IA – QUESTÕES

1. Qual a importância de Alan Turing para a IA ?

O Alan Turing foi importante para IA, pois evitou deliberadamente a interação
física direta entre o interrogador e o computador, por que a simulação física de
uma pessoa é desnecessária para a inteligência. Entretanto, o chamado teste de
turing total inclui um sinal de vídeo, de forma que o interrogador possa testar as
habilidades de percepção do assunto, além de oferecer ao interrogador a
oportunidade de repassar objetos físicos “pela tela”.

2. Qual a finalidade ?
O teste foi projetado para fornecer uma definição operacional satisfatória de
inteligência. Em vez de propor uma lista longa e talvez controversa de
qualificações exigidas para inteligência, ele surgiu um teste baseado na
impossibilidade de distinguir entre entidades inegavelmente inteligentes os seres
humanos. O computador passara no teste se um interrogador humano, depois de propor
algumas perguntas por escrito, não conseguir descobrir se as respostas escritas vem
de uma pessoa ou não

3. Explique o que é estudado nos seguintes campos:

a) Processamento de linguagem natural;
R: Para permitir que ele se comunique com sucesso em um idioma natural. (resposta
resumida)
R: É o estudo voltado para a construção capaz de compreender a linguagem natural,
interpretação e gerar textos. A geração de linguagem natural é a produção de textos
por um programa a partir de um conteúdo semântico representado internamente no
próprio programa. Objetiva aperfeiçoar a comunicação entre as pessoas e o
computador.

b) Representação de conhecimento;
R: Para armazenar o que sabe ou ouve (resposta resumida)
R: Para utilizar um corpo de conhecimento em uma máquina, é necessário escolher
uma maneira de representá-lo. Todo programa de computador contém um conhecimento
sobre um determinado problema a ser resolvido. O conhecimento esta no algoritmo que
o programa emprega e nos procedimentos de decisão que determinam quel destes
algoritmos empregar em determinada circunstancia. Quando se carrega um programa em
computador pode-se dizer que o computador “adquiriu” o respectivo conhecimento,
entretanto na maioria dos programas estas informações não são representadas.
Explicitamente e não podem ser facilmente atualizadas ou manipulados “é um subcampo
da inteligência artificial dedicada ao desenvolvimento de técnicas que permitam o
computador aprender baseado em dados ”.

c) Aprendizagem de máquina;
R: Para se adaptar a novas circunstâncias e para detectar e extrapolar padrões.
(resposta resumida)
R:Aprendizagem de maquina esta relacionada com programas computacionais que
melhoram seu desempenho automaticamente através da experiência. Os métodos de
aprendizagem de máquina tem sido utilizado em diversas aplicações como veiculo
autônomo que aprendem a dirigir em vias expressas, reconhecimento da fala, detecção
de fraudes em cartão de crédito, estratégias para construção de jogos entre outros.

d) Visão computacional;
R:Para receber objetos. (resposta resumida)
R: Visão computacional é a ciência e tecnologia das maquinas que enxergam. Ela
desenvolve teria teoria e tecnologia para construção de sistemas artificiais que
obitem informações ou qualquer dado multidimensional. Exemplos de aplicações
incluem o controle de processos com robôs industriais ou veículos automotivos.
Detecção de eventos, organizações de informações, modelagem de objetos ou ambientes
de interação (atrelado à interação homem - computador).

e) Robótica;
R: Sistemas automatizados controlados por circuitos elétricos. (resposta resumida)
R: A Robótica é um ramo educacional e tecnológico que engloba computadores, robôs e
computação, que trata de sistemas compostos por partes mecânicas automáticas e
controlados por circuitos integrados, tornando sistemas mecânicos motorizados,
controlados manualmente ou automaticamente por circuitos eléctricos.

f) Raciocínio automatizado.
R: Capacidade de aprender sobre o ambiente que atua. (resposta resumida)
R: Raciocínio automatizado é uma subárea de IA que estuda as formas de simular
raciocínio lógico por meio de métodos computacionais. Uma máquina deve ser capaz de
adquirir aprendizado sobre o ambiente a qual atua.

4. Como a ciência cognitiva contribui para o desenvolvimento da IA ?

A modelagem cognitiva surgiu nos anos 60 para tentar construir teorias precisas e
verificáveis sobre os processos de funcionamento da mente humana.
Com base na ciência cognitiva descobriu-se que o neurônio é o átomo que nos permite
pensar e como ele funciona, e mesmo que de forma artificial, estudos são realizados
para os neurônios serem implantados na inteligência artificial.

5. Como a lógica e seus silogismos categóricos contribuíram para a IA ?

O silogismo categórico é uma inferência dedutiva , e foi criado por Aristóteles.
Na inteligência artificial, sua importância refere-se quanto a forma de tomar
decisões, baseada em informações recebidas.

6. Porque há uma tendência de forçar a IA em agentes inteligentes ?

A tendência de focar a inteligência artificial no campo dos Agentes Inteligentes
ocorre pela maior autonomia nas ações destes agentes, como também entre suas
características a capacidade de aprendizado. Essa autonomia se vê importante para
se focar atualmente, devido à capacidade do sistema de poder executar tarefas sem
um comando intermediário em suas ações por parte de um usuário, pois o próprio
sistema controlará suas ações e de seu estado interno.

7. O que é um agente inteligente ?

O agente inteligente, é definido como uma entidade computacional que funciona de
forma contínua e autônoma em um ambiente restrito, informalmente um agente é alguém
ou alguma coisa que atua como um procurador com propósito específico de realizar
ações que podem ser entendidas como benéficas dentro do contexto onde ele atua.

8. Qual a diferença de percepção e sequencia de percepção ?

Percepção é um termo utilizado para fazer referência às entradas perceptivas do
agente em qualquer momento dado. A sequência de percepção é a história completa de
tudo o que o agente já percebeu.

9. Qual a diferença de função agente e programa agente ?

A função agente especifica a ação executada pelo agente em resposta a qualquer
sequencia de percepções, já o programa agente implementa essa função.
R2: A função agente é uma descrição matemática abstrata; o programa de agente é uma
implementação concreta, relacionada à arquitetura do agente.

10. Qual a diferença de um agente inteligente e um agente racional ?

Racional:
Para cada sequencia de percepção possível, o agente racional deve selecionar uma
ação que é esperada para maximizar sua medida de performance, dada a evidencia
provida pela sequencia de percepção e qualquer conhecimento que o agente tenha
desde sua construção.
Inteligente:
É uma entidade autônoma que percebe por sensores e age por atuadores em um
determinado ambiente e direciona suas atividades para atingir um objetivo. O agente
inteligente pode também aprender e usar os conhecimentos adquiridos para alcançar
seus objetivos.

11. Para o agente inteligente explique os conceitos de:

a) Omnisciência;
Um agente onisciente sabe o resultado das suas ações e pode agir de acordo com
esses resultados; mas a onisciência é impossível na realidade.
b) Aprendizagem;
O Agente pode ter algum conhecimento anterior ou ganhar
experiência para ampliar este conhecimento.

c) Autonomia.
Um agente é autônomo se seu comportamento é determinado
por sua própria experiência, seu próprio conhecimento.

12. Com relação aos ambientes explique as diferenças:

a) Totalmente x Parcialmente observável;
Totalmente observável: É quando os sensores conseguem observar a totalidade do
ambiente que são relevantes para a escolha da ação.
Parcialmente observável: É quando os sensores lhe fornecem sentido parcial do
ambiente

b) Multiagente x Monoagente;
Monoagente: É quando se tem somente um agente. Ex.: Aspirador de pó
Multiagente: É quando se tem vários agentes. Ex.? Jogo de futebol de robôs

c) Determinístico x Estocástico;
Se o próximo estado do ambiente é completamente determinado pelo estado atual e
pela ação executada pelo agente, dizemos que o ambiente é determinístico; caso
contrário, ele é estocástico.
Processos estocásticos são aqueles que têm origem em eventos aleatórios. Por
exemplo, o lançar de dados resulta num processo estocástico, pois qualquer uma das
6 faces do dado tem iguais probabilidades de ficar para cima após o seu arremesso.
Processos determinísticos são aqueles que não possuem componente probabilístico, a
saída é determinada de forma direta, uma vez que uma série de entradas e relações
no modelo foi especificada.

d) Episódico x Sequencial;
Em um ambiente de tarefa episódico, a experiência do agente é dividida em episódios
atômicos. Cada episódio consiste na percepção do agente, e depois na execução de
uma única ação. É crucial que o episódio seguinte não dependa das ações executadas
em episódios anteriores. Exemplo um agente localiza peças defeituosas em uma linha
de montagem.
Por outro lado, em ambientes sequenciais, a decisão atual poderia afetar todas as
decisões futuras. Exemplo um agente que joga Xadrez.

e) Estático x Dinâmico;
Se o ambiente pode mudar enquanto o agente está deliberando, podemos dizer que ele
é dinâmico, senão, é estático.Se o ambiente não muda com a passagem do tempo mas a
performance do agente sim, então dizemos que ele é semi-dinâmico.
f) Discreto x Contínuo;
Um ambiente discreto, como o jogo de xadrez, tem um conjunto finito de estados,
além de um discreto(finito) conjunto de percepções e ações. Dirigir um táxi é um
problema de estados, ações e tempo contínuos.
g) Conhecido x Desconhecido.
Conhecido: o que é inato
Desconhecido: o que não se conhece

13. Explique a equação:

agente = arquitetura + programa

A arquitetura faz as percepções a partir dos sensores disponibilizando-os ao
programa. O programa executa e alimenta os ativadores com as ações selecionadas.

14. Explique o funcionamento dos seguintes agentes:

a) Agente reflexivo simples;
Este tipo de agente é caracterizado pela relação entre a condição e a ação, ou
seja, dada uma condição, o agente age de forma previamente estabelecida, por este
motivo é o mais simples dos agentes. Para a funcionalidade deste agente o ambiente
deve ser totalmente observável, pois só funciona se uma decisão correta puder ser
tomada baseada na percepção corrente.
Este tipo de agente é aplicável em casos em que a decisão correta pode ser tomada
baseada apenas na percepção atual.

b) Agente reflexivo baseado em modelos;

Este tipo de agente é caracterizado por manter um estado interno que depende do
histórico de percepções e portanto reflete ao menos parte do ambiente não mais
observável, ou seja o agente rastreia o ambiente que ele não consegue observar no
momento.
Este agente deve manter um estado interno que depende do atualizar a informação,
porém são necessárias dois tipos de informações:
Como o ambiente evoluí independete do agente
Como as ações do agente afetam o mundo.
Esse conhecimento de “como o mundo funcional” é chamado de modelo do mundo em um
agente que usa esse modelo é chamado de agente baseado em modelo.

c) Agente baseado em objetivos;

O agente que funciona orientado a objetivos é mais flexível agente reflexo  ações
pré-compiladas (condição-ação) agente p/ objetivo pode alterar somente o objetivo
sem necessidade de se reescrever as regras de comportamento mais flexível –
representação do conhecimento permite modificações Ex: Se começar a chover todas
as informações relevantes podem ser alteradas para se operar de forma eficiente.O
objetivo não garante o melhor comportamento para o agente, apenas a distinção entre
estados objetivos e não objetivos Ex: Algumas alternativas de planejamento de ações
futuras. Podem ser mais rápidas, seguras ou baratas que outras.

d) Agente baseado em utilidade;

Se um estado do mundo é mais desejável que outro, então ele terá maior utilidade
para o agente é uma função que mapeia um estado para um número real que representa
o grau de satisfação com este estado . Especificação completa da função de
utilidade – decisões racionais em dois tipos de casos: Quando existem objetivos
conflitantes (velocidade x segurança) a função de utilidade especifica o
compromisso apropriado Quando existem vários objetivos que se deseja alcançar e
nenhum deles pode ser atingido com certeza – ponderar a importância dos objetivos.

e) Agente que aprendem.

Em agentes sem aprendizagem tudo o que o agente sabe foi colocado nele pelo
projetista Turing propõe construir máquinas com aprendizagem e depois ensiná-las
aprendizagem também permite ao agente atuar em ambientes totalmente desconhecidos e
se tornar mais competente do que o sue conhecimento inicial poderia permitir Quatro
componentes conceituais de uma agente com aprendizagem: Elemento de aprendizado,
Crítico, Elementos de desempenho, Gerador de problemas.Elemento de aprendizado:
Responsável pela execução dos aperfeiçoamentos Utiliza realimentação do crítico
sobre como o agente está funcionando Determina de que maneira o elemento de
desempenho deve ser modificado para funcionar melhor no futuro. Informa ao elemento
de aprendizado como o agente está se comportando em relação a um padrão fixo de
desempenho e necessário porque as percepções não fornecem nenhuma indicação de
sucesso agente não deverá modificá-lo.