Baixe o app para aproveitar ainda mais
Prévia do material em texto
07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 1/7 Meus Simulados Teste seu conhecimento acumulado Disc.: INTELIGÊNCIA ARTIFICIAL Aluno(a): FERNANDO DE SOUZA DE OLIVEIRA 202208198198 Acertos: 9,0 de 10,0 01/08/2023 Acerto: 1,0 / 1,0 De acordo com os paradigmas de Inteligência Arti�cial, pode-se a�rmar que um modelo simbolista é um modelo que aprende a partir dos dados. é formado por uma rede de elementos conectados por pesos que detêm o conhecimento. não possui conhecimento representado explicitamente. lida com conhecimento explícito e representado simbolicamente. lida apenas com símbolos grá�cos. Respondido em 01/08/2023 12:34:20 Explicação: A Inteligência Arti�cial 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 a�rmar 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. Acerto: 1,0 / 1,0 Em relação às de�nições sobre Inteligência Arti�cial, pode-se a�rmar 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 especí�co para criação de máquinas para substituir os soldados nos confrontos proporcionados pela guerra. Escolha a alternativa correta. Apenas o item I está correto. Apenas o item III está correto. Os itens I, II e III estão corretos. Apenas os itens II e IV estão corretos. Questão1 a Questão2 a https://simulado.estacio.br/alunos/inicio.asp javascript:voltar(); 07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 2/7 Apenas os itens I e II estão corretos. Respondido em 01/08/2023 12:37:30 Explicação: O termo Inteligência Arti�cial possui várias de�nições. Sendo assim, é possível con�rmar que a IA é uma arte de criar máquinas que executam funções que exijam inteligência. Também é possível de�nir a Inteligência Arti�cial 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 a�rmativas de�nem a Inteligência Arti�cial. Acerto: 1,0 / 1,0 A respeito dos métodos de busca local, selecione a opção correta. Ainda que uma solução não exista no espaço de estados, o algoritmo de busca local é capaz de identi�cá- la. Não é possível criar um algoritmo ótimo de busca local. Os algoritmos de busca local são e�cientes no uso da memória. Um algoritmo de busca local sempre encontra a solução ótima de um problema, desde que ela exista. Todos os algoritmos de busca local sempre são completos. Respondido em 01/08/2023 12:40:00 Explicação: Os algoritmos de busca local são bastante utilizados para resolver problemas práticos devido à e�ciência na exploração dos recursos computacionais, como memória, por exemplo, uma vez que o escopo das suas buscas �ca 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. Acerto: 1,0 / 1,0 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. O problema não informa quais as ações que o robô pode executar, portanto, o mais adequado é não aplicar nenhuma estratégia especí�ca até que haja um maior detalhamento do problema. O problema não apresenta nenhuma característica que possa ser explorada, portanto, qualquer estratégia pode ser aplicada. 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). 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). Respondido em 01/08/2023 12:41:04 Explicação: Questão3 a Questão4 a 07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 3/7 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. Acerto: 1,0 / 1,0 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. São capazes de desenvolver processos criativos sem a necessidade de base de conhecimento. São indicadas para substituir os pro�ssionais em atividades complexas e eventuais. Devem ser aplicadas para demonstração de teoremas. Problemas linearmente separáveis estão entre as categorias que podem ser modelados por redes neurais. São aplicadas em contextos em que há limitação de dados. Respondido em 01/08/2023 12:42:26 Explicação: As redes neurais são modelos computacionais que servem para dar suporte para os pro�ssionais de atividades complexas. As redes neurais extraem conhecimento de uma base de treinamento, portanto são limitadas ao contexto de treinamento. As redes neurais arti�ciais podem ser aplicadas a diversas categorias de problemas, entre elas, os de classi�cação. Em especial, quando os problemas de classi�cação 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. Acerto: 1,0 / 1,0 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. É um método so�sticado que atua especi�camente sobre a camada intermediária para ajustar os pesos. É um método aplicado a redes neurais de múltiplas camadas. É um método exato que, ao �nal do treinamento, garante que o modelo é capaz de generalizar classi�cações. 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. Respondido em 01/08/2023 12:43:41 Explicação: O método backpropagation é um dosmais conhecidos algoritmos de treinamento, cujo objetivo é extrair características dos dados para generalizar classi�cações. Ele é aplicado para redes de múltiplas camadas. Acerto: 0,0 / 1,0 Questão5 a Questão6 a Questão7 a 07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 4/7 Ao modi�car o algoritmo em Prolog em Coloração de Mapas, disponível logo abaixo, para esse mapa apresentado, permitindo que as cidades A e B possam ter cores iguais. 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 restriçõess: different(A,B) signi�ca 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). 16 20 07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 5/7 18 12 14 Respondido em 01/08/2023 12:45:44 Explicação: A alteração que deve ser feita no algoritmo é de apenas retirar a restrição: different(A,B). Assim, o número de soluções é 12, fazendo novamente a consulta coloring(A,B,C,D,E,F). Acerto: 1,0 / 1,0 Considere o problema dos robôs autônomos do porto. Considere um dos estados do problema de�nido na �gura a seguir: state = {attached(p1,loc1), attached(p2,loc1), in(c1,p1), in(c3,p1), top(c3,p1), on(c3,c1), on(c1,pallet), in(c2,p2), top(c2,p2), on(c2,pallet), belong(crane1,loc1), empty(crane1),adjacent(loc1,loc2), adjacent(loc2, loc1), at(r1,loc2), occupied(loc2), unloaded(r1)} Considere a ação a = load(crane1,loc1,c3,r1). Assinale a a�rmativa verdadeira: Ação não é aplicável e somente o átomo belong(k,c) da pré-condição não é verdadeiro. Ação não é aplicável e somente o átomo unload(r) da pré-condição não é verdadeiro. Ação não é aplicável e os átomos holding(k,c) e at(r,l) da pré-condição não são verdadeiro. Ação não é aplicável e somente o átomo holding(k,c) da pré-condição não é verdadeiro. Ação é aplicável no estado da �gura. Respondido em 01/08/2023 12:49:48 Explicação: A ação não é aplicável, porque o guindaste deve estar segurando um container, e o robô tem que estar na plataforma loc1. Ambas as condições devem ser satisfeitas, mas não são. Logo: Ação não é aplicável e os átomos holding(k,c) e at(r,l) da pré-condição não são verdadeiros. Questão8 a 07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 6/7 Acerto: 1,0 / 1,0 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: 30% 50% 15% 25% 40% Respondido em 01/08/2023 12:52:07 Explicação: A solução desse problema envolve a aplicação direta do Teorema de Bayes. Antes disso, porém, é preciso identi�car os eventos envolvidos na situação apresentada: A = chuva B = tempo nublado Em seguida, identi�ca-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: Acerto: 1,0 / 1,0 (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 a�rmam que a chance de a testemunha ter identi�cado 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 a�rmar que o táxi é branco dado que o culpado está realmente conduzindo um táxi branco. Assinale a opção correta a respeito dessas asserções. As duas asserções são proposições verdadeiras, e a segunda não é uma justi�cativa correta da primeira. Questão9 a Questão10 a 07/08/2023, 16:33 Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314148634&cod_prova=6567196686&f_cod_disc= 7/7 As duas asserções são proposições falsas. A primeira asserção é uma proposição verdadeira, e a segunda é uma proposição falsa. A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira. As duas asserções são proposições verdadeiras, e a segunda é uma justi�cativa correta da primeira. Respondido em 01/08/2023 12:54:43 Explicação: Inicialmente é preciso identi�car 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 a�rma que existe uma chance de 75% de a testemunha ter identi�cado corretamente o carro, o que corresponde ao valor de P(TB | CB). O enunciado a�rma 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 su�cientes 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 �m 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.
Compartilhar