TESTE DE INTELIGÊNCIA ARTIFICIAL

Prévia do material em texto

Teste de
Conhecimento
 avalie sua aprendizagem
Em relação à aplicação adequada das técnicas de Inteligência Arti�cial, avalie as a�rmações a seguir.
I - Indução em árvore de decisão é utilizada para identi�cação de fraudes em cartões de crédito.
II - Redes neurais arti�ciais são utilizadas no desenvolvimento de sistemas de análise de risco em aplicações
�nanceiras.
III - Sistemas especialistas, baseados em regras, são utilizados na substituição do pro�ssional especialista em
diagnóstico de falhas em hardware.
É correto o que se a�rma em
INTELIGÊNCIA ARTIFICIAL
Lupa  
 
DGT0141_202001518126_TEMAS
Aluno: LEILA JUCIELE BARROS DE SOUSA Matr.: 202001518126
Disc.: INTELIGÊNCIA ARTIF  2023.1 FLEX (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.
os itens II e III estão corretos.
os itens I, II e III estão corretos.
apenas o item I está correto.
os itens I e II estão corretos.
apenas o item III está correto.
Data Resp.: 25/05/2023 10:25:12
Explicação:
As duas primeiras a�rmativas estão corretas, visto que as árvores de decisão podem ser utilizadas para a tarefa
de classi�cação em mineração de dados, e a identi�cação de padrões, como, por exemplo, as redes neurais
arti�ciais. As redes neurais arti�ciais podem ter sua utilização nos sistemas de análise de risco, com classi�cação
de risco em alto ou baixo. Os sistemas especialistas são utilizados para a simulação do comportamento de um
especialista e não sua substituição.
javascript:voltar();
javascript:voltar();
javascript:diminui();
javascript:aumenta();
De acordo com os paradigmas de Inteligência Arti�cial, pode-se a�rmar que um modelo simbolista
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.
As estratégias que podem ser aplicadas a um método de busca visam aumentar as chances de alcançar a solução
alvo (ou solução meta) do problema de um modo mais e�ciente. Nesse sentido, selecione a opção correta que trata
sobre as estratégias de um método de busca no espaço de estados.
 
2.
não possui conhecimento representado explicitamente.
é formado por uma rede de elementos conectados por pesos que detêm o conhecimento.
é um modelo que aprende a partir dos dados.
lida com conhecimento explícito e representado simbolicamente.
lida apenas com símbolos grá�cos.
Data Resp.: 25/05/2023 10:38:57
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.
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
 
3.
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).
O problema não apresenta nenhuma característica que possa ser explorada, portanto, qualquer estratégia
pode ser aplicada.
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.
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).
Data Resp.: 25/05/2023 10:30:41
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.
Uma estratégia não garante que a solução alvo será obtida da forma mais e�ciente.
Uma das vantagens de utilizar estratégias em um método de busca de estados é o determinismo das escolhas
dos estados ao longo das iterações.
Quando uma estratégia é e�ciente para um problema, pode-se a�rmar que ela é ideal para resolver qualquer
problema semelhante.
A e�ciência de um método é medida através das estratégias que são aplicadas.
As redes neurais arti�ciais possuem a vantagem de poderem ser aplicadas a muitas situações práticas. Uma dessas
aplicações são os problemas de classi�cação, mas também possuem algumas limitações. Em relação às
desvantagens das redes neurais arti�ciais, selecione a opção correta.
Observe a frase: ''todos os quadros são azuis''. Em relação à lógica de primeira ordem, selecione a opção correta.
As estratégias mais e�cientes que podem ser aplicadas a um método de busca no espaço de estados são Best
First, Breadth First Search e Depth First Search.
Data Resp.: 25/05/2023 10:37:17
Explicação:
Os métodos para explorar os espaços de estados, normalmente, são algoritmos heurísticos. Esses algoritmos
são caracterizados por incorporar comportamentos que funcionam bem na prática, mas que não dão garantias a
respeito da qualidade da solução. Portanto esses métodos não garantem que a solução é obtida da forma mais
e�ciente, apesar de que, normalmente, funcionam muito bem.
02775REPRESENTAÇÃO DE CONHECIMENTO, RACIOCÍNIO AUTOMÁTICO E APRENDIZADO
 
5.
Devido à �exibilidade das redes neurais arti�ciais sempre é possível ajustar um modelo para que a taxa de
acerto seja alta.
As redes neurais arti�ciais extraem as características dos dados de treinamento tornando-se
superespecializadas.
As redes neurais arti�ciais são modelos probabilísticos, então, não é possível fazer a�rmações sobre sua taxa
de acerto.
Na prática, as redes neurais arti�ciais são muito complexas para resolver problemas reais.
Não é trivial fazer uma correspondência entre as soluções fornecidas por uma rede neural e sua arquitetura.
Data Resp.: 25/05/2023 10:34:37
Explicação:
O ideal é que a rede neural tenha a capacidade de generalizar seu comportamento. A taxa de acerto está
relacionada a diversos fatores desde a base de treinamento até a arquitetura do modelo, portanto não se trata
apenas de ajustes. As redes neurais arti�ciais são modelos probabilísticos e sua taxa de acerto pode ser medida
através de testes de validação. Existem diversos fatores que podem in�uenciar o aprendizado do modelo, mas já
existem muitos estudos que ajudam a ajustar esses parâmetros. Uma das desvantagens das redes neurais é
explicar as soluções a partir da estrutura do modelo. Medir a taxa de acertos está relacionado aos testes de
validação da rede e não à arquitetura dela. As redes neurais são aplicadas para resolver diversos problemas
práticos.
 
6.
A negação da frase é: ''existe pelo menos um quadro que não é azul''.
A frase é equivalente a: ''para qualquer quadro existente, ele pode ser azul''.
A frase pode ser representada pela lógica sentencial, mas não pela lógica de primeira ordem.
A frase pode ser representada por três variáveis:''todos'', ''os quadros''e ''são azuis''.
A negação da frase é: ''existe pelo um quadro branco''.
Data Resp.: 25/05/2023 10:40:28
Explicação:
Os quanti�cadores lógicos podem ser universais e existenciais. Os quanti�cadores universais são usados para
generalizar proposições, como, por exemplo: ''qualquer quadro que exista é azul''. No caso do quanti�cador
existencial, indica a existência de pelo menos uma situação em que a proposição é verdadeira, como, por
exemplo: ''existe pelo menos uma casa azul''. A negação de uma proposição com quanti�cador universal é
equivalente à existência de, pelo menos, uma exceção.
Para o problema da árvore genealógica, cujo código está disponibilizado logo abaixo. A pessoa que ocupa a posição
X é:
Considere o problema dos robôs autônomos do porto. Considere um dos estados do problema de�nido na �gura a
seguir:  
02706PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
 
7.
Pedro
Henrique
João
José
Simon
Data Resp.: 25/05/2023 10:41:47
Explicação:
Para saber qual a pessoa que ocupa a posição X basta fazer as quatro consultas a seguir. A primeira tentamos
descobrir os pais de Laura. A segunda, os �lhos de Miguel (que é pai de Laura). Depois descobrimos que Larissa é
irmã de Laura, e, pela árvore X é marido de Larissa. Como ambos tem um �lho, fazemos a consulta para
descobrir o �lho de Larissa. Daí descobrimos que José é �lho de Larissa, terminamos a questão consultando os
pais de José, que é Larissa e Pedro. Assim, X é Pedro.
 
8.
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)}
 
Após o robô entrar na plataforma loc1. Considere a ação a = load(crane1,loc1,c3,r1).
Assinale a a�rmativa verdadeira:
Considere a variável nebulosa especi�cada a seguir:
Para o valor x = 3,5 pertencente ao universo de discurso da variável, os valores simbólicos e numéricos assumidos
pela variável são, respectivamente:
Ação não é aplicável e somente o átomo holding(k,c) da pré-condição não é verdadeiro.
Ação é aplicável no estado da �gura.
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 belong(k,c) da pré-condição não é verdadeiro.
Data Resp.: 25/05/2023 10:33:53
Explicação:
Com o robô entrando na plataforma loc1, o guindaste ainda não está segurando o container, por isso ação não é
aplicável. Assim: Ação não é aplicável e somente o átomo holding(k,c) da pré-condição não é verdadeiro.
02764RACIOCÍNIO AUTOMÁTICO EM SITUAÇÕES DE INCERTEZA E IMPRECISÃO
 
9.
C2 (0,17) e C3 (0,75)
C2 (0,25) e C3 (0,50)
C1 (0,50) e C2 (0,25)
C1 (0,25) e C2 (0,50)
C1 (0,50) e C2 (0,33)
Data Resp.: 25/05/2023 10:32:56
Explicação:
De acordo com as especi�cações fornecidas, a variável V tem a seguinte representação grá�ca:
Sistemas Especialistas (SE) e Sistemas Nebulosos (SN) apresentam algumas características em comum. Uma delas é
que em ambos o conhecimento é representado por meio de regras do tipo se-então. No entanto, no caso dos SE as
regras manipulam termos precisos em seus antecedentes e consequentes, enquanto os SN manipulam termos
imprecisos. Diante disso, analise as regras a seguir:
I - se (dor lombar = SIM) e (condicionamento físico = 4) então (nadar peito = NÃO)
II - se (pluviosidade = ALTA) ou (nível = MÉDIO) então (vazão = MUITA)
III - se (umidade = BAIXA) e (temperatura = MÉDIA) então (ligar = SIM)
Podem ser consideradas regras nebulosas apenas:
 
10.
I, II e III
II
I e III
I e II
II e III
Data Resp.: 25/05/2023 10:29:31
Explicação:
Na regra I, observa-se que os valores associados aos termos manipulados pela regra, tanto no antecedente
quanto no consequente, são precisos. Essa característica descarta a possibilidade de essa regra ser nebulosa.
Por outro lado, na regra II os valores associados aos termos, tanto no antecedente quanto no consequente, são
imprecisos, caracterizando assim uma regra nebulosa. No caso da regra III, observa-se que o valor associado ao
termo no consequente é preciso, mas os valores associados aos temos no antecedente são imprecisos, o que
também caracteriza uma regra nebulosa. Portanto, apenas as regras II e III são nebulosas.
    Não Respondida      Não Gravada     Gravada
Exercício inciado em 25/05/2023 10:23:22.