No student devices needed. Know more
10 questions
Existem algumas formas de representação do conhecimento que podem ser usadas para o desenvolvimento de sistemas inteligentes. Uma dessas formas consiste em nós representando objetos e links que descrevem o relacionamento entre esses objetos.
Que forma de representação do conhecimento é essa?
Representação lógica.
Redes semânticas.
Frames.
Regras de produção.
Orientação a objetos.
A representação do conhecimento pode ser útil no desenvolvimento de aplicações que entendam a linguagem humana e, a partir disso, consigam responder de forma inteligente. Uma das formas de representar o conhecimento é por meio da representação de entidades do mundo real com seus atributos, sendo possível utilizar também o conceito de herança para esse propósito.
Que forma de representação do conhecimento é essa?
Orientação a objetos.
Algoritmos de ordenação.
Frames.
Regras de produção.
Redes semânticas.
As regras de produção são uma forma de representação do conhecimento que busca obter algum tipo de inferência, ou seja, algum tipo de conclusão. As regras de produção utilizam duas maneiras de obter inferência: raciocínio para frente e raciocínio para trás.
Marque a alternativa que as conceitua corretamente:
Raciocínio para frente inicia com fatos na base do conhecimento e aplica regras até que uma meta seja alcançada. Raciocínio para trás utiliza regras para encontrar fatos conhecidos que apoiam o objetivo ou a meta.
Raciocínio para frente utiliza regras para encontrar fatos conhecidos que apoiam o objetivo ou a meta. Raciocínio para trás inicia com fatos na base do conhecimento e aplica regras até que uma meta seja alcançada.
Raciocínio para frente utiliza frames para modelar entidades. Raciocínio para trás inicia com fatos na base do conhecimento e aplica regras até que uma meta seja alcançada.
Raciocínio para frente utiliza frames para modelar entidades. Raciocínio para trás utiliza redes semânticas com nós representando os objetos e links representando os relacionamentos.
Raciocínio para frente inicia com fatos na base do conhecimento e aplica regras até que uma meta seja alcançada. Raciocínio para trás utiliza utiliza redes semânticas com nós representando os objetos e links representando os relacionamentos.
Foi solicitada a você a criação de um sistema escolar inteligente para verificar se determinado aluno passou de ano ou não em determinada matéria. Só passarão de ano os estudantes que cumprirem as seguintes regras:
I. A soma das quatro notas deve ser maior ou igual a 24.
II. O estudante deve ter mais do que 75% de frequência nas aulas.
De acordo com esses dados, qual seria a forma de representação do conhecimento mais apropriada para utilizar nesse sistema?
Algoritmos de ordenação.
Orientação a objetos.
Frames.
Redes semânticas.
Regras de produção.
Foi solicitada a você a criação de um sistema de dicionário simples com várias palavras. A partir de determinada palavra, deve ser possível dizer o seu significado e se ela é um verbo, um adjetivo, um substantivo, um artigo, etc. Ou seja, deve ser possível verificar as relações que determinada palavra apresenta.
De acordo com esses dados, qual seria a forma de representação do conhecimento mais apropriada para utilizar nesse sistema?
Frames.
Representação lógica.
Redes semânticas.
Raciocínio para frente.
Orientação a objetos.
Os sistemas de inteligência artificial (IA) mudaram a forma como interagimos com a computação. Essas aplicações são capazes de processar, com rapidez, uma quantidade enorme de dados que têm suas origens nos mais variados meios.
Com base nesse conceito, analise as afirmativas abaixo e identifique aquela que está em conformidade com as características de um sistema de inteligência artificial.
Coletar dados e apresentar o resultado desses dados são características que por si só justificam um sistema como inteligente.
Os sistemas de IA devem coletar e analisar os dados, sendo capazes de gerar alguma inferência sobre a manipulação e análise desses dados.
Sistemas de IA são classificados em IA forte (realiza alguma manipulação e extração do conhecimento) e IA fraca (realiza coleta e apresentação de dados).
Os sistemas de IA atuais substituem por completo a necessidade da interferência humana.
Os sistemas de IA não manipulam dados, apenas realizam análise sobre os dados coletados.
As aplicações de inteligência artificial são classificadas como fracas, fortes e superinteligentes. Com relação às categorizações da inteligência artificial, analise as afirmativas e identifique a que está em concordância com as características da inteligência artificial classificada como forte.
São sistemas capazes de aprender com as ações executadas, aprimorando a si mesmos em suas técnicas de análise de dados.
São sistemas mais inteligentes que a mente humana em todas as suas capacidades intelectuais.
São os sistemas de IA mais utilizados hoje em dia, capazes de olhar para o passado e gerar alguma inferência.
Um sistema de IA forte não é capaz de gerar um aprendizado contínuo – essa característica se aplica aos sistemas superinteligentes.
A inteligência artificial forte é uma técnica que veio para substituir a inteligência artificial classificada como fraca.
O desenvolvimento de tecnologias menores e de menor potência possibilitou o surgimento da IoT, segmento em que mesmo pequenos dispositivos, às vezes até um simples sensor, são capazes de se integrar a outros elementos de uma grande rede. Que outros benefícios uma rede neural pode extrair da IoT?
Funções de ativação mais simples, já que os componentes são mais simples.
Acesso à vasta quantidade de informações obtida de forma nem sempre diretamente ligada ao objeto principal do dispositivo que a está fornecendo.
Menor complexidade de desenvolvimento.
Dados representados de forma normalizada graças à distribuição de dados menos centralizada e mais diretamente vinculada à fonte que capturou a informação.
Ato de abolir a necessidade de programação.
O teste de Turing vem sendo usado até os dias atuais para avaliar as capacidades das máquinas. Analise as afirmativas abaixo e identifique a que está em conformidade acerca do teste de Turing.
O teste de Turing foi proposto por Alan Turing em 1950 como uma forma de classificar se um sistema era inteligente ou não, baseando sua interação com um humano em um jogo de perguntas e respostas entre ambos.
O teste de Turing se baseia na ideia de que uma máquina seja capaz de imitar o comportamento humano a ponto de enganar um ser humano comum.
O teste de Turing se baseia em um jogo de perguntas e respostas entre máquinas e humanos. Quando a máquina acertar mais que o humano é porque é inteligente.
O teste de Turing é o único aceito mundialmente para classificar se um sistema é considerado inteligente.
O teste de Turing atualmente não é mais considerado para a avaliação da capacidade de um sistema inteligente.
O conhecimento sobre algo é oriundo dos dados e informações adquiridas por diversas fontes. A aprendizagem de máquina ocorre por meio desses artefatos e seu objetivo é sempre o de trazer soluções computacionais para situações cotidianas no mundo dos negócios. Sobre os conceitos de aprendizado de máquina e de mineração dos dados, está correto dizer que:
o aprendizado de máquina tem como foco a predição, com base em características já conhecidas, enquanto a mineração de dados extrai informação dos conjuntos de dados.
o aprendizado de máquina é um processo automático, com base em grande quantidade de dados. Já a mineração de dados, trabalha com quantidades limitadas de dados.
a mineração de dados pode ser do tipo de reforço, e o aprendizado de máquina trabalha com regras de associação com grandes bases de dados.
enquanto o aprendizado de máquina lida com previsão e classificação, a mineração de dados lida com automação de controle e predição.
o aprendizado de máquina pode ser de padrões sequenciais e de agrupamento, já a mineração de dados pode ser supervisionada e não supervisionada.
Explore all questions with a free account