Prévia do material em texto

Atividade de Autoaprendizagem 4
1 MÚLTIPLA ESCOLHA CORRETO 0 / 0
2 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
Em um sistema especialista usado na medicina, que compara sintomas de pacientes com uma base de conhecimento, qual fator que mais contribui para garantir diagnósticos e tratamentos mais precisos e 
eficazes?
Resposta correta
Correta:
A atualização contínua com pesquisas e casos recentes, o que mantém o sistema adaptado a novas descobertas, ampliando a precisão dos diagnósticos e a eficácia dos tratamentos 
recomendados.
B A capacidade do sistema de priorizar dados históricos específicos, sem considerar novas pesquisas, reduzindo erros e promovendo uma base de conhecimento focada em diagnósticos de longo prazo.
C A inclusão restrita de casos clínicos e estudos históricos apenas, excluindo dados recentes, ajudando o sistema a simplificar o processo e evitar sobrecargas desnecessárias de informações.
D A utilização de algoritmos que filtram apenas dados recentes, ignorando estudos antigos, permitindo que o sistema se concentre em avanços modernos e diagnósticos de alta precisão.
E A integração de dados de longa duração, mas sem alterações frequentes, para evitar que o sistema sofra com mudanças rápidas e garanta um diagnóstico mais estável e confiável.
TensorFlow e Keras são bibliotecas fundamentais para criar e treinar redes neurais de forma eficiente, simplificando a aplicação de inteligência artificial. Qual das alternativas descreve melhor como essas 
bibliotecas facilitam a criação de redes neurais aplicadas a soluções práticas do cotidiano? 
A Resposta correta
O uso de TensorFlow e Keras facilita a criação de redes neurais profundas por meio de módulos e funções prontos, permitindo que desenvolvedores criem soluções complexas sem 
necessidade de programar do zero.
B
As bibliotecas TensorFlow e Keras são mais adequadas para projetos pequenos, já que a complexidade dos módulos disponíveis impede a implementação de redes neurais para tarefas práticas do 
cotidiano.
C
Ao utilizar TensorFlow e Keras, desenvolvedores precisam codificar manualmente todas as funções de redes neurais, pois essas bibliotecas não oferecem suporte adequado para modelos de aprendizado 
profundo.
D TensorFlow e Keras permitem criar modelos personalizados de IA, mas a simplicidade de uso dificulta o treinamento de redes neurais em dados grandes e variados, limitando sua eficiência prática. 
E
TensorFlow e Keras facilitam a integração de redes neurais a grandes sistemas, mas sua aplicabilidade é limitada em contextos como recomendações baseadas em preferências ou dados nutricionais 
específicos.
RECIBO: 834AE15DBF43496F86EC9E6C11C8EB33
TENTATIVA 1/5 (ENVIADA EM 19/12/25 22:05)Nota final
Tentativa com a nota mais alta
3 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
4 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
MÚLTIPLA ESCOLHA
Uma fazenda inteligente utiliza um sistema especialista para gerenciar a irrigação, dependendo de uma base de conhecimento atualizada. Nesse contexto, a manutenção constante é essencial para incorporar 
novas práticas agrícolas, dados climáticos e informações sobre o solo, garantindo que o sistema ofereça recomendações eficazes e atualizadas.
Qual é a principal razão para essa manutenção contínua? 
A Resposta correta
As bases de conhecimento são atualizadas para integrar novas práticas e dados atuais, respondendo de forma eficiente às constantes mudanças do ambiente e mantendo a relevância 
das recomendações do sistema.
B
Sistemas especialistas podem operar sem revisões frequentes; a manutenção das bases de conhecimento visa exclusivamente aprimorar a eficiência de tarefas específicas, sem impacto significativo no 
desempenho geral.
C O sistema exige novas regras e parâmetros, mas não atualizações frequentes; a base de conhecimento utiliza dados históricos e prevê cenários futuros com base em análises mais duradouras.
D
Bases de conhecimento em sistemas especialistas armazenam dados permanentes que não se alteram; a manutenção é ocasional e ocorre apenas quando o sistema enfrenta mudanças incomuns e de 
longa duração.
E
A base de conhecimento em sistemas especialistas evolui lentamente, mas deve adaptar-se a mudanças graduais do ambiente, como o clima e solo, devido à escassez de atualizações contínuas de dados 
recentes.
A construção e manutenção de bases de conhecimento em sistemas especialistas são essenciais para garantir diagnósticos precisos e recomendações relevantes. Qual das alternativas descreve corretamente um 
fator crítico para garantir a eficácia de sistemas especialistas?
A
A construção inicial da base de conhecimento é suficiente para garantir a precisão dos sistemas especialistas, visto que as regras e informações dos especialistas humanos raramente sofrem alterações no 
tempo.
B A eficácia de sistemas especialistas em ambientes dinâmicos está ligada à automação total da manutenção das bases de conhecimento, eliminando a necessidade de interação humana contínua. 
C
A principal tarefa da manutenção é remover dados antigos da base de conhecimento, já que a obsolescência de informações compromete a capacidade do sistema especialista em lidar com problemas 
complexos.
D
A inclusão de regras adicionais na base de conhecimento deve ser feita exclusivamente por algoritmos de aprendizado de máquina, substituindo o envolvimento de especialistas humanos na atualização 
de dados.
E Resposta correta
Manter a base de conhecimento atualizada é crucial, pois a inclusão de novas regras e a revisão das existentes garantem que os sistemas especialistas permaneçam eficazes diante de 
novas regulamentações e mudanças.
5 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
6 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
7 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
Em uma cidade movimentada como São Paulo ou Rio de Janeiro, otimizar rotas de entrega com algoritmos genéticos envolve etapas evolutivas que buscam soluções eficientes. Nesse contexto, qual fator é 
essencial para garantir que o processo evolutivo conduza o algoritmo à rota mais eficaz em cenários tão complexos?
A A combinação aleatória de rotas bem-sucedidas e menos promissoras, sem priorizar função de aptidão, oferece um processo mais democrático e permite rotas alternativas de otimização inesperadas.
B A aplicação de mutações rigorosas, combinadas com a seleção das rotas menos eficientes, amplia a diversidade do conjunto de soluções e evita que o sistema se acomode em rotas subótimas.
C Resposta correta
A seleção das rotas mais promissoras e a definição de uma função de aptidão precisa garantem que o algoritmo evolua de forma direcionada e converge para uma solução eficiente e 
otimizada.
D O uso de rotas iniciais aleatórias e inalteradas ao longo do processo, focando a consistência dos dados, proporciona uma base sólida e promove a estabilidade dos resultados gerados no sistema.
E A repetição ininterrupta das rotas iniciais, sem alterações genéticas, assegura que o algoritmo mantenha soluções estáveis e evita mudanças desnecessárias que poderiam prejudicar a convergência final.
As redes neurais de múltiplas camadas e redes associativas são abordagens diferentes em inteligência artificial. Com base nas características das redes de múltiplas camadas e redes associativas, qual das 
alternativas melhor explica a diferença na forma como essas redes processam padrões complexos e incompletos?
A
A principal diferença está no fato de que as redes associativas podem ajustar suas camadas intermediárias, enquanto as redes de múltiplas camadas necessitam de dados completos para realizar 
predições precisas.
B Resposta correta
Redes de múltiplas camadas processam padrões detalhados em várias etapas, enquanto redes associativas lembram padrões distorcidos ou incompletos, preenchendo lacunas com base 
no que já foi aprendido.
C
As redes de múltiplas camadas têm a capacidade de generalizar informações incompletas, mas não podem lembrar padrões com distorções, ao contrário das redes associativas, que são especializadas 
nisso.
D
Redes associativas refinam padrões detalhados em etapassucessivas, enquanto redes de múltiplas camadas associam automaticamente informações incompletas durante o processamento de dados 
complexos. 
E Redes associativas utilizam várias camadas para processar detalhes visuais e gerar resultados mais precisos, enquanto redes de múltiplas camadas apenas relembram padrões já conhecidos e distorcidos.
As estruturas de aprendizado e associação em redes neurais permitem refinar padrões complexos e recuperar informações incompletas. Com isso, qual das opções abaixo descreve corretamente o benefício 
prático das camadas ocultas no reconhecimento progressivo de padrões em sistemas de aprendizado? 
8 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
9 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
A Resposta correta
Com o uso de camadas ocultas, é possível transformar características complexas dos dados, refinando progressivamente a qualidade das predições e aumentando a robustez do sistema 
em diferentes aplicações.
B
O uso de camadas ocultas permite realizar associações entre diferentes níveis de informação, garantindo que as redes façam a generalização automática dos dados, sem necessidade de supervisão 
adicional.
C A principal função das camadas ocultas é a capacidade de associar padrões a diferentes contextos de aplicação, permitindo que os sistemas de aprendizado façam previsões em tempo real e ajustadas.
D As camadas ocultas permitem que redes associativas realizem a análise de padrões em grandes volumes de dados, mesmo em cenários de dados ausentes ou distorcidos, promovendo alta flexibilidade. 
E
Camadas ocultas auxiliam na recuperação de padrões conhecidos, utilizando redes associativas para lidar com dados incompletos, o que melhora a precisão de modelos em ambientes com informações 
parciais.
Os sistemas de apoio à decisão utilizam uma estrutura composta por uma base de conhecimento, mecanismo de inferência, interface com o usuário e ferramentas para suporte a decisões. Qual das opções abaixo 
melhor descreve a interação entre o mecanismo de inferência e a base de conhecimento para gerar recomendações relevantes? 
A O mecanismo de inferência realiza a análise de informações baseadas em dados brutos coletados diretamente do usuário, sem precisar consultar uma base de conhecimento estruturada e definida.
B
A função do mecanismo de inferência é substituir o especialista em situações de tomada de decisão, utilizando a base de conhecimento para sugerir ações sem a necessidade de revisão por parte do 
usuário.
C Resposta correta
O mecanismo de inferência utiliza regras e informações predefinidas na base de conhecimento para processar dados e gerar respostas ou recomendações, considerando as 
especificidades de cada problema apresentado.
D
A base de conhecimento armazena dados de forma dinâmica, permitindo que o mecanismo de inferência ajuste suas respostas continuamente para oferecer recomendações personalizadas em tempo 
real. 
E
A base de conhecimento interage diretamente com o usuário para capturar novos dados, enquanto o mecanismo de inferência transforma essas informações em recomendações de acordo com as regras 
do sistema.
A técnica de Transfer Learning aproveita modelos pré-treinados para resolver problemas similares, economizando tempo e recursos. Qual das alternativas descreve corretamente como essas abordagens podem 
melhorar a eficiência de aplicações de IA em dispositivos móveis? 
A
A aplicação de Transfer Learning elimina a necessidade de otimizar modelos em dispositivos móveis, visto que os modelos pré-treinados já são eficientes o suficiente para reconhecimento de imagem em 
tempo real.
B O principal benefício da otimização de modelos é sua capacidade de reduzir o tempo de treinamento em dispositivos móveis, tornando o Transfer Learning dispensável na maioria das aplicações práticas.
10 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
B O principal benefício da otimização de modelos é sua capacidade de reduzir o tempo de treinamento em dispositivos móveis, tornando o Transfer Learning dispensável na maioria das aplicações práticas.
C
Transfer Learning garante que os modelos sejam diretamente aplicáveis a novos problemas sem necessidade de ajustes, enquanto a otimização elimina totalmente a dependência de recursos de hardware 
avançados. 
D Resposta correta
Transfer Learning permite a reutilização de modelos pré-treinados para economizar tempo, enquanto a otimização ajusta os modelos para serem mais leves e eficientes em dispositivos 
móveis com recursos limitados. 
E A integração de modelos de IA em aplicativos móveis dispensa o uso de Transfer Learning, já que a principal função da otimização é reduzir a quantidade de dados necessários para novos treinamentos.
Algoritmos genéticos e estratégias evolutivas são métodos inspirados na seleção natural, usados para resolver problemas complexos, como otimização de rotas em cidades movimentadas. Qual das alternativas 
melhor descreve o papel da mutação e seleção no processo de evolução de soluções? 
A Resposta correta
A seleção nos algoritmos genéticos ocorre ao final de cada geração, eliminando rotas ineficientes. A mutação introduz variações nas rotas selecionadas para testar novas combinações 
possíveis.
B A seleção é baseada unicamente na eficiência de rotas, sem levar em conta mutações. As mutações são aplicadas apenas no início do processo para gerar todas as possíveis rotas a serem testadas.
C O processo de mutação é responsável por garantir que rotas subótimas sejam eliminadas, enquanto a seleção escolhe apenas as rotas já testadas, sem gerar novas combinações de possíveis soluções.
D
A mutação nos algoritmos genéticos impede a criação de novas soluções, enquanto a seleção preserva apenas as rotas com melhor desempenho, garantindo que não haja perda de diversidade nas 
soluções. 
E O uso de mutação nos algoritmos genéticos é secundário, pois as soluções mais eficientes são evoluídas apenas por meio da seleção, que ocorre independentemente de variações ou mudanças nas rotas.