Inteligência Artificial: Conceitos e Definições

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Qual das seguintes opções melhor descreve a Inteligência Artificial?

A criação de algoritmos para resolver problemas matemáticos complexos.

O desenvolvimento de máquinas que imitam a capacidade humana de processar informação.

A programação de computadores para executar tarefas repetitivas de forma mais eficiente.

O estudo de como os computadores podem realizar tarefas que os humanos atualmente fazem melhor. (correct)

Na resolução de problemas, usando a procura em espaço de estados, qual o papel dos 'operadores'?

Guiar a procura de estados a partir do estado inicial.

Transformar um estado num outro estado do problema. (correct)

Avaliar a proximidade do estado atual à solução.

Definir o estado inicial do problema.

Qual dos seguintes aspetos é menos relevante para a definição de inteligência, segundo o conteúdo?

A capacidade de resolver problemas.

A capacidade de usar o conhecimento.

A capacidade de processar grandes quantidades de dados. (correct)

A capacidade de aprender.

Numa busca em espaço de estados, se o nó gerado não é válido, o que acontece?

O nó gerado é abandonado. Signup and view all the answers

Qual é a principal característica de um problema que se adequa à resolução por procura em espaço de estados?

Envolve a exploração de múltiplas possibilidades. Signup and view all the answers

Quais dos seguintes problemas foram abordados inicialmente pela Inteligência Artificial?

Jogos como xadrez e damas, demonstração de teoremas e linguagem natural. Signup and view all the answers

Como o espaço de estados pode ser representado na Inteligência Artificial?

Através de um grafo dirigido acíclico. Signup and view all the answers

O que um nó em um grafo de espaço de estados geralmente contém?

Um ponteiro para o nó que o gerou, heurística, pontuação e outras informações relevantes. Signup and view all the answers

Qual a característica principal das redes neurais mencionada no texto?

São sistemas de decisão inspirados em sistemas biológicos, programados por exemplos e com aprendizagem automática. Signup and view all the answers

Qual dos seguintes avanços foi alcançado pela Inteligência Artificial em jogos?

A IA ganhou ao campeão mundial em jogos como xadrez. Signup and view all the answers

Qual destas opções descreve melhor um desafio comum associado ao conhecimento em IA?

O conhecimento usado em IA pode ser extenso, difícil de definir precisamente e está em constante mudança. Signup and view all the answers

Qual dos seguintes é um objetivo fundamental na representação do conhecimento para sistemas de Inteligência Artificial?

Permitir a representação de regras abrangentes, que seja compreensível pelas pessoas e facilmente modificável. Signup and view all the answers

Em busca de um nó objetivo num problema de IA, o Algoritmo de Custo Uniforme usa que tipo de abordagem?

Expande o nó com o menor custo total acumulado. Signup and view all the answers

Qual é o primeiro passo do algoritmo de Custo Uniforme na procura em IA?

Adicionar o nó inicial à lista de abertos e definir o custo como 0. Signup and view all the answers

Em que tipo de situação é que o algoritmo de Custo Uniforme se torna preferível em comparação com o algoritmo Breadth-First?

Quando os custos associados aos arcos variam e se pretende minimizar o custo total da solução. Signup and view all the answers

Como é avaliada uma IA segundo o teste de Turing?

Através da sua capacidade de imitar comportamentos humanos em um diálogo. Signup and view all the answers

O que acontece quando o algoritmo de Custo Uniforme encontra um nó objetivo durante a busca?

O algoritmo termina e retorna a solução encontrada. Signup and view all the answers

O que determina a ordem em que os nós são explorados no algoritmo de Depth-First?

A profundidade dos nós. Signup and view all the answers

Qual é o principal objetivo do uso de heurísticas em Inteligência Artificial?

Sacrificar a solução ótima em prol de uma solução satisfatória, dada a explosão combinatória. Signup and view all the answers

Em termos de conhecimento, qual das seguintes opções melhor descreve uma heurística?

Conhecimento baseado em experiência passada, com alguma incerteza. Signup and view all the answers

Numa busca em largura (Breadth-First), qual a ação tomada ao encontrar um estado sucessor já presente em ABERTOS ou FECHADOS?

Ignorar o nó sucessor, não o adicionando a ABERTOS. Signup and view all the answers

Numa busca de Custo Uniforme, o que ocorre caso se encontre um sucessor 'n' já presente em ABERTOS?

O sucessor de 'n' é adicionado somente se o seu custo g for menor do que o custo do sucessor presente em ABERTOS. Signup and view all the answers

Numa busca de Custo Uniforme, qual ação é tomada em relação a um sucessor de 'n' já presente em FECHADOS?

O sucessor é ignorado. Signup and view all the answers

Como a busca em profundidade (Depth First) lida com um nó com o mesmo estado já presente em ABERTOS?

Descarta o novo nó gerado, dado que o existente tem um custo igual ou menor. Signup and view all the answers

Numa busca em profundidade (Depth-First), como o algoritmo lida com um nó que se encontra em FECHADOS e tem um custo maior ou igual ao do nó gerado?

Substitui o nó antigo pelo nó gerado. Signup and view all the answers

Qual característica é menos provável de ser uma característica de uma heurística?

Completamente precisa e confiável em qualquer situação. Signup and view all the answers

Qual das seguintes opções descreve corretamente a função de um nó pai numa busca em IA?

Permitir reconstruir o caminho da solução a partir do estado final. Signup and view all the answers

Em que contexto a 'expansão de um nó' é mais relevante num algoritmo de busca?

Na geração de todos os nós sucessores de um dado nó. Signup and view all the answers

Qual é a principal característica dos métodos de procura 'Breadth-First' em termos de otimização de caminhos?

Encontram sempre a solução que corresponde ao caminho mais curto. Signup and view all the answers

Qual é o significado da lista de 'nós abertos' em algoritmos de busca?

Lista de nós que ainda não foram explorados. Signup and view all the answers

Por que a inteligência artificial é utilizada em problemas difíceis de resolver por métodos convencionais?

Porque ela pode lidar com problemas que exigem raciocínio e não apenas cálculos. Signup and view all the answers

Qual dos seguintes não é um campo de aplicação típico de redes neuronais conforme mencionado no conteúdo?

Otimização de algoritmos. Signup and view all the answers

Qual é o impacto de um grafo infinito num método de busca Breadth-First?

O método pode não terminar a busca, se não encontrar uma solução. Signup and view all the answers

Qual é um dos principais desafios da inteligência artificial ao usar modelos da realidade?

A dificuldade em simular a forma como especialistas resolvem problemas. Signup and view all the answers

Qual das seguintes afirmações descreve corretamente o comportamento dos algoritmos de procura em espaço de estados ao adicionar sucessores?

Os sucessores são adicionados ao fim da lista de ABERTOS, priorizando a exploração em profundidade. Signup and view all the answers

O que significa dizer que um algoritmo de procura é 'admissível'?

Ele sempre encontra o caminho ótimo para o objetivo, desde que este exista. Signup and view all the answers

Qual é o critério principal para que uma heurística seja considerada admissível?

A heurística deve sempre subestimar ou ser igual ao custo real para atingir o objetivo. Signup and view all the answers

No contexto do algoritmo A*, o que implica o fato de, ao expandir um nó (n), o algoritmo já ter encontrado um caminho ótimo para (n)?

Que a função de avaliação f'(n) não é maior do que o custo real f. Signup and view all the answers

Como o IDA* utiliza o conceito de limiar ('Cost cut-off') durante a procura?

Em cada iteração, o limiar é definido com base no valor da função de avaliação f', começando pelo nó inicial. Signup and view all the answers

Qual é a principal vantagem do IDA* em termos de uso de memória?

Necessita guardar apenas os nós do caminho atual, similar à procura em profundidade. Signup and view all the answers

No algoritmo IDA*, qual é o significado do custo do caminho ótimo poder ser igual ao limiar?

Significa que o algoritmo encontrou um caminho ótimo, uma vez que o limiar é baseado em uma heurística admissível. Signup and view all the answers

Qual é o papel primário da heurística no contexto dos algoritmos de procura como o A* e IDA*?

Fornecer uma estimativa do custo para atingir o objetivo, guiando a procura. Signup and view all the answers

Study Notes

Inteligência Artificial e Conhecimento

Inteligência Artificial necessita de conhecimento, frequentemente volumoso, difícil de caracterizar precisamente e em constante mudança.
A base de muitas aplicações comerciais é o Sistema Pericial.
O conhecimento usado na IA deve ser representável para: permitir a representação de regras gerais, ser compreensível para quem o fornece ao sistema e ser facilmente modificável.
O conhecimento pode ser impreciso ou incompleto, permitindo superar o seu próprio volume.

Métodos de Procura - Custo Uniforme

Variante do Breadth-First focada em minimizar o custo, em vez da distância, quando os custos dos arcos variam.
Algoritmo garante a minimização do custo.
Passos:
- Nó inicial inserido em ABERTOS com g(s) = 0.
- Se ABERTOS estiver vazio, falha.
- Remover da lista de ABERTOS o nó (n) com menor custo (g) e colocá-lo em FECHADOS.
- Se (n) for o nó objetivo, terminar e apresentar a solução.
- Expandir o nó (n). Adicionar os sucessores a ABERTOS, usando ponteiros para (n) e calculando o g de cada sucessor.
- Voltar ao passo 2.

Avaliação de uma Inteligência Artificial - Teste de Turing

Teste de Turing: dois canais de comunicação independentes (um com pessoa e outro com máquina); se depois de interação razoável for impossível distinguir a pessoa da máquina, a máquina é considerada inteligente.
A Inteligência Artificial moderna se preocupa mais com a colaboração Humano-Máquina, valorizando as capacidades de ambos, do que a imitação humana.

Métodos de Procura - Depth-First

A profundidade do nó raiz é zero; define-se um nível de profundidade máxima onde os nós não se expandem.
Re-calcular profundidade de nós já presentes em Abertos ou Fechados.
Passos:
- Nó inicial em ABERTOS.
- Se ABERTOS estiver vazio, falha.
- Remover o primeiro nó de ABERTOS (n) e colocá-lo em FECHADOS.
- Se a profundidade de (n) exceder o limite, voltar ao passo 2.
- Expandir o nó (n). Adicionar os sucessores ao início de ABERTOS, com ponteiros para (n).
- Se algum sucessor for o nó objetivo, terminar e apresentar a solução; caso contrário, voltar ao passo 2.

Resolução de Problemas

A resolução de problemas em IA baseia-se em usar conhecimento para reduzir a explosão combinatória de explorar todos os caminhos possíveis.

Heurísticas

Para resolver o problema da explosão combinatória, a IA usa heurísticas.
O conhecimento heurístico é não científico, incerto e baseado em experiência passada.
O objetivo é sacrificar a solução ótima em prol da garantia de encontrar uma solução satisfatória, mesmo que não seja a melhor.

Grafos em vez de Árvores

Se o espaço de estados for um grafo, os algoritmos precisam de ser modificados.
Breadth-First: Verificar se um estado sucessor já está em ABERTOS ou FECHADOS; caso positivo, o nó não é adicionado a ABERTOS.
Custo Uniforme: Se o sucessor de n está em ABERTOS e g (sucessor de n) > g (sucessor em ABERTOS), o sucessor não é adicionado; caso contrário, o sucessor de n substitui o que está em ABERTOS. Se o sucessor está em FECHADOS, ignorá-lo.
Depth-First: Se um nó com o mesmo estado já estiver em ABERTOS, o nó gerado é descartado (custo g menor ou igual). Se o nó estiver em FECHADOS e seu custo for maior ou igual, substituir o nó antigo pelo gerado em ABERTOS, incluindo ponteiros para o nó gerado; caso contrário, descartar o nó gerado.

Algoritmos de Procura em Espaço de Estados - Procura com Memória Limitada

IDA*: garante a descoberta da solução ótima se a heurística for admissível.
Passos: aplicar repetidamente o método de procura em profundidade com limiares de profundidade variáveis baseados em f.
- O limiar inicial (L) é calculado como f'(no) = g(no) + h'(no).
- Expandir nós com f'(n) ≤ L.
- Se a solução não for encontrada, recalcular L como o mínimo valor de f(n) dos nós visitados mas não expandidos.
RBFS: variante do IDA* que recalcula f' de um nó e de seus antecessores (backup).
SMA*: eficiente usando toda a memória disponível, evitando repetição de estados. Algoritmo completo se a memória permitir o caminho mais curto; ótimo se a memória permitir o caminho de menor custo.
- No caso de falta de memória, desprezar o nó com maior f(n).

Métodos Heurísticos ou "Informados"

Usam regras empíricas para acelerar a procura, focadas em nós mais promissores.
Utilizam funções de avaliação (f(n)) para determinar o interesse dos nós. Geralmente, a lista de nós ABERTOS é organizada por ordem crescente de f(n).
Passos:
- Nó inicial em ABERTOS com f(s) = 0.
- Se ABERTOS estiver vazio, falha.
- Remover o nó de ABERTOS (n) com menor f e colocá-lo em FECHADOS.
- Expandir (n) e calcular f de seus sucessores.
- Adicionar os sucessores novos a ABERTOS (em ordem de f), com ponteiros para (n).
- Se um sucessor for objetivo, terminar.
- Atualizar f de sucessores existentes ou em FECHADOS, para o menor valor encontrado.
- Recolocar em ABERTOS sucessores de FECHADOS com f reduzido; redirecionar ponteiros para (n) onde f baixou.
- Voltar para o passo 2.

Algoritmo de Dijkstra

Algoritmo para encontrar o caminho mais curto em grafos com pesos nos arcos.
Passos: iniciar com estimativa de custo 0 para a raiz e infinito para outros nós; em cada etapa, encontrar o nó não processado com menor distância à raiz; atualizar distâncias dos vizinhos se necessário.

Medidas de Desempenho

Possíveis medidas para comparar técnicas de busca: Penetrância (comprimento do caminho / número total de nós gerados) e Fator de Ramificação Média.

Algoritmo A*

Família de algoritmos de procura em espaço de estados onde f(n) = g(n) + h(n), onde g(n) é o custo do nó e h(n) é o valor heurístico.

Representação de Jogos

Jogos podem ser representados de forma extensiva (grafo) ou normal (matriz de pagamentos, não útil para jogos sequenciais).
Heurísticas e funções de avaliação são usadas para auxiliar na escolha da melhor jogada.
O Princípio da Utilidade Esperada permite valorar a distribuição de probabilidades dos resultados de uma decisão.

Algoritmo MINIMAX

Algoritmo para determinar a estratégia ótima para o jogador máximo.
Gera toda a árvore de procura.
Aplica a função de utilidade a cada nó terminal e usa para calcular a utilidade dos nós dos níveis superiores da árvore.
Se for um lance do jogador mínimo, o valor calculado é o mínimo em cada nível; se for do jogador máximo, o valor é o máximo.
Continua o processo de backup até o nó inicial.

Algoritmo MINIMAX com cortes Alfa-Beta

A procura alfabeta é uma versão do MINIMAX que usa cortes.
Alfa representa o valor da melhor escolha encontrada até então para o jogador máximo; beta representa o valor da melhor escolha para o jogador mínimo.

Tabelas de Transposição (Hash Tables)

Usadas em alguns jogos de informação perfeita para acelerar a procura, usando cache dos estados e suas avaliações.

Programação Dinâmica e Memoização

Abordagem de dividir um problema complexo em subproblemas menores, resolvendo-os apenas uma vez e armazenando as soluções.

Limitação da Árvore de Procura

Métodos para limitar a árvore de procura: limite de profundidade fixo, Iterative Deepening.

Teoria de Jogos

Tipos de Jogos: 2 adversários/pessoas, sequenciais (incluindo informação perfeita), simultâneos, simétricos, soma zero, não cooperativos.
Equilíbrio de Nash: solução para jogos não cooperativos onde cada jogador toma a melhor decisão possível dada a escolha do outro e nenhum pode melhorar unilateralmente.

Algoritmo NEGAMAX

Versão do MINIMAX que troca o sinal em cada nível após o backup.

Raciocínio Lógico em Sistemas Periciais

Tipos de Raciocínio: dedutivo, indutivo, abdutivo.

Sistemas Periciais

Aplicações que resolvem problemas complexos como peritos humanos, usando heurísticas e conhecimento especializado.

Modelos

Modelos são representações simplificadas da realidade.

Tipos de Lógicas

Proposicional, Predicativa, Modal.

Fontes de Incerteza

Incerteza em sistemas periciais pode ser subjetiva (lógica fuzzy) ou objetiva (probabilidades - Lei de Bayes).

Aquisição de Conhecimento

Duas abordagens principais para a aquisição de conhecimento: direta (especialista) e através de registos históricos (indução de regras).

Conversão de Árvores de Decisão em Regras

Passos para converter uma árvore de decisão em um conjunto de regras.

Árvores Mínimas

Árvores de decisão otimizadas por algoritmos como o ID3, baseados em minimização de entropia informacional.

Eficiência dos Sistemas de Produção

Eficiência pode ser aumentada pela manutenção dos resultados de testes anteriores e pelas características de similaridade estrutural e redundância temporal.

Outros algoritmos

Algoritmos relacionados a MINIMAX: SSS*, DUAL*, SCOUT, PVS/NEGASCOUT, MTD(F), BNS.

Estrutura de Dados de Suporte

Dados de suporte representados em Grafo Dirigido Acíclico. Tipos de nós em RETE (raiz, padrão e junção).

MYCIN

Método de cálculo do fator de confiança da conclusão de uma regra.

Desenvolvimento de Sistemas Periciais

Abordagem espiral para o desenvolvimento de sistemas periciais.
Considerações para escolha do domínio de aplicação.
Tipos de tarefas, participantes, e requisitos.

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Description

Teste seus conhecimentos sobre Inteligência Artificial com questões que abrangem desde a definição até os aspectos técnicos da resolução de problemas. Este quiz explora a busca em espaço de estados e o papel dos operadores, características de redes neurais, e os desafios comuns na área. Desfrute de um desafio acadêmico e refine seu entendimento sobre IA!