Inteligência Artificial: Algoritmos e Redes Neurais

Prévia do material em texto

Questão 1/10 - Introdução à Inteligência Artificial
  Ler em voz alta
A Inteligência Artificial Evolucionária utiliza princípios inspirados na teoria da evolução para resolver problemas complexos. Um dos principais algoritmos utilizados nessa abordagem é o algoritmo genético, que simula processos como a seleção natural e a recombinação genética. Qual dos seguintes passos NÃO faz parte do ciclo básico de um algoritmo genético?
Marque a alternativa correta:
	
	A
	
	Avaliar a performance dos indivíduos da população.
	
	B
	
	Selecionar os melhores indivíduos para reprodução.
	
	C
	
	Realizar o crossover e a mutação para gerar uma nova população.
	
	D
	
	Substituir indivíduos de pior performance por novos indivíduos da nova geração.
	
	E
	
	Aplicar redes neurais para analisar os resultados.
Questão 2/10 - Introdução à Inteligência Artificial
  Ler em voz alta
No contexto dos algoritmos genéticos, o que é essencial ao se criar uma população completamente nova de indivíduos para se dar início ao processo do Algortimo Genético?
Marque a alternativa que melhor descreve o processo de criação de uma nova população em algoritmos genéticos.
	
	A
	
	Selecionar apenas os indivíduos com o menor valor de fitness da geração anterior.
	
	B
	
	Definir o tamanho da população e gerar indivíduos aleatórios ou por critérios específicos, representando soluções potenciais.
	
	C
	
	Reproduzir os indivíduos sem considerar qualquer diversidade genética.
	
	D
	
	Escolher aleatoriamente dois indivíduos para gerar uma nova população sem levar em conta suas características.
	
	E
	
	Gerar a nova população apenas com base no melhor indivíduo da geração anterior.
Questão 3/10 - Introdução à Inteligência Artificial
  Ler em voz alta
No contexto do treinamento de redes neurais, o algoritmo de retropropagação (ou backpropagation) desempenha um papel essencial. Qual das opções abaixo descreve corretamente o processo de retropropagação em uma rede neural?
Marque a alternativa correta.
	
	A
	
	A retropropagação ajusta os pesos da rede neural de maneira aleatória após cada iteração.
	
	B
	
	A retropropagação faz com que os pesos da rede neural sejam atualizados para maximizar o erro da saída final.
	
	C
	
	A retropropagação é usada apenas para calcular a saída de uma rede neural e não envolve ajuste de pesos.
	
	D
	
	A retropropagação ajusta os bias da rede neural sem utilizar nenhuma função de ativação.
	
	E
	
	A retropropagação utiliza o gradiente do erro para ajustar os pesos, buscando minimizar o erro da rede neural.
Questão 4/10 - Introdução à Inteligência Artificial
  Ler em voz alta
O tema 5 da aula 1 aborda a Inteligência Artificial Simbólica. A IA simbólica é baseada no uso de símbolos e regras lógicas para simular a capacidade humana de pensar e resolver problemas. Um dos principais componentes da IA simbólica é a representação do conhecimento, que é fundamental para sistemas especialistas e para o desenvolvimento da web semântica.
Qual das opções abaixo descreve corretamente o funcionamento da Inteligência Artificial Simbólica?
	
	A
	
	A IA Simbólica é baseada em redes neurais e no processamento de grandes quantidades de dados.
	
	B
	
	A IA Simbólica utiliza símbolos e regras lógicas para simular o pensamento humano.
	
	C
	
	A IA Simbólica é focada exclusivamente no aprendizado de máquina, sem uso de regras lógicas.
	
	D
	
	A IA Simbólica baseia-se na simulação de processos evolutivos naturais para encontrar soluções.
	
	E
	
	A IA Simbólica se concentra apenas no processamento de linguagem natural e visão computacional.
uestão 5/10 - Introdução à Inteligência Artificial
  Ler em voz alta
Os Algoritmos Genéticos são uma técnica computacional inspirada em processos naturais. Eles se baseiam em conceitos fundamentais de evolução, como a variação genética, a seleção natural e a hereditariedade. A partir disso, qual das opções abaixo representa corretamente a principal inspiração para o desenvolvimento dos Algoritmos Genéticos?
Escolha a alternativa que melhor descreve a principal inspiração dos Algoritmos Genéticos.
	
	A
	
	A capacidade de aprendizado das máquinas modernas.
	
	B
	
	A teoria da relatividade de Albert Einstein.
	
	C
	
	A teoria da evolução de Charles Darwin.
	
	D
	
	A física quântica e suas implicações no mundo digital.
	
	E
	
	O funcionamento do sistema nervoso humano.
Questão 6/10 - Introdução à Inteligência Artificial
  Ler em voz alta
O Teste de Turing é um famoso teste desenvolvido por Alan Turing em 1950 para determinar se uma máquina pode ser considerada inteligente. Ele é baseado em um jogo de imitação, onde um interrogador humano interage com dois participantes: um humano e uma máquina. Se o interrogador não conseguir distinguir consistentemente quem é a máquina e quem é o humano, a máquina passa no teste.
Com base no Teste de Turing, marque a alternativa que melhor descreve o objetivo principal deste teste.
	
	A
	
	Avaliar a capacidade de uma máquina de resolver problemas matemáticos rapidamente.
	
	B
	
	Determinar se uma máquina pode exibir comportamentos emocionais semelhantes aos humanos.
	
	C
	
	Verificar se uma máquina pode ser distinguida de um ser humano durante uma conversa.
	
	D
	
	Avaliar a capacidade de uma máquina de realizar tarefas físicas como um humano.
	
	E
	
	Determinar se uma máquina pode aprender novos conhecimentos automaticamente.
Questão 7/10 - Introdução à Inteligência Artificial
  Ler em voz alta
No contexto das Redes Neurais Artificiais, as funções de ativação desempenham um papel essencial no processo de aprendizado. Qual das seguintes alternativas descreve corretamente a função de uma Função de Ativação em um neurônio artificial?
Marque a alternativa correta.
	
	A
	
	A função de ativação apenas soma as entradas de um neurônio.
	
	B
	
	A função de ativação decide se o neurônio será ativado e quão ativado ele será, permitindo a introdução de não-linearidades.
	
	C
	
	A função de ativação remove as conexões entre neurônios para reduzir o número de cálculos.
	
	D
	
	A função de ativação é responsável por inicializar os pesos do neurônio.
	
	E
	
	A função de ativação é utilizada apenas nas camadas de saída para determinar o valor final da rede.
Questão 8/10 - Introdução à Inteligência Artificial
  Ler em voz alta
Sobre a topologia e arquitetura de redes neurais artificiais, escolha a alternativa que melhor define a estrutura de uma rede neural típica:
Marque a alternativa correta:
	
	A
	
	A rede neural é composta apenas por uma camada de entrada e uma camada de saída.
	
	B
	
	A rede neural é composta por várias camadas de saída, sendo que cada uma processa uma parte dos dados de entrada.
	
	C
	
	A rede neural típica possui três tipos de camadas: camada de entrada, camadas ocultas e camada de saída.
	
	D
	
	A rede neural não possui conexões entre neurônios, sendo composta por camadas isoladas.
	
	E
	
	A topologia de uma rede neural é irrelevante para o processamento dos dados de entrada.
Questão 9/10 - Introdução à Inteligência Artificial
 
Sobre o Teste de Turing, leia as afirmativas a seguir e selecione a alternativa correta com base em quais são verdadeiras:
1. O Teste de Turing é utilizado para verificar se uma máquina pode ser confundida com um ser humano em uma interação.
2. O Teste de Turing mede a capacidade de uma máquina compreender emoções humanas.
3. Para uma máquina passar no Teste de Turing, ela precisa realizar cálculos mais rápido que um humano.
Marque a alternativa correta:
	
	A
	
	Apenas a afirmativa 1 é verdadeira.
	
	B
	
	Apenas as afirmativas 1 e 2 são verdadeiras.
	
	C
	
	Apenas as afirmativas 2 e 3 são verdadeiras.
	
	D
	
	Todas as afirmativas são verdadeiras.
	
	E
	
	Nenhuma das afirmativas é verdadeira.
Questão 10/10 - Introdução à Inteligência Artificial
  Ler em voz alta
No tema 5 da aula sobre Algoritmos Genéticos, aprendemos sobre a importância do loop iterativo e os parâmetros que influenciam o processo evolutivo. O loop iterativo envolve repetir várias etapas até que um critério de parada sejaatingido. Qual dos critérios de parada abaixo é um exemplo válido em um algoritmo genético?
Selecione a alternativa correta que apresenta um critério de parada comum em algoritmos genéticos.
	
	A
	
	Quando todos os indivíduos possuem o mesmo cromossomo.
	
	B
	
	Quando o número de mutações ultrapassa o número de crossovers.
	
	C
	
	Quando o valor de fitness de um indivíduo atinge ou supera um valor predefinido.
	
	D
	
	Quando o algoritmo não consegue gerar uma nova população.
	
	E
	
	Quando todos os genes são mutados em uma geração.