INTELIGÊNCIA ARTIFICIAL

Prévia do material em texto

09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/8
Avaliando
Aprendizado
 
Teste seu conhecimento acumulado
Disc.: INTELIGÊNCIA ARTIFICIAL   
Aluno(a): ALINE DANIEL DA COSTA 202001069429
Acertos: 1,6 de 2,0 21/10/2023
Acerto: 0,2  / 0,2
O paradigma conexionista, também conhecido por redes neurais arti�ciais, forma um paradigma de IA que tem
inspiração no comportamento do cérebro, além de outras características. Assinale a alternativa representa uma
característica desse paradigma:
I - Processam a informação de forma paralela e distribuída.
II - Generalizam conhecimento aprendido.
III - Lidam com conhecimento não simbolicamente representado.
IV - São algoritmos de otimização.
V - O conhecimento é aprendido por meio do estímulo e resposta.
Apenas as a�rmativas I, II e III estão corretas.
Apenas as a�rmativas I, II e V estão corretas
Apenas as a�rmativas II e III estão corretas.
Apenas as a�rmativas I e V estão corretas.
 Apenas as a�rmativas I, II, III e V estão corretas.
Respondido em 21/10/2023 16:05:28
Explicação:
O paradigma conexionista se baseou em modelos matemáticos simples de neurônios e com eles constituiu uma rede
neuronal com a capacidade de simular a memória associativa humana, acessando conteúdo e não endereços como nos
computadores clássicos. Sendo assim, os algoritmos de redes neurais fazem parte do paradigma conexionista. Entre as
opções, não representam uma característica desse paradigma os algoritmos de otimização, pois eles fazem parte do
paradigma evolutivo, que compreende um conjunto de técnicas de busca e otimização inspiradas na evolução natural
das espécies.
Acerto: 0,0  / 0,2
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.
 Questão / 1
a
 Questão / 2
a
https://simulado.estacio.br/alunos/inicio.asp
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
javascript:voltar();
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/8
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).
 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.
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 21/10/2023 16:10:34
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.
Acerto: 0,2  / 0,2
Algumas regras de aprendizagem são conhecidas por mais de uma forma. Em relação à regra de aprendizagem
Instar, selecione a opção que contém outra forma pela qual ela é conhecida.
 O vencedor leva tudo.
Distribuição aleatória.
Regra de aprendizagem Perceptron.
Regra de aprendizagem Outstar.
Método dos mínimos quadrados.
Respondido em 21/10/2023 15:58:57
Explicação:
A outra forma de chamar a regra de aprendizagem Instar é que o vencedor leva tudo. Isso ocorre porque essa regra
tem como característica principal a escolha da unidade que produz a saída com melhor resultado. Após a escolha da
unidade, é feito o ajuste dos pesos sinápticos. As demais alternativas estão erradas, pois não se referem à regra de
aprendizagem instar.
Acerto: 0,2  / 0,2
Dado abaixo as suposições restritivas de um problema de planejamento clássico:
Suposição Restritiva Descrição
A0 Sistema tem um número finito de estados
A1 Sistema é completamente observável.
A2 Sistema é determinístico.
A3 Sistema é estático
A4 O planejador só lida com metas restritivas que são explícitas.
A5 Um plano é uma sequência linear finita de ações
A6
Ações e eventos não têm duração.
A transição de estado é instantânea.
A7 O planejador não se preocupa em qualquer mudança
 Questão / 3
a
 Questão / 4
a
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 3/8
que pode acontecer no ambiente, enquanto estiver planejando
(offline planning)
Considere um robô que tem como objetivo explorar a superfície da lua. No desenvolvimento do robô, fazemos
diversas suposições:
O ambiente é estático
O ambiente só é observável em um raio de 2 metros de distância do robô
O robô demora na duração de suas ações, por ter muita cautela na exploração.
O ambiente é contínuo, ou seja, o número de estados do ambiente é in�nito.
Marque a alternativa que caracteriza as relaxações que deverão ser feitas a respeito das restrições do
planejamento clássico:
 Relaxar somente A0, A1 e A6.
Relaxar somente A6.
Relaxar somente A0 e A1.
Relaxar A1 somente.
Relaxar somente A0 e A6.
Respondido em 21/10/2023 15:57:35
Explicação:
Como o ambiente é estático, não precisamos fazer nenhuma relaxação do planejamento clássico (que assume as 8
restrições). O sistema não é completamente observável, pelo fato de o robô só perceber 2 metros de distância, logo
precisamos relaxar a suposição restritiva que diz que o ambiente é observável A1. Como as ações demoram,
precisamos relaxar a suposição restritiva A6, por considerar que as ações têm duração. Como o ambiente é contínuo,
precisamos relaxar A0, que considera um ambiente com um número �nito de estados, e não contínuo. Sendo assim,
precisamos relaxar A0, A1 e A6.
Acerto: 0,2  / 0,2
Uma das motivações que Lot� Zadeh teve para a criação dos conjuntos nebulosos, que formam a base da Lógica
Nebulosa, foi a constatação de que a precisão por trás das técnicas tradicionais de modelagem de problemas de
controle tornava a solução desses problemas bastante complexa. Além disso, há vários desses problemas que, na
prática, admitem soluções com algum grau de imprecisão e, com isso, essas soluções poderiam ser obtidas com
mais facilidade se a modelagem levasse em consideração essa �exibilidade nos resultados. Isso �ca claro no
Princípio da Incompatibilidade enunciado por Zadeh:
"À medida que a complexidade de um sistema aumenta, a nossa habilidade de fazer a�rmações precisas e
signi�cativas acerca deste sistema diminui, até que um limiar é atingido, além do qual precisão e signi�cância se
tornam características mutuamente exclusivas." (Zadeh, 1973)
O princípio de Zadeh pode ser representado por meio de um grá�co que mostra o custo de obtenção de uma
solução e a sua utilidade (signi�cância) à medida que a precisão aumenta. Diante disso, o grá�co a seguir que
melhor representa esse princípio é:
 Questão / 5
a
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 4/8
 
Respondido em 21/10/2023 16:00:53
Explicação:
De acordo com o Princípio da Incompatibilidade, à medida que se busca mais precisão no resultado, aumenta também
o custo de obtenção dessa solução e a sua utilidade. No entanto, a partir de um determinado momento, a busca por
mais precisão implica em aumentar ainda mais o custo para obtê-la, ao passo que a utilidade dessa solução deixa
aumentar. Um exemplo prático que ilustra essa situaçãoé um sistema de controle capaz de estacionar um veículo em
uma vaga de garagem. A busca por uma solução precisa, ou seja, que estacione o veículo em uma posição exata na
vaga, sem que haja nenhum desvio em relação à posição desejada, é extremamente difícil de se obter e muito pouco
signi�cativa. A�nal, em termos práticos, se o veículo for posicionado alguns centímetros para frente, para trás ou para
os lados da posição desejada, isso não trará qualquer prejuízo à solução. Além disso, uma solução que admita essa
imprecisão pode ser obtida a um custo bem mais baixo.
Acerto:  / 0,2
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
os itens I, II e III estão corretos.
 Questão / 6
a
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 5/8
apenas o item I está correto.
os itens I e II estão corretos.
os itens II e III estão corretos.
apenas o item III está correto.
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.
Acerto: 0,2  / 0,2
A respeito dos métodos de busca local, selecione a opção correta.
Todos os algoritmos de busca local sempre são completos.
 Os algoritmos de busca local são e�cientes no uso da memória.
Não é possível criar um algoritmo ótimo de busca local.
Um algoritmo de busca local sempre encontra a solução ótima de um problema, desde que ela exista.
Ainda que uma solução não exista no espaço de estados, o algoritmo de busca local é capaz de identi�cá-
la.
Respondido em 21/10/2023 16:02:31
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: 0,2  / 0,2
Observe a tabela verdade a seguir:
Escolha a opção correta que contém a proposição que satisfaz a tabela verdade.
q → p
p → q
 ~p ^ ~q
 Questão / 7
a
 Questão / 8
a
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 6/8
~p ^ q
p v ~q
Respondido em 21/10/2023 15:56:19
Explicação:
É necessário substituir os valores lógicos de entrada na tabela verdade na proposição ~p ^ ~q. O único caso que ela
retorna verdade é quando o valor lógico da proposição p é F e o valor lógico da proposição q é falso, pois os valores de
entrada serão negados resultando na operação lógica V ^ V que resulta em V.
Acerto: 0,2  / 0,2
Considere o pseudocódigo de implementação da Busca por Retrocesso, abaixo:
Selecione a a�rmativa verdadeira:
 Para implementar a heurística que seleciona uma variável não atribuída, de modo a selecionar a variável
mais restrita, podemos modi�car a função PickUnassignedVariable(V).
Para implementar a heurística que percorre os valores possíveis das Variáveis, na ordem cujo os valores
restringem menos seus vizinhos, podemos modi�car a função PickUnassignedVariable(V).
No pior caso, esse algoritmo é de ordem O(n²).
No pior caso, esse algoritmo é de O(n).
Para implementar a heurística que seleciona uma variável não atribuída, de modo a selecionar a variável
mais restrita, podemos modi�car a função Domain(V).
Respondido em 21/10/2023 15:54:20
Explicação:
 Questão / 9
a
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 7/8
Na implementação da busca por retrocesso, se o objetivo é selecionar a variável que não foi atribuída, porém a
variável mais restrita, teremos que mudar a função que tem por objetivo selecionar a variável em questão, e essa
função é a PickUnassugnedVariable().
Acerto: 0,2  / 0,2
(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.
 As duas asserções são proposições falsas.
A primeira asserção é uma proposição verdadeira, e a segunda é uma proposição falsa.
As duas asserções são proposições verdadeiras, e a segunda é uma justi�cativa correta da primeira.
A primeira asserção é uma proposição falsa, e a segunda é uma proposição verdadeira.
Respondido em 21/10/2023 15:50:02
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.
 Questão / 10
a
09/03/2024, 18:24 Estácio: Alunos
https://simulado.estacio.br/alunos/ 8/8