SóProvas

Questões de Inteligencia Artificial

ID
144955
Banca
CESPE / CEBRASPE
Órgão
INMETRO
Ano
2009
Provas
Disciplina
Engenharia de Software
Assuntos

Quanto aos tópicos avançados em tecnologia da informação, julgue os itens a seguir.

Em inteligência computacional, pode-se adotar dois paradigmas de modelagem, o conexionista e o simbólico. Redes neurais e algoritmos genéticos estão mais associados ao primeiro, enquanto o uso de linguagens como Prolog e Lisp está relacionado ao segundo.

Alternativas
Comentários
  •  Segundo a maioria dos autores AG (Algoritmo genético) é evolucionário, e não conexionista. Esta questão caberia recurso.
  • Exato. Algoritmo genético é evolucionista.

  • Lisp é uma linguagem do paradigma funcional, não é simbólica. Assembly é simbólica.

    Prolog é uma linguagem de programação totalmente baseada em lógica de primeira ordem.

  • nao faço ideia

  • Gab. ERRADO

    (Para não assinantes)

    SONHAR, ESTUDAR, PERTENCER!

  • Respondi essa questão apenas pela lógica. Veja:

    Assertiva: Em inteligência computacional, pode-se adotar dois paradigmas de modelagem, o conexionista e o simbólico. Redes neurais e algoritmos genéticos estão mais associados ao primeiro, enquanto o uso de linguagens como Prolog e Lisp está relacionado ao segundo.

    Percebam que a questão afirma que redes neurais e algoritmos genéticos estão ligados ao conexionista, quando na verdade, intuitivamente, redes e algoritmos estão associados a símbolo.

    Pensei assim e acertei!

    "Seja você quem for, seja qual for a posição social que você tenha na vida, a mais alta ou a mais baixa, tenha sempre como meta muita força, muita determinação e sempre faça tudo com muito amor e com muita fé em Deus, que um dia você chega lá. De alguma maneira você chega lá".

  • Os termos “algoritmos genéticos” e “redes neurais” dão a ideia de técnicas que visam alcançar um comportamento que se assemelha aos genes e neurônios humanos.

  • Questão pra desenvolvedor de sistema, Vou esquentar a cabeça aqui não

  • O LISP foi a primeira linguagem usada para IA. Foi lançada em 1958 pelo próprio John McCarthy. É usada até hoje e apareceram sistemas mais modernos como o Allegro Common Lisp (v. 10.1) e o CLOS (Common Lisp Object System). 

    O Prolog foi criado à lançada no inicio dos anos 70, à partir do trabalho de Alain Colmerauer em cooperação com Robert Kowalski. Embora seja uma linguagem que traduz fielmente os objetivos da IA clássica (deep knowledge) o Prolog tem sido usado na prática mas não ocupa hoje os primeiros postos entre as linguagens mais difundidas e usadas no mercado. O termo significa “Programação Lógica”, e tem como objetivo facilitar a representação do conhecimento, desde o formato mais simples e especialmente a programação de processos de inferência. 

    fonte: Escola politécnica da USP

  • A IA simbólica está relacionada com a forma que o ser humano raciocina e foi popularizada com o surgimento dos  e principalmente pela influência da linguagem Prolog.

    Por outro lado, a IA conexionista é baseada na simulação dos componentes do cérebro (modelagem da inteligência humana) e o principal exemplo são as redes neurais.

    Há ainda mais duas classificações:

    A IA evolucionista, a qual é um método probabilístico de busca para resolução de problemas (otimização) “inspirado” na teoria da evolução. Como exemplo ten-se os algoritmos genéticos.

    E por fim, a IA estatística (ou probabilística) que utiliza a teoria da probabilidade e a teoria da utilidade, compondo a teoria da decisão, como base para raciocinar num mundo com incertezas (de crenças, percepções, ações, etc). Redes bayesianas e sistemas nebulosos (fuzzy systems) são os exemplos mais notáveis.

    Percebam que a assertiva torna-se errada ao classificar algoritmos genéticos como IA conexionista. Na verdade os algoritmos genéticos fazem parte do ramo evolucionista de pesquisa da IA.

    Fonte: https://iaexpert.academy/2017/03/23/ia-simbolica-x-ia-conexionista/, adaptado.

    https://edisciplinas.usp.br/pluginfile.php/697605/mod_resource/content/2/5869_Aula1-16_Introducao4pp.pdf

ID
1339960
Banca
PR-4 UFRJ
Órgão
UFRJ
Ano
2012
Provas
Disciplina
Engenharia de Software
Assuntos

Affordance é um conceito básico ligado ao estudo das interações humano-computador e suas interfaces. Affordance é um conceito originado na:

Alternativas
Comentários
  • Está ligado a usabilidade! --> e-pwg

  • b)psicologia

    O conceito foi criado por James Gibson e significa "possibilidades de ação" sobre um objeto. Esta conectado ao conceito de modelos mentais porque depende dos usos previstos pelo usuário alvo do sistema/objeto. Modelos mentais é o processo de reconhecimento do mundo exterior e como interagir com ele

  • B) correta.

    Conceito criado originalmente pelo psicólogo J. J. Gibson e posteriormente adaptado para o mundo de Design por Don Norman, Affordance é uma relação entre um objeto e uma pessoa (no caso, um agente que interage com esse objeto). É o relacionamento entre as propriedades do objeto e as capacidades do agente de determinar intuitivamente, ou baseado em experiências anteriores, como o objeto pode ser usado, sem necessidade de explicações, rótulos ou instruções.

    Fonte: https://brasil.uxdesign.cc/affordance-o-%C3%B3bvio-do-%C3%B3bvio-e91761f4403b

  • Quem procura e pesquisa acha.

    Affordance; O exemplo mais clássico de Affordance é uma porta com maçaneta. Quando olhamos para essa porta, a única interação que parece possível é a de mexer na maçaneta. Essa pode não ser a única ação possível, mas é sua Affordance mais forte.

    A LUTA CONTINUA.

ID
1924654
Banca
Marinha
Órgão
Quadro Complementar
Ano
2012
Provas
Disciplina
Engenharia de Software
Assuntos

Em redes neurais, como é denominado o algoritmo cuja função é modificar os pesos sinápticos da rede de uma forma ordenada para alcançar um objetivo de projeto desejado?

Alternativas
Comentários

  • O gabarito é a letra C.

     

    Algoritmo de Aprendizagem: conjunto de regras bem definidas para a solução de um problema de aprendizado. Existem muitos tipos de algoritmos de aprendizagem específicos para determinados modelos de redes neurais, que diferem entre si principalmente pelo modo como os pesos são modificados.

ID
2471149
Banca
Quadrix
Órgão
CFO-DF
Ano
2017
Provas
Disciplina
Engenharia de Software
Assuntos

Julgue o item que se segue acerca de engenharia de software e inteligência computacional. 

 Inteligência computacional é um conjunto de métodos e(ou) técnicas que procura desenvolver sistemas dotados de comportamento semelhante a certos aspectos do comportamento inteligente.

Alternativas
Comentários

  • Inteligência computacional é o estudo do desenho de agentes inteligentes. Um agente é algo que age em um ambiente, "faz algo". Um agente inteligente é um sistema que age de forma inteligente.

    Inteligência computacional consiste de conceitos, paradigmas, e algoritmos e implementações de sistemas que em teoria exibem comportamentos inteligentes em ambientes complexos. Inteligência computacional é suportada fortemente por sub-simbólicos, predominantemente análogos de sistema naturais ou ao menos inspirados pela natureza. Estes métodos possuem a vantagem de que são tolerantes a conhecimento incompleto, impreciso, e incerto e sendo assim facilitando o encontro de soluções que são aproximações, viáveis e robustas ao mesmo tempo.

    Fonte: https://pt.m.wikipedia.org/wiki/Inteligência_computacional

  • (C)

    Inteligência Artificial(A.I):É um campo das ciências da computação, no qual máquinas realizam tarefas como aprender e raciocinar, assim como a mente humana.

    Outras que ajudam a responder:

    (PF-18) Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina.(C)

    São exemplos de técnicas de inteligência computacional os algoritmos genéticos, as redes neurais e a lógica nebulosa (fuzzy).(C)

  • Definição simples e correta.

  • PF 2021 !!

  • Gab. "CERTO"

    Inteligência Artificial (AI): Avanço tecnológico que permite que os sistemas simulem uma inteligência similar à humana – indo além da programação de ordens específicas para tomar decisões de forma autônoma, baseadas em padrões de enormes bancos de dados.

    à tomada de decisões

                   *machine learning (a máquina aprende por conta própria) – facebook, Netflix, tinder

                   *deep learning (redes neurais) (aprofundado) – identificação, reconhecimento facial

                   *PLN (processamento de linguagem natural) – análise de sentimentos

ID
2471152
Banca
Quadrix
Órgão
CFO-DF
Ano
2017
Provas
Disciplina
Engenharia de Software
Assuntos

Julgue o item que se segue acerca de engenharia de software e inteligência computacional. 

São exemplos de técnicas de inteligência computacional os algoritmos genéticos, as redes neurais e a lógica nebulosa (fuzzy). 

Alternativas
Comentários

  • A Lógica Fuzzy é baseada na teoria dos conjuntos fuzzy. Tradicionalmente, uma proposição lógica tem dois extremos: ou é completamente verdadeiro ou é completamente falso. Entretanto, na lógica Fuzzy, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou parcialmente falsa.

    Questão: Certa

  • Vamos responder esta questão usando um pouco de raciocínio e lógica.

    Os termos “algoritmos genéticos” e “redes neurais” dão a ideia de técnicas que visam alcançar um comportamento que se assemelha aos genes e neurônios humanos.

    A lógica nebulosa, ou lógica quântica, diz que um bit – uma informação – não necessariamente pode ser guardado nos formatos 0 ou 1. Isto é algo que, para quem já estudou bits computacionais, parece ser confuso de entender. Não iremos nos aprofundar nesta parte, mas saiba que isso, de fato, existe.

    Item correto.

  • Inteligência Artificial(A.I):É um campo das ciências da computação, no qual máquinas realizam tarefas como aprender e raciocinar, assim como a mente humana.

    Outras que ajudam a responder:

    (PF-18) Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina.(C)

  • A lógica difusa ou lógica fuzzy é a forma de lógica multivalorada, na qual os valores de verdade das variáveis podem ser qualquer número real entre 0 (correspondente ao valor falso) e 1 (correspondente ao valor verdadeiro), diferentemente do que se verifica na lógica booliana (também chamada, às vezes, lógica nítida), segundo a qual os valores lógicos podem ser apenas 0 ou 1.

    A lógica difusa foi estendida para lidar com o conceito de verdade parcial, em que o valor verdade se situa entre o completamente verdadeiro e o completamente falso. Além disso, quando variáveis linguísticas são usadas, esses graus podem ser manipulados por funções especificas.

     

    Fonte: https://pt.wikipedia.org/wiki/L%C3%B3gica_difusa#:~:text=A%20l%C3%B3gica%20difusa%20ou%20l%C3%B3gica,%C3%A0s%20vezes%2C%20l%C3%B3gica%20n%C3%ADtida)%2C

  • Caramba!

    Só aprendi sobre nebulosas quando estudava ciências no Ensino Fundamental. A vida está ficando cada vez mais complicada. Rsrs

ID
2909500
Banca
FGV
Órgão
Prefeitura de Niterói - RJ
Ano
2018
Provas
Disciplina
Engenharia de Software
Assuntos

No contexto das redes neurais, é comum o uso da função sigmoid no papel de função de ativação. Assinale a definição correta dessa função na referida aplicação.

Alternativas
Comentários

  • Realmente a questão corresponde a f(z) = 1/(1 + e^(-z)).

    Assista ao vídeo:

  • Função Sigmoid

    f (x) = 1 / (1 + e ^ -x)

    Esta é uma função suave e é continuamente diferenciável. A maior vantagem sobre a função de etapa e a função linear é que não é linear. Esta é uma característica incrivelmente interessante da função sigmóide. Isto significa essencialmente que quando eu tenho vários neurônios com função sigmóide como função de ativação – a saída também não é linear. A função varia de 0 a 1 tendo um formato S.

    Fonte: deeplearningbook

  • Chutei....e acertei hehe

  • Questão completamente decoreba. A função sigmoide é uma das funções de ativação que podem ser utilizadas nas redes neurais artificiais para se calcular a saída de cada nó. Ela tem um gráfico em forma de S e pode assumir qualquer valor entre 0 e 1. A sua fórmula é aquela presente na letra E.

    Note que na nossa explicação às vezes utilizamos f(v) ou f(x), enquanto o examinador adotou f(z). Como essa letra só representa a variável que alimentamos à função, isso não afeta o resultado da função de forma alguma. Poderíamos utilizar qualquer letra ali que a letra E estaria correta do mesmo jeito.

  • Questão completamente decoreba.

    A função sigmoide é uma das funções de ativação que podem ser utilizadas nas redes neurais artificiais para se calcular a saída de cada nó.

    Ela tem um gráfico em forma de S e pode assumir qualquer valor entre 0 e 1.

    A sua fórmula é aquela presente na letra E.

    Pode ser utilizado f(v) ou f(x), mas o examinador adotou f(z).

    Como essa letra só representa a variável que alimentamos à função, isso não afeta o resultado da função de forma alguma. Poderíamos utilizar qualquer letra ali que a letra E estaria correta do mesmo jeito.

  • A questão não é tão decoreba pra quem entende a finalidade da função de ativação..

    Sabendo que quanto mais negativo for o número de entrada, mais próximo de zero será o número de saída (mesma lógica para positivo -> próx de 1), é só ver qual fórmula obedece a essa regra

    Na primeira vez que resolvi a questão, nem tive coragem de tentar realmente resolver, mas com o tempo vamos pegando a lógica da coisa kkk

ID
3189325
Banca
IF-MT
Órgão
IF-MT
Ano
2019
Provas
Disciplina
Engenharia de Software
Assuntos

A ISO 9241 - Ergonomia da Interação Humano-Computador, no seu título geral com o mesmo nome, dividese em diversas partes. Dentre estas partes, temos as relacionadas a seguir, COM EXCEÇÃO DE:

Alternativas
Comentários

  • kkkk alguém pra ajudar?

  • Isso não vai cair na PRF NÉ? não é possível.

  • eu não sei nem errar esta questão. rss

  • Ergonomia da Interação Humano-Computador, no seu título geral com o mesmo nome, divide-se em diversas partes. Entre elas podemos citar as que eu não sei.

  • A interação entre humanos e máquinas acontece através da interface do utilizador, formada por software e hardware. ... Ela é utilizada, por exemplo, para algumas manipulações de periféricos de computadores e grandes máquinas como aviões e usinas hidrelétricas.

    Ou seja: "desenvolvimento de sistemas interativos". Para uma relação entre Homem x Maquina.

  • Bizu feroz: DEIXE EM BRANCO. KKKKK

  • Errou? se sim, fique feliz foi aqui e não na prova; Ahhhh Informática é uma matéria infinita! lógico você não estudou ela toda, breve ela acabará tenha fé e força de vontade para responder as questões e revisar! E quem seria você p falar isso?um mero concurseiro em busca da aprovação como vocês(confesso que era um bost@ nessa disciplina, porém de tanto responder questões as coisas estão andando).

    Meu Complemento aos Qcolegas.

    Ergonomia pode ser definida como a ciência que estuda a adequação do trabalho às características do ser humano, de modo a conferir efetividade nas atividades laborais e de lazer desenvolvidas pelo homem, preservando a sua saúde física e mental e dando-lhe satisfação ao executá-las. A Educação a Distância (e-learning), para atingir o seu objetivo maior, ou seja, que o aluno aprenda, depende da qualidade dos Ambientes Virtuais de Aprendizagem (AVA) adotados nos cursos a distância, quer na dimensão da funcionalidade do software, como na qualidade das interfaces, através das quais o aprendiz interagirá com o conhecimento, com o professor, com os colegas e com as demais funcionalidades do AVA.

    Fonte: http://www.uece.br/endipe2014/ebooks/livro4/23.%20ERGONOMIA%20DAS%20INTERFACES%20HUMANO-COMPUTADOR%20COMO%20PRINC%C3%8DPIO%20DE%20QUALIDADE%20EM%20EaD.pdf

    A LUTA CONTINUA.

  • galera de TI tá com vergonha de dizer, mas nem quem é da TI tá sabendo kkk

ID
5474632
Banca
CESGRANRIO
Órgão
Banco do Brasil
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

Ao tentar resolver um problema de aprendizado de máquina que separava um evento entre duas classes, um desenvolvedor encontrou uma acurácia de exatamente 90%.

Analisando a matriz de confusão, o desenvolvedor constatou que os verdadeiros positivos eram 14169, que os verdadeiros negativos eram 15360, os falsos positivos eram 1501, e os falsos negativos eram

Alternativas
Comentários

  • Para resolvermos o item, basta utilizarmos a matriz de confusão e a definição de acurácia. A acurácia é razão entre a quantidade de observações corretamente classificadas e o total. Assim, podemos defini-la como:

    Acuracia = TP + TN / TP + TN + FP + FN

    Em que TP e TN são os verdadeiros positivos e negativos, e FP e FN são os falsos positivos e negativos. Assim, para calcular os falsos negativos, basta substituir os valores na fórmula e ir resolvendo a equação:

    0.9 = 14169 + 15360 / 14169 + 15360 + 1501 + FN

    0.9 = 29529 / 31030 + FN

    0.9 * (31030 + FN) = 29529

    27927 + 0.9FN = 29529

    0.9FN = 1602

    FN = 1602/0.9

    FN = 1780

  • Para resolvermos o item, basta utilizarmos a matriz de confusão e a definição de acurácia.

    A acurácia é razão entre a quantidade de observações corretamente classificadas e o total.

    Acuracia = TP + TN / TP + TN + FP + FN

    TP = true positives

    TN = True negatives

    FP = False positives

    FN = False Negatives

    Assim, para calcular os falsos negativos, basta substituir os valores na fórmula e ir resolvendo a equação:

    0.9 -> questão fornece

    0.9 = 14169 + 15360 / 14169 + 15360 + 1501 + FN

    0.9 = 29529 / 31030 + FN

    0.9 * (31030 + FN) = 29529

    27927 + 0.9FN = 29529

    0.9FN = 1602

    FN = 1602/0.9

    FN = 1780

  • 14169 + 15360 = 90%

    1501 + FN = 10%

    é só calcular os 10% e subtrair 1501.

ID
5493733
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-CE
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A respeito de inteligência artificial, julgue o item seguinte. 

A classificação Naive Bayes parte da suposição de que as variáveis envolvidas em machine learning são independentes entre si. 

Alternativas
Comentários

  • Gabarito: CERTO

    O padrão Naive Bayes é um dos padrões de classificação utilizados para Machine Learning. A classificação é, basicamente, um método de aprendizagem supervisionada. Baseado nos atributos, a classificação atribui um rótulo a uma amostra de dados.

    O método Naive Bayes parte do pressuposto que todos os dados envolvidos são independentes entre si. Isso traz como benefício a capacidade de ser aplicado a pequenas amostras. O ponto negativo vem do fato de nunca conseguir capturar interações entre os dados envolvidos.

    Portanto, o item é correto ao afirmar que a classificação Naive Bayes parte da suposição de que as variáveis envolvidas em machine learning são independentes entre si.

    Fonte: Harrison, Matt. Machine Learning - Guia de Referência Rápida.

  • Essa é a principal característica do Naive Bayes. Essa suposição de que as variáveis são independentes entre si é o que permite ao modelo ser simples e ter ótimo desempenho, mas em contrapartida traz algumas outras limitações, como o fato de que o Naive Bayes deixa de capturar as relações entre as variáveis.

  • Essa é a principal característica do Naive Bayes. Essa suposição de que as variáveis são independentes entre si é o que permite ao modelo ser simples e ter ótimo desempenho, mas em contrapartida traz algumas outras limitações, como o fato de que o Naive Bayes deixa de capturar as relações entre as variáveis.

ID
5493736
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-CE
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A respeito de inteligência artificial, julgue o item seguinte. 

Uma das vantagens da técnica de árvore de decisão para regressão é evitar a propagação de erros, mesmo que uma divisão ocorra indevidamente. 

Alternativas
Comentários

  • A respeito de inteligência artificial, julgue o item seguinte.

     

    Uma das vantagens da técnica de árvore de decisão para regressão é evitar a propagação de erros, mesmo que uma divisão ocorra indevidamente.

     

    Uma árvore de decisão é, de forma resumida, um mapa em que serão apresentados os possíveis resultados de uma série de escolhas relacionadas. 

     

    Em uma árvore de decisões temos uma dependência muito forte dos dados utilizados no treinamento. E devido a essa dependência qualquer mudança, por mínima que seja, pode modificar toda a estrutura da árvore.

     

    A vantagem de utilizar uma árvore de decisão está no fato de podermos utilizar dados não numéricos e pouca preparação dos dados.

     

    Seguindo um pouco mais, uma árvore de decisão pode ser utilizada tanto para classificação quando para regressão. No primeiro caso, é atribuído um rótulo a uma amostra com base em seus atributos. Já no segundo caso, a tentativa é de prever um valor contínuo.

     

    Independentemente de ser escolhida uma árvore para classificação ou para regrassão não é possível evitar os erros, a ideia é ter o mínimo de erros possíveis, agora evitar é praticamente impossível. 

     

    O fato de ter ocorrido uma divisão indevida se dá pelo de alguma forma entrar algum valor na árvore.

     

    O item é, portanto, incorreto.

     

    Gabarito: Errado

    Referência: Harrison, Matt. Machine Learning - Guia de Referência Rápida

    Professor Heitor Pasti - tec concursos

  • As divisões das observações nas várias classes em uma árvore de decisão ocorre se percorrendo a árvore de cima para baixo. Primeiro fazemos a “pergunta” em relação ao valor da variável presente na raiz e seguimos pelo ramo correspondente. Assim, vamos percorrendo as demais divisões da árvore de acordo com os valores de cada variável, até chegarmos a uma folha.

    Se uma dessas divisões é imprecisa, não temos como voltar atrás, então o erro é propagado para os passos seguintes e a classificação certamente será incorreta. Logo, não se evita a propagação, e essa não é uma vantagem das árvores de decisão, mas sim uma desvantagem!

  • As divisões das observações nas várias classes em uma árvore de decisão ocorre se percorrendo a árvore de cima para baixo. Primeiro fazemos a “pergunta” em relação ao valor da variável presente na raiz e seguimos pelo ramo correspondente. Assim, vamos percorrendo as demais divisões da árvore de acordo com os valores de cada variável, até chegarmos a uma folha.

    Se uma dessas divisões é imprecisa, não temos como voltar atrás, então o erro é propagado para os passos seguintes e a classificação certamente será incorreta. Logo, não se evita a propagação, e essa não é uma vantagem das árvores de decisão, mas sim uma desvantagem!

  • apenas o resumo copiado do colega acima.

    Independentemente de ser escolhida uma árvore para classificação ou para regrassão não é possível evitar os erros, a ideia é ter o mínimo de erros possíveis, agora evitar é praticamente impossível. 

  • Depois dessa aula do arthur só lembrei daquele joguinho akinator para exemplificar a analise preditiva. Quem já não encontrou uma situação que o akinator começa bater a cabeça e insistir em uma certa resposta? Era o overfitting, o genio aprendeu tanto a responder uma pergunta que não quer dar o braço a torcer.

  • Como o Akinator funciona?

    O Akinator funciona através de um algoritmo muito bem estruturado que conta com um banco de dados formado a partir de perguntas de eliminação, que nada mais são que as famosas probabilidades. Assim, conforme o jogador vai respondendo às questões do gênio, possibilidades são eliminadas até que reste apenas uma.

    Existem diversas teorias a respeito da funcionalidade do Akinator, mas uma em especial chama bastante atenção: ela é baseada uma técnica chamada de "Árvore da Decisão", um recurso que classifica um objeto com base em respostas a várias perguntas objetivas.

    Fonte: Yahoo

ID
5493739
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-CE
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A respeito de inteligência artificial, julgue o item seguinte. 

Cada unidade de uma rede neural artificial possui um valor e um peso, no seu nível mais básico, para indicar sua importância relativa.  

Alternativas
Comentários

  • A camada de entrada deve possuir uma unidade especial conhecida como bias, usada para aumentar os graus de liberdade, permitindo uma melhor adaptação, por parte da rede neural, ao conhecimento a ela fornecido.

    Fonte: wikipedia

    GAB: Certo.

    Foco!

  • Cada nó de uma rede neural possui um valor (o viés) e um peso em cada uma de suas conexões. Esse peso indica a importância da conexão, pois um peso maior irá fazer com que essa conexão influencie mais fortemente processamento da saída do nó.

    Particularmente, entendo que, como os pesos estão associados a conexões, e cada nó tem múltiplas conexões, o examinador poderia ter deixado mais claro que um nó tem vários pesos associados (um para cada conexão). No entanto, o item provavelmente foi extraído diretamente de algum artigo ou livro, que possuía um contexto maior com uma explicação mais detalhada, por isso foi considerado correto mesmo assim.

  • Cada nó de uma rede neural possui um valor (o viés) e um peso em cada uma de suas conexões.

    Esse peso indica a importância da conexão, pois um peso maior irá fazer com que essa conexão influencie mais fortemente processamento da saída do nó.

    Particularmente, entendo que, como os pesos estão associados a conexões, e cada nó tem múltiplas conexões, o examinador poderia ter deixado mais claro que um nó tem vários pesos associados (um para cada conexão). No entanto, o item provavelmente foi extraído diretamente de algum artigo ou livro, que possuía um contexto maior com uma explicação mais detalhada, por isso foi considerado correto mesmo assim.

ID
5493742
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-CE
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A respeito de inteligência artificial, julgue o item seguinte. 

Redes neurais do tipo LSTM (long short-term memory) mantêm o nível de precisão independentemente do tamanho do modelo utilizado.

Alternativas
Comentários

  • A precisão do modelo depende do tamanho do batch_size.

    GAB: Errado.

    Foco!

  • Desculpe discordar do Bruno Aprigio, mas o nível de precisão de uma rede neral tem mais a ver com a profundidade do modelo ou o número de neurônios do que do batch_size.

    O batch_size é o tamanho dos dados de treinamento utilizados em uma iteração. Imagina se tivermos 20GB de dados para treinarmos um modelo de rede neural. Então teriamos que ter pelo menos 20GB de memória disponível para alocação e mais o treinamento. Por isso foi criado o batch_size. Para separar esses 20GB em tamanhos menores e em várias iterações.

    Concluindo: a questão está errada pelo fato de que o tamanho do modelo (profundidade da rede neural ou número de neurônios) afeta sim a precisão do resultado nas LSTM e RNN tradicionais.

    Para saber mais sobre o que são as LSTM, recomendo o artigo:

    https://www.deeplearningbook.com.br/arquitetura-de-redes-neurais-long-short-term-memory/

  • Fabio, por ser um assunto novo em concursos e de difícil compreensão, estamos todos nos adaptando.

    Entretanto, seguir seu link é encontrei informações que corroboram para influência do batch_size na precisão dos modelos de redes neurais.

    "O tamanho do lote é um dos hiperparâmetros mais importantes para sintonizar os modernos sistemas de aprendizagem profunda."

    https://www.deeplearningbook.com.br/o-efeito-do-batch-size-no-treinamento-de-redes-neurais-artificiais/

    Creio que estamos analisando termos distintos para mesma questão.

  • Senhores, eu vou na linha do Bruno, com alguns acréscimos. Pois o treinamento variará tanto com um quanto com o outro. O resultado, por sinal, nem sempre melhora porque eu aumentei a profundidade da minha rede. Já fiz diversos testes deste tipo. A maior influência é a quantidade de dados existentes, principalmente aqueles com comportamento das quais alterações geram alterações na variável que desejamos encontrar. Além disso, acho que um ponto que influencia muito, é o tratamento dos dados. Fazer correlação de Pearson, eliminar dados desnecessários... e concordo plenamente com o Bruno, o Batch_Size tem grande influência com o resultado e vc sem querer até corroborou, quando falou da quebra dos dados porque o treinamento pleno requer muita memória e muito tempo, mas a certeza é que este treinamento mais demorado gerará sim um resultado melhor.

    Por sinal, para resumir, já fiz diversos modelos em que eu queria comparar se o aumento de neurônios ou profundidade da rede me geraria um resultado melhor mantendo o mesmo batch_size, até comprei um computador com uma placa de vídeo boa para rodar via CUDAS e GPUs com intuito de encontrar uma relação direta. Não existe, nem sempre aumentar neurônios e profundidade da rede implica em melhoria nos resultados, em alguns casos minha rede até gerou resultados piores comparados com os dados de treinamento e teste.

  • Gente, eu só quero ser puliça, e não cientista em robótica.

ID
5493745
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-CE
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A respeito de inteligência artificial, julgue o item seguinte. 

Um dos desafios do processamento de linguagem natural (PLN) é a polissemia, ou seja, a característica de palavras e frases poderem ter mais de um significado. 

Alternativas
Comentários
  • Polissemia seria uma palavra com vários significados. Se muitas pessoas aprendendo um idioma se perde nisso, imagine uma IA. Gringo aprendendo Português muitas vezes não entendi isso: Fulana ganhou uma bolada - ganhou R$ Fulana estava bolada - brava Googada: Uma palavra polissêmica é uma palavra que reúne vários significados. A palavra "vela" é um dos exemplos de polissemia. Ela pode significar a vela de um barco; a vela feita de cera que serve para iluminar ou pode ser a conjugação do verbo velar, que significa estar vigilante. Gabarito: C

  • A polissemia pode ser um desafio no PLN, já que uma palavra que tem mais de um significado pode não ser classificada corretamente, caso o algoritmo não seja capaz de capturar essa mudança de significado devido ao seu contexto.

    Imagine que você tem um programa de classificação de estabelecimentos em uma aplicação de mapas, como o Google Maps, que classifica os estabelecimentos em “restaurante”, “farmácia”, “loja de utensílios” etc. com base nas avaliações que os usuários escrevem.

    Se aparecer a palavra prato em uma dessas avaliações, por exemplo, ela pode se referir tanto a um prato de comida (refeição), caso em que o estabelecimento poderia ser classificado como um restaurante, quanto a um objeto prato (louça), caso em que o estabelecimento poderia ser classificado como uma loja de utensílios para o lar.

  • A polissemia pode ser um desafio no PLN, já que uma palavra que tem mais de um significado pode não ser classificada corretamente, caso o algoritmo não seja capaz de capturar essa mudança de significado devido ao seu contexto.

    Imagine que você tem um programa de classificação de estabelecimentos em uma aplicação de mapas, como o Google Maps, que classifica os estabelecimentos em “restaurante”, “farmácia”, “loja de utensílios” etc. com base nas avaliações que os usuários escrevem.

    Se aparecer a palavra prato em uma dessas avaliações, por exemplo, ela pode se referir tanto a um prato de comida (refeição), caso em que o estabelecimento poderia ser classificado como um restaurante, quanto a um objeto prato (louça), caso em que o estabelecimento poderia ser classificado como uma loja de utensílios para o lar.

  • Gringarada passa mal ao estudar Português.

    O que mais temos aqui são palavras com Polissemia.

ID
5493748
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-CE
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A respeito de inteligência artificial, julgue o item seguinte. 

Aplicações de reconhecimento de voz fazem a transcrição de um áudio para texto diretamente, sem a necessidade de nenhum modelo intermediário. 

Alternativas
Comentários

  • A respeito de inteligência artificial, julgue o item seguinte.

     

    Aplicações de reconhecimento de voz fazem a transcrição de um áudio para texto diretamente, sem a necessidade de nenhum modelo intermediário.

     

    A troca de informações e a forma com que lidamos como elas são feitas, geralmente, de forma muito rápida e tendemos a achar que isso acontece de forma direta, da ponta de início até o fim sem intermediações.

     

    Geralmente, na maior parte das vezes, há um intermediário, aquele invisível, mas essencial.

     

    Nas aplicações de reconhecimento por voz esse item é essencial, pois os dispositivos não entendem o nosso idioma. Ao receber a informação por voz, um intermediário quebra essa informação em vários bits para que o dispositivo possa entender o que está sendo pedido a ele.

    Após processar esse bits ele faz a conversão em texto de acordo, ou quase, com aquilo que foi pedido. Por vezes, e isso dá uma raiva rsrsrs, falamos uma coisa e o dispositivo entende outra.

     

    Isso se dá pelo fato, de como disse acima, ele não entender o nosso idioma e no processo de conversão entre a voz e o texto, o intermediário tenta imaginar o que foi dito exatamente, por isso o item é incorreto.

     

    Gabarito: Errado

    Fonte: professor Heitor Pasti - tec concursos.

  • Reconhecimento de voz é uma tecnologia que permite a um software captar a fala de uma pessoa e torná-la um texto. Um programa ou aplicativo com essa função registra a fala do usuário e quebra o áudio em partes individuais. Cada uma dessas partes, então, é analisadas por meio de algoritmos para identificar que palavras melhor representam cada som registrado. Então, o áudio é transcrito de forma inteligível ao sistema.

    Os softwares usam Natural Language Processing (NLP), o que significa que eles dividem o áudio em bits, depois os convertem em formato digital e enfim analisam o conteúdo captado. Então, com base nos padrões da fala, os programas criam hipóteses do que o usuário pode estar falando para então transformar essas informações em texto.

    Assistentes virtuais, como a Siri, a Alexa, o Google Assistente e outros, são plataformas que usam bem essa tecnologia.

    Gaba: ERRADO, necessita de modelos intermediários.

    fonte: https://tecnoblog.net/346980/como-funciona-o-reconhecimento-de-voz/

ID
5532475
Banca
FGV
Órgão
TJ-RO
Ano
2021
Provas
Disciplina
Engenharia de Software
Assuntos

A Inteligência Artificial (IA) apoia o desenvolvimento de soluções tecnológicas capazes de realizar atividades similares às capacidades cognitivas humanas. Como exemplo, a plataforma Sinapses, desenvolvida pelo Tribunal de Justiça do Estado de Rondônia (TJRO) e adaptada para uso nacional, gerencia o treinamento supervisionado de modelos de IA.
Em soluções de IA, a tecnologia que possui a capacidade de melhorar o desempenho na realização de alguma tarefa por meio da experiência usando dados de treinamento, podendo ser supervisionado ou não, é o(a):

Alternativas
Comentários

  • Gabarito E

    O aprendizado automático ou a aprendizagem automática ou também aprendizado de máquina ou aprendizagem de máquina é um subcampo da Engenharia e da ciência da computação que evoluiu do estudo de reconhecimento de padrões e da teoria do aprendizado computacional em inteligência artificial. 

    Fonte Wikipédia