2 Exercícios IA pdf

Prévia do material em texto

Inteligência Artificial 
Exercícios
Questão 1. Muitas crianças escrevem a palavra “Você” errado com cedilha: “Voçê”. Este é um 
exemplo de erro: 
(A) Léxico 
(B) Sintático 
(C) Semântico 
(D) De integração de discurso 
(E) De análise pragmática 
Questão 2. Em relação ao Processamento de Linguagem Natural: 
I. É difícil e complicado criar softwares de PLN pois as línguas faladas por humanos são 
extremamente ambíguas, enormes e mudam constantemente. 
II. Softwares de tradução automática, como o Google Tradutor, não fazem parte de PLN pois são 
baseados principalmente em estatística. 
III. Chatterbots e assistentes virtuais são programas de computador projetados para simular uma 
conversa humana, por exemplo a Alexa que se comunica em Português. 
É correto apenas o que se afirma em: 
(A) Todas (B) I e II (C) I e III (D) II e III (E) Nenhuma 
Questão 3. Responda com base na figura abaixo. 
Este processo muito utilizado em redes neuraise softwares de PLN, é chamado de:
(A) Flattening
(B) Stemming
(C) Treinamento da rede neural
(D) Execução da rede neural
(E) Deep learning 
Questão 4. Responda com base na notícia abaixo: 
“Por conta da pandemia do Covid-19, houve um aumento considerável de tecnologias 
que evitam o contato humano. O exemplo mais marcante disso é a tecnologia de chatbot que, 
em 2020, teve seu mercado avaliado em US$ 17,17 bilhões, com previsão de chegar aos US$ 
102,29 bilhões em 2026, segundo dados da Mordor Intelligence. Uma estimativa recente feita 
pela empresa de consultoria Gartner diz que, até 2022, 70% das interações com o cliente 
envolverão tecnologias de relação com a máquina, como os chatbots. Isso equivale a um 
aumento de 15%, se comparado com 2018.” 
Fonte: https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-
clientes-ate-2022/ 
Estes chatbots fazem parte de qual área da I.A.? 
(A) Representação de Conhecimento e Ontologias 
(B) Redes Neurais e Visão Computacional 
(C) Visão Computacional e Deep Learning 
(D) Raciocínio Automatizado e Robótica 
(E) Processamento de Linguagem Natural e Machine Learning 
https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-clientes-ate-2022/
https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-clientes-ate-2022/
https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-clientes-ate-2022/
https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-clientes-ate-2022/
https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-clientes-ate-2022/
https://newvoice.ai/2021/05/21/chatbots-vao-responder-por-70-das-interacoes-com-clientes-ate-2022/
 
Consulta 1: 
gosta(bruna,jair). 
 
Consulta 2:
crush(bruna,ricardo). 
Questão 5. 
Programa em Prolog: 
gosta(jair, bruna).
gosta(jair, daniela).
gosta(bruna, jair).
gosta(bruna, ricardo).
crush(B, C) :- gosta(B, C) , gosta(C, B). 
O resultado da Consulta 1 e Consulta 2 respectivamente é: 
(A) false e false
(B) true e true
(C) true e false
(D) false e true
(E) nulo e nulo 
Respondacom base no programa Prolog e consultas abaixo: 
Questões Subjetivas: 
Questão 1. 
Questão 2. 
Oqueé PLN e quais são as 3 maiores dificuldades no PLN? 
Porque a mesma frase abaixo gera duas árvores sintáticas diferentes? 
“Euvejoumhomem com um espelho” 
Questão 3. Com base na gramática definida a seguir, faça o reconhecimento 
bottom-up das frases “um gato mia” e “um rato corre desesperadamente” e desenhe 
as árvores sintáticas: 
frase ⇒ sujeito predicado 
sujeito ⇒ artigo substantivo 
predicado ⇒ verbo intransitivo 
predicado ⇒ verbo intransitivo advérbio modal 
artigo ⇒ um 
substantivo ⇒ gato | rato 
verbo intransitivo ⇒ mia | corre 
advérbio modal ⇒ desesperadamente 
Questão 4. Gere todas as frases da linguagem definida pela gramática a seguir, utilizando a 
abordagem top-down: 
frase ⇒ sujeito predicado 
sujeito ⇒ pronome pessoal | nome próprio 
predicado ⇒ verbo intransitivo 
pronome pessoal ⇒ você 
nome próprio ⇒ Zé 
verbo intransitivo ⇒ come | dorme 
Questão 5. Escreva o código Python abaixo e responda as perguntas. 
import nltk
tagged_sents = nltk.corpus.mac_morpho.tagged_sents()
texto = 'A manhã está ensolarada'
tokens = nltk.word_tokenize(texto)
unigram_tagger = nltk.tag.UnigramTagger(tagged_sents)
unigram_tagger.tag(tokens) 
 
a) Qual é a saída do programa?
b) O que é o Mac-Morpho corpus? Mostre um exemplo de uma de suas tuplas.
c) O que são as part-of-speech tags?
d) Como funciona o UnigramTagger? Qual é a diferença com o pos_tag() ? 
Questão 6. Descreva o que o programa abaixo faz, em seguida modifique-o para retirar as
stopwords do texto antes do seu processamento. 
from bs4 importBeautifulSoup import urllib.request import nltk response =
urllib.request.urlopen('https://pt.wikipedia.org/wiki/Intelig%
C3%AAncia_artificial') html = response.read() soup =
BeautifulSoup(html,"html5lib") text = soup.get_text(strip=True) 
tokens = [t for t in text.split()]
freq = nltk.FreqDist(tokens) for
key,val in freq.items(): 
if val > 10: 
print (str(key) + ':' + str(val)) 
freq.plot(20, cumulative=False) 
Entre no site http://swish.swi-prolog.org para responder as seguintes questões. 
Questão 7. Insira as seguintes regras Prolog: 
 
Coloque como pergunta (?-) “mortal(socrates).” (sem aspas) e clique no botão Run ou ENTER!
Qual é o retorno? 
Questão 8. Qual é o resultado de: 
a) ?- 2