_202008191076 (AG)   21/03/2023 19:08:47 (F) 
Avaliação: 7,00 pts Nota SIA: 9,00 pts
 
02492 - FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL  
 
 1. Ref.: 6041632 Pontos: 1,00  / 1,00
Fábricas de automóveis ou eletrodomésticos utilizam em larga escala robôs para automatizar as linhas de produção,
padronizando as atividades e minimizando o nível operacional de erros. Como exemplo, robôs podem ser
programados para executar soldas em pontos programados no espaço com alta precisão. Podemos classi�car o robô
de soldagem quanto às de�nições de IA como
pensar racionalmente
pensar e agir como ser humano
 agir racionalmente
agir como ser humano
pensar como ser humano
 2. Ref.: 6041777 Pontos: 0,00  / 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 a�rmar que os algoritmos genéticos
 lidam com conhecimento explícito, representado simbolicamente e generalizam o conhecimento aprendido.
são inspirados no comportamento do cérebro humano e modelam os modos imprecisos do raciocínio
aproximado.
são inspirados nos fenômenos emergentes da natureza
 empregam uma estratégia de busca paralela e estruturada, baseadas nos mecanismos da seleção natural.
lidam com conhecimento não simbolicamente representado e processam a informação de forma paralela e
distribuída.
 
02706 - PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL  
 
 3. Ref.: 6082333 Pontos: 1,00  / 1,00
Modi�que o programa Restrições reais, disponível logo abaixo, para resolver o seguinte problema de restrição de
domínio real
 
:- use_module(library(clpr)).
 
sistema(X,Y,Z) :- {2*X+Y =< 16, X+2*Y =< 11,X+3*Y =< 15, Z = 30*X+50*Y}, maximize(Z).
 
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6041632.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6041777.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6082333.');
Problema de restrição de domínio real
2X + Y ≤ 20
3X + 2Y ≤ 56
2X + 3Y ≤ 44
Maximizar X + Y
 
O valor máximo é:
 
18
14
15
17
 16
 4. Ref.: 6078986 Pontos: 1,00  / 1,00
Assinale a a�rmativa verdadeira a respeito do planejamento de agentes inteligentes em inteligência arti�cial:
A função de transição de estados é sempre inversível.
 Na representação de um sistema de transições de estado por meio de grafos, uma ação é aplicável a um
estado se existe pelo menos uma aresta que sai do nó que representa o estado a um outro nó representando
um outro estado.
Pela de�nição de função de transição, uma ação só é aplicável a um único possível estado.
Se há um número �nito de estados, é trivial resolver o problema de planejamento ao utilizar algoritmos de
busca já amplamente estudados na elaboração de um plano de ação.
Em um sistema de transição de estados, os nós do grafo representam as ações a serem tomadas.
 
02764 - RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO  
 
 5. Ref.: 6074518 Pontos: 0,00  / 1,00
De um modo geral, uma rede bayesiana é uma forma de expressar gra�camente 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:
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6078986.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6074518.');
 
 
 6. Ref.: 6074515 Pontos: 1,00  / 1,00
Uma indústria fabrica peças de automóveis em três unidades de produção: A, B e C. Sabe-se que a capacidade de
produção da unidade A é duas vezes maior que a produção da unidade B e que a produção de B é três vezes maior
que a produção de C. Sabe-se ainda que, em geral, 4% das peças fabricadas pela unidade A são defeituosas. Para as
unidades B e C, os percentuais de peças defeituosas são de 6% e 2%, respectivamente. A partir dessas informações é
possível estimar também que 4,4% das peças apresentam defeito. Por questões de logística de distribuição, todas as
peças produzidas são armazenadas em um único depósito. Caso um funcionário encontre uma peça defeituosa no
depósito, qual a probabilidade de essa peça ter sido fabricada na unidade B?
4,4%
30%
6%
 41%
1,8%
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6074515.');
 
02775 - REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO  
 
 7. Ref.: 6040764 Pontos: 0,00  / 1,00
A respeito do algoritmo de treinamento backpropagation, selecione a opção correta sobre o seu funcionamento
É uma arquitetura de rede neural arti�cial que otimiza a determinação dos pesos sinápticos.
É uma estrutura de dados que se baseia no percurso de árvores binárias para otimizar o processo de ajuste
dos pesos sinápticos.
 A saída da rede neural é obtida através da soma do produto entre os pesos sinápticos e suas respectivas
entradas.
 Através dos cálculos das saídas das unidades das camadas ocultas, obtém-se a saída real.
O método minimiza os pesos sinápticos através de um processo de otimização.
 8. Ref.: 6040588 Pontos: 1,00  / 1,00
Em relação às redes neurais, selecione a opção correta.
 A determinação dos pesos também depende dos dados de treinamento.
A quantidade de iterações para o treinamento de uma rede neural não pode ser limitada.
Não é possível medir a acurácia de uma rede neural.
A escolha de uma arquitetura de uma rede não depende do contexto da aplicação.
Uma rede neural sempre representa um processo linear.
 
02811 - TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL  
 
 9. Ref.: 6040441 Pontos: 1,00  / 1,00
Os métodos de busca em métodos de estados são bastante utilizados em inteligência arti�cial. Nesse sentido,
selecione a opção correta sobre o que deve ser levado em consideração em uma abordagem por busca no espaço de
estados.
A função objetivo.
Efeitos.
Pós-condições.
 Pré-condições e efeitos.
Condições prévias.
 10. Ref.: 6040384 Pontos: 1,00  / 1,00
Suponha que um algoritmo genético utilize um vetor x de oito posições para representar um cromossomo, sendo que
o vetor é indexado da posição 1 até a posição 8. Cada gene do cromossomo pode assumir valores inteiros de 1 a 9. A
função de �tness desse algoritmo é dada por:
f(x)= (x[1]+x[2]+x[3])-(x[4]+x[5]+x[6])+ (x[7]+x[8])2.
Nesse sentido, selecione a opção correta, levando em consideração as informações dadas na questão.
Não é possível calcular a função de �tness sem conhecer mais informações sobre o problema.
a função de �tness é igual a f(x)=22 para um cromossomo x =[ 1,3,1,3,2,1,2,3].
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6040764.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6040588.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6040441.');
javascript:alert('C%C3%B3digo da quest%C3%A3o: 6040384.');
Para um cromossomo x =[ 1,1,1,2,2,1,2,3], a função de �tness é igual a f(x)=20.
 Para um cromossomo x =[1,0,1,3,2,1,2,3], a função de �tness é igual a f(x)=21.
a função de �tness é igual a f(x)=19 para um cromossomo x =[ 1,0,1,0,2,1,1,3].