Baixe o app para aproveitar ainda mais
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
Compartilhar