INTELIGENCIA ARTIFICIAL ESTACIO

Prévia do material em texto

Em cada paradigma de Inteligência Artificial agrega-se um conjunto de possibilidades de aplicação devido aos seus
níveis de
Sobre as aplicações de IA no setor de transporte, julgue as opções a seguir:
I - A Inteligência Artificial tem sido aplicada com frequência no sistema de transporte público das cidades.
II - Um exemplo de aplicação da IA no setor de transporte são os robôs aptos a oferecer informações a passageiros
em estações.
III - O uso da IA no setor de transporte pode promover possíveis adaptações nos trajetos de usuários baseadas na
análise das experiências coletadas.
IV - A Inteligência Artificial ainda está sendo avaliada em relação a sua aplicabilidade no sistema de transporte das
cidades.
Assinale a opção correta:
Um dos problemas de otimização mais conhecidos é o do caixeiro viajante. Nesse problema, o caixeiro deve visitar
de modo eficiente um conjunto de cidades e voltar para o ponto inicial. Nesse sentido, selecione a opção correta
FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL
 
1.
indeterminismo, expertise, reconhecimento de regras, proatividade e autonomia.
determinismo, especialização, reconhecimento de padrões, inteligência e dependência.
determinismo, generalização, reconhecimento de padrões, criatividade e autonomia.
indeterminismo, especialização, reconhecimento de regras, aprendizagem e autonomia.
indeterminismo, generalização, reconhecimento de regras, criatividade e autonomia.
Data Resp.: 27/09/2023 22:59:37
Explicação:
A Inteligência Artificial pode ser dividida em paradigmas, como, por exemplo, o paradigma simbólico, o
paradigma conexionista, o paradigma evolutivo, entre outros. Cada paradigma leva a um conjunto de
possibilidades de aplicação devido aos seus níveis de determinismo, generalização, reconhecimento de
padrões, criatividade e autonomia. Dessa forma, estamos classificando a IA em seus níveis, entendendo melhor
tudo aquilo que cabe dentro da definição do que é Inteligência Artificial, e assim ficam mais compreensíveis suas
potencialidades e seus usos.
 
2.
Apenas o item III está correto.
Os itens II e IV estão corretos.
Apenas o item II está correto.
Os itens I e III estão corretos.
Apenas os itens I, II e III estão corretos.
Data Resp.: 27/09/2023 23:01:12
Explicação:
A Inteligência Artificial está presente em vários setores, e o setor de transporte não poderia ficar de fora. No
setor de transporte público, como trens, metrôs e ônibus é possível ver a aplicação da IA no sistema de rota
inteligente, assim, possibilitando adaptações baseadas na análise de dados coletados por experiência. Também
já é realidade aplicações com IA nas estações de metrô e trem oferecendo ajuda aos passageiros, muitas vezes,
utilizando linguagem de processamento natural.
02811TÉCNICAS DE BUSCA PARA INTELIGÊNCIA ARTIFICIAL
 
3.
sobre as estratégias de busca.
Existem diversos algoritmos de busca cega. Nesse sentido, selecione a opção correta em que todos os métodos
são do tipo busca cega.
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.
Esse problema não pode ser resolvido por uma busca local.
Devido às características complexas desse problema, não é possível resolvê-lo.
O problema do caixeiro viajante é usado apenas como uma referência acadêmica sem aplicações práticas.
Esse problema é bastante complexo do ponto de vista computacional e, sob determinadas condições, pode
ser resolvido por um algoritmo de busca local.
Por se tratar de um problema bem documentado, ele pode ser resolvido eficientemente por métodos
determinísticos.
Data Resp.: 27/09/2023 23:02:20
Explicação:
O problema do caixeiro viajante é um exemplo clássico de problemas muito difíceis de serem resolvidos. Isso
ocorre pela natureza combinatória do problema em que existem muitas possibilidades que precisam ser
testadas para garantir a solução ótima. A utilização de algoritmos de busca local é uma estratégia muita
adequada para encontrar soluções viáveis que, na prática, são úteis.
 
4.
Busca A*, busca greedy e busca em grafo.
Busca em largura primeiro, busca em profundidade primeiro e pesquisa bidirecional.
Busca em largura, custo uniforme e busca A*.
Busca em profundidade primeiro, busca greedy e pesquisa bidirecional.
Busca em grafo, busca em largura primeiro e pesquisa bidirecional.
Data Resp.: 27/09/2023 23:03:44
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.
São indicadas para substituir os profissionais em atividades complexas e eventuais.
São capazes de desenvolver processos criativos sem a necessidade de base de conhecimento.
São aplicadas em contextos em que há limitação de dados.
Problemas linearmente separáveis estão entre as categorias que podem ser modelados por redes neurais.
Devem ser aplicadas para demonstração de teoremas.
Data Resp.: 27/09/2023 23:04:31
Explicação:
As redes neurais são modelos computacionais que servem para dar suporte para os profissionais de atividades
complexas. As redes neurais extraem conhecimento de uma base de treinamento, portanto são limitadas ao
contexto de treinamento. As redes neurais artificiais podem ser aplicadas a diversas categorias de problemas,
entre elas, os de classificação. Em especial, quando os problemas de classificação são linearmente separáveis,
ou seja, aqueles que podem ser separados por linhas, trata-se de um exemplo clássico que pode ser resolvido
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.
Modifique o programa Restrições Domínios Finitos para resolver o seguinte problema de restrição de domínios
finitos: VERY + NICE = MEMES, onde cada letra representa um algarismo de 0 a 9. Quantas soluções têm esse
problema?
 
% S E N D
% + M O R E
% _________
% M O N E Y
 
 
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.
 
6.
Trata-se de um método com baixa dependência dos ajustes dos parâmetros e dos dados de treinamento.
É um método sofisticado que atua especificamente sobre a camada intermediária para ajustar os pesos.
Tem como principal característica o ajuste dos pesos durante o processamento da camada de entrada para a
camada de saída.
É um método exato que, ao final do treinamento, garante que o modelo é capaz de generalizar classificações.
É um método aplicado a redes neurais de múltiplas camadas.
Data Resp.: 27/09/2023 23:05:14
Explicação:
O método backpropagation é um dos mais conhecidos algoritmos de treinamento, cujo objetivo é extrair
características dos dados para generalizar classificações. Ele é aplicado para redes de múltiplas camadas.
02706PLANEJAMENTO EM INTELIGÊNCIA ARTIFICIAL
 
7.
4
8
5
7
10
Data Resp.: 27/09/2023 23:05:56
Explicação:
Para resolver o problema, basta adaptar as condições do exemplo de Restrições Domínios Finitos. Assim, as
variáveis serão V,E,R,Y,N,I,C,M,S. E a condição de igualdade será: (1000*V + 100*E + 10*R+Y ) + (1000*N +
100*I + 10*C+E ) #= (10000*M + 1000*E + 100*M + 10*E + S). Os dígitos iniciais devem ser diferentes de 0: V
#\= 0, N #\=0,M #\=0. Sendo assim, ao rodar a consulta puzzle([V,E,R,Y,N,I,C,M,S]), há o retorno de 8 soluções. 
Considere o problema dos robôs autônomos do porto. Considere um dos estados do problema definido na figura 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)}
Após o robô entrar na plataforma loc1. Considere a ação a = load(crane1,loc1,c3,r1).
Assinale a afirmativa verdadeira:
Considere um sistema nebuloso com as seguintes especificações:
 
8.
Ação não é aplicável e somente o átomo unload(r) da pré-condição não é verdadeiro.
Ação não é aplicável e somente o átomo holding(k,c) da pré-condição não é verdadeiro.
Ação não é aplicável e somente o átomo belong(k,c) 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 é aplicável no estado da figura.
Data Resp.: 27/09/2023 23:06:50
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.
Considerando as entradas E1 = 38 e E2 = 62, a resposta nebulosa obtida na variável S de saída é formada por
uma combinação de partes dos conjuntos s1 e s2
porque
o processo de inferência aciona todas as regras que mapeiam para os conjuntos s1 e s2 da variável de saída.
Assinale a opção correta a respeito dessas asserções.
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
As duas asserções são proposições falsas.
As duas asserções são proposições verdadeiras, e a segunda é uma justificativa correta da primeira.
A primeira asserção é uma proposição verdadeira, e a segunda é uma proposição falsa.
As duas asserções são proposições verdadeiras, e a segunda não é uma justificativa correta da primeira.
A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira.
Data Resp.: 27/09/2023 23:10:42
Explicação:
Para a entrada E1 = 38, observa-se que esse valor tem grau de inclusão maior que zero nos conjuntos e11 e
e12. No caso da entrada E2 = 62, os graus de inclusão maiores que zero estão nos conjuntos e22 e e23. Assim,
as regras acionadas para essas entradas são:
se e11 e e22 então s1
se e11 e e23 então s1
se e12 e e22 então s2
se e12 e e23 então s1
Portanto, a resposta nebulosa resultante da inferência é uma região formada por uma combinação de partes dos
conjuntos s1 e s2. Contudo, nem todas as regras que mapeiam para s1 ou s2 foram acionadas. Com isso,
conclui-se que a primeira afirmação está correta e a segunda não está.
 
10.
II - animais velozes
III - ganhadores do Prêmio Nobel
IV - frutas maduras
São melhor representados por conjuntos nebulosos apenas:
I e III
II, III e IV
Nenhum
II e IV
I, II e III
Data Resp.: 27/09/2023 23:12:10
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.