Exercicios Resolvidos - Inteligência Artificial

Prévia do material em texto

Lista de Exercícios – Inteligência Artificial
1. Baseado na teoria de Russell & Norvig, comente os aspectos do “pensamento inteligente humano e
racional” e “comportamento inteligente humano e racional” em Inteligência Artificial.
Pensamento inteligente humano e racional implica nos silogismos, definidos por Aristóteles,
que fornecem estruturas de argumentação que sempre fornecem conclusões corretas, dadas premissas
corretas.
2. Define os tipos de agentes e exemplifique as.
Agentes reativos simples – selecionam ações com base na percepção atual. Exemplo: aspirador
de pó inteligente.
Agentes reativos baseados em modelos – mantém seu estado interno para controlar os aspectos
do mundo que não estão evidentes. Exemplo: carro autônomo.
Agentes baseados em objetivos – agem para alcançar seus objetivos. Exemplo: robô que faz
entregas. 
Agentes baseados em utilidades – escolhem a ação que maximiza a utilidade dos resultados das
ações. Exemplo: software que busca melhor caminho/menor caminho/caminho com menos movimento.
3. Defina os critérios de geração de problemas para as situações:
a) Quebra cabeça de 8 peças;
descrição de cada peça → considerar o estado inicial → executar a ação de deslocamento das
peças → verificar se o alcançou o objetivo → guardar o custo de caminho
b) Aspirador de pó;
definir os estados de sujo ou limpo → definir o estado inicial do ambiente → executar a ação de
limpar ou não → verifica o objetivo (tudo limpo) → guarda o custo de caminho
c) Roteamento de viagem.
definir os estados do ambiente (horário de voo, clima, tempo,…) → verificar os estados iniciais
do ambiente → função pegar o avião com base no tempo que deve chegar ao destino e calculando o
prejuízo de tempo caso ocorram problemas → verificar objetivo (chegar ao destino) → o custo de
caminho implica em uma série de fatores (passagens, comida, deslocamento,…)
4. Defina o “Teste de Turing”.
A ideia do Teste de Turing é obter, de forma satisfatória, inteligência operacionalmente. A
habilidade de performance a nível humano em todas as tarefas cognitivas de forma a enganar um
interrogador humano.
O computador passa no teste se o interrogador não distinguir entre computador e ser humano.
5. Cite alguns parâmetros que impactam no “nível” de dificuldade do Teste de Turing.
Capacidade de processamento de linguagem natural, representação do conhecimento, raciocínio
automatizado, aprendizado de máquina.
6. Defina-os com exemplos:
• Sistemas de Agentes – é um sistema inteligente que aprende com o ambiente, está introduzido dentro
de um sistema especialista porém tem aprendizado próprio. Ex.: Aspirador de pó inteligente (guia-se
por meio de sensores).
• Redes Semânticas – É uma modelagem do conhecimento, chamamos também de mapas conceituais
 ou processamento da linguagem natural baseado no raciocínio por abstração, normalmente combinada
à programação orientada à objeto. Ex.: Grafos de um banco de dados de um programa de
gerenciamento de atendimento à consultório.
• Sistemas Especialistas – sistema que não precisa de conhecimento de programação, apenas de regras
para se guiar. Ex.: Expert SINTA.
7. Cite as principais características do ambiente de agente, define-as.
Um ambiente de agente pode ser completamente observável (os sensores detectam todos os
aspectos que são relevantes para a escolha da ação, que depende da medida de desempenho) ou pode
ser parcialmente observável (devido ao ruído e à sensores imprecisos ou porque partes do estado estão
ausentes dos dados do sensor).
Também podemos classificar o ambiente como determinístico (se o próximo estado do ambiente
é determinado pelo estado atual e pela ação do agente) ou estocástico (ambiente incerto pois não é
completamente observável ou determinístico).
O ambiente ainda pode ser estático (não se altera enquanto o agente está deliberado) ou
dinâmico (se o ambiente puder se alterar enquanto o agente está em ação).
8. Defina e exemplifique-as estratégias de busca:
a) Em extensão – verifica se todos os nós de cada nível, na sequência até chegar no objetivo final.
b) Em profundidade – expande até o nível mais profundo da árvore onde os nós não tem mais
sucessores. A busca não apresenta sequência crescente.
c) Custo Uniforme – expande o nó com o menor custo de caminho e os mais rasos não são expandidos.
d) A* – expande os nós com a função de avaliação F(n) = g(n) + h(n) mínimo. Será dita completa e
ótima quando considerado o menor valor de F(n).
e) Gulosa – tenta expandir o nó que está mais próximo do objetivo. Não é ótima, mas pode ser
eficiente. A função de avaliação usada é F(n) = h(n).
f) Subida de encosta simples – lembra a busca gulosa expandindo o nó e sempre de forma contínua no
sentido do valor crescente. A função de avaliação seria F(n) = h(filho) < h(pai). Se não satisfazer a essa
condição, a busca será interrompida.
9. Em um sistema inteligente, diferencie o agente inteligente do sistema especialista.
Um agente inteligente não deixa de ser um sistema especialista, porém além de se basear em
regras ele tem inteligência para aprender com o seu ambiente. Diferentemente do sistema especialista
onde todo o comportamento é baseado em regras.
10. Para o programa Expert SINTA, cite os atributos iniciais que deverão ser indicados pelo projetista
de base.
Variáveis;
Regras;
Perguntas;
Objetivos;
Informações adicionais.
• Você se preocupa como pensamento ou comportamento?
O pensamento é fundamental para exercer comportamentos, na psicologia o pensamento é
fundamental para responder uma questão ou um problema prático.
• Você pretende modelar seres humanos ou trabalhar a partir de um padrão ideal?
Padrão ideal, tornar padrão a partir de análises humanas.
• Defina de forma conceitual agente, função de agente, agente reativo, agente baseado em modelo,
agente baseado em objetivos, agente baseado em utilidade e agente com aprendizagem.
Agente – algo capaz de perceber seu ambiente através de sensores. 
Função de Agente – agir por meio de atuadores.
Agente reativo – executam ações com base na sua percepção atual.
Agente baseado em modelo – usa conhecimentos internos para tomar medidas para executar
ações no mundo que não são evidentes na percepção atual.
Agente baseado em objetivos - usa-se algoritmos de busca e planejamento para alcançar seus
objetivos.
Agente baseado em utilidade – é uma função que mapeia um estado para um número real que
representa o grau de satisfação com o estado.
Agente com aprendizagem – é o agente que aprende com o seu ambiente aprimorando o seu
conhecimento e executando tarefas com maior precisão.
• Tanto a medida de desempenho quanto a função de utilidade medem o quanto um agente está
desempenhando bem as suas atividades. Explique a diferença entre as duas medidas.
Medida de desempenho é utilizada por um observador externo para avaliar o
sucesso de um agente. Função de utilidade é utilizada por um agente para avaliar
estados.
• Para cada um dos agentes à seguir, desenvolva uma descrição de PEAS do ambiente de tarefa:
Tipo de Agente Medida de
Desempenho
Ambiente Atuadores Sensores
Robô jogador de
futebol
Fazer gols, driblar
outros jogadores
Campo/quadra de
futebol
Visualizar bola,
jogadores e trave.
Caminhar, correr e
chutar.
Câmeras, sensores de
velocidade e distância
Catálogo de
compras online
Maximizar as vendas
do site de forma
rápida, segura e em
conta para o cliente.
Página web Exibir produtos,
formas de pagamento,
ofertas
Software inteligente
Andarilho
autônomo de
Marte
Coletar dados (fotos,
rochas,…), manter-se
intacto, enviar dados à
base
Planeta desconhecido,
desníveis de terra,
variados tipos de solo
Capturar diferentes
tipo de rochas, enviar
dados, avaliar situaçãodo terreno
Sensores de distância,
câmeras, sensores de
reconhecimento de
objetos
Assistente de
matemática para
demonstração de
teoremas
Encontrar teoremas de
forma rápida e
eficiente
Software em
computador e/ou
celular
Verificar equação e
avaliar qual tipo
pertence para
desenvolver certo
Software de busca e
reconhecimento