Inteligência Artificial

Transcrição

1 Inteligência Artificial Segundo Teste 31 de Janeiro de :00-11:00 A 1.º Enunciado Esta prova é constituída por 3 enunciados separados. Preencha cuidadosamente o nome e número na primeira página de cada um dos enunciados. Enunciados sem identificação não serão corrigidos. Este teste tem a duração de 1h30m. As perguntas de escolha múltipla são facilmente identificadas pelo facto de terem associados a sí um conjunto de respostas possíveis. As perguntas de escolha múltipla com n possibilidades respondidas erradamente são classificadas negativamente com 1/(n-1) da cotação da pergunta. Este enunciado corresponde ao 1.º Enunciado do teste, e todas as as perguntas, com excepção das perguntas 2 e 4 e 5, serão corrigidas apenas na capa deste enunciado. Devem ter na mesa apenas lápis, canetas e identificação. Pode-se utilizar o verso das folhas para rascunho. Boa sorte. Respostas: a. Resposta no local. 2.b. Resposta no local Resposta no local. 5.a. Resposta no local 5.b Resposta no local Nome: Número: 1

2 1.(3.5) Responda às seguintes perguntas de resposta de escolha múltipla. Para cada pergunta, só responda se tiver praticamente a certeza que a resposta está correcta; se tiver dúvidas, é preferível não responder 1)(0.2) Complete a frase escolhendo a alternativa mais adequada: Uma solução para um problema de satisfação de restrições corresponde a uma a) atribuição completa b) atribuição parcial consistente c) atribuição inconsistente d) atribuição completa e consistente 2)(0.3) Uma das vantagem dos problemas de satisfação de restrições:face às procuras tradicionais é: a) usam heurísticas independentes do domínio b) conseguem obter soluções óptimas mesmo sem usar heurísticas admissíveis c) consegue-se criar heurísticas especificas para um domínio particular muito facilmente. d) não existe qualquer vantagem 3) (0.3) Complete a frase escolhendo a alternativa mais adequada: A assumpção do corresponde a assumir que as sentenças atómicas cujo valor de verdade é desconhecido são de facto a) mundo fechado / falsas b) mundo aberto / falsas c) mundo fechado / verdadeiras d) mundo aberto / verdadeiras 4) (0.3) Complete a frase escolhendo a alternativa mais adequada: Uma algoritmo de inferência lógica diz-se quando a) completo / todas as fórmulas inferidas a partir de uma Base de Conhecimento B.C são também consequência lógica de B.C. b) sólido / todas as fórmulas inferidas a partir de uma Base de Conhecimento B.C. são também consequência lógica de B.C. c) sólido / todas as fórmulas que são consequência lógica de B.C podem ser inferidas a partir de B.C. d) completo / pelo menos uma fórmula que é consequência lógica de B.C. pode ser inferida a partir de B.C. 5) (0.3) Complete a frase escolhendo a alternativa mais adequada: Em planeamento com o algoritmo POP, diz-se que uma acção C está em conflito com uma ligação causal A p B quando C tem o efeito p e C pode ocorrer. a) antes de A ou depois de B. b) depois de A e antes de B. c) antes de A. d) depois de A 6) (0.3) Complete a frase escolhendo a alternativa mais adequada: No algoritmo POP, uma solução corresponde a um plano a) consistente e com precondições abertas. b) consistente e sem relações causais. c) sem conflictos nas relações causais, sem ciclos nas relações de ordem e sem precondições abertas. d) sem conflictos nas relações causais, sem ciclos nas relações de ordem e sem acções Nome: Número: 2

3 7) (0.3) Complete a frase escolhendo a alternativa mais adequada: Uma rede bayesiana é a) uma árvore acíclica dirigida. b) uma árvore cíclica dirigida. c) um grafo cíclico não dirigido. d) um grafo acíclico dirigido. 8) (0.3) Complete a frase escolhendo a alternativa mais adequada: Numa rede bayesiana, cada nó Xi tem uma distribuição condicional que quantifica a) P(Pais(Xi) Xi) / o efeito que Xi tem nos seus pais. b) P(Xi Pais(Xi)) / o efeito que os pais de Xi têm em Xi. c) P(Pais(Xi) Xi) / o efeito que os pais de Xi têm em Xi. d) P(Xi Pais(Xi)) / o efeito que Xi tem nos seus pais. 9) (0.3) Complete a frase escolhendo a alternativa mais adequada: No tipo de aprendizagem o agente aprende a) supervisionada/uma função analizando exemplos de entradas e saídas dessa função. b) supervisionada/recebendo castigos ou recompensas pelas suas acções. c) por reforço/sem qualquer informação sobre se o que se está a aprender está correcto ou errado. d) não supervisionada/recebendo castigos ou recompensas pelas suas acções. 10) (0.3) Complete a frase escolhendo a alternativa mais adequada: Uma hipótese h para uma função f, diz-se se a) consistente/está de acordo com f para todos os valores possíveis de f b) generalizar bem/ está de acordo com f para todos os exemplos do conjunto de treino c) consistente/for capaz de predizer correctamente novos exemplos d) generalizar bem/ for capaz de predizer correctamente novos exemplos 11) (0.3) Complete a frase escolhendo a alternativa mais adequada: A de uma linguagem corresponde a) semântica /ao conjunto de regras que indicam que expressões são válidas b) sintaxe/ao significado da linguagem c) pragmática/ ao significado da linguagem d) pragmática/ ao significado da linguagem em função do contexto 12) (0.3) Complete a frase escolhendo a alternativa mais adequada: Sendo α uma sequência de qualquer número de símbolos terminais e não terminais, A e B símbolos não terminais e a um símbolo terminal, as gramáticas têm regras da forma a) livres de contexto / A α b) irregulares / A a B c) regulares / A α d) livres de contexto / A a B Nome: Número: 3

4 2. (2.0). Esta pergunta é sobre o projecto. Considere implementado o tipo jogo usado no projecto da cadeira, com as seguintes operações básicas: cria-jogo: tabuleiro jogo copia-jogo: jogo jogo jogo-tabuleiro: jogo tabuleiro jogo-jogador: jogo inteiro jogo-pontos-jogador1: jogo inteiro jogo-pontos-jogador2: jogo inteiro jogo-historico-jogadas: jogo lista de inteiros jogo-aplica-jogada!: jogo x inteiro {} jogo-terminado-p: jogo lógico Onde as funções com ponto de exclamação! não retornam nada e alteram o jogo recebido. a) (1.0) Implemente a função resultado definida no projecto como: resultado: jogo x inteiro jogo Esta função recebe um jogo, e um inteiro que corresponde ao identificador do fio a remover, e retorna um novo jogo que resulta de fazer a jogada (i.e. remover o fio). Muito importante: esta função não pode alterar o jogo recebido. b) (1.0) Considere agora que para além do tipo jogador, foi também definida a estrutura problema com os seguintes campos: estado-inicial jogador accoes resultado teste-corte-p funcao-avaliacao Imagine agora que o seu colega de grupo implementou a seguinte versão simplificada da função max-value do algoritmo Minimax: (defun max-value (problema estado jogador-max profundidade) (if (funcall (problema-teste-corte-p problema) estado profundidade) (funcall (problema-funcao-avaliacao problema) estado jogador-max) (let ((valor NIL) (melhor-valor (- INF)) (sucessor NIL)) (dolist (accao (funcall (problema-accoes problema) estado)) (setf sucessor (funcall (problema-resultado problema) estado accao)) (setf valor (min-value problema sucessor jogador-max (+ profundidade 1))) (setf melhor-valor (max valor melhor-valor))) melhor-valor))) O algoritmo apresentado não irá funcionar para o jogo Moedas e Fios, pois esta implementação está a assumir que cada jogador joga alternadamente (o que não acontece necessariamente no jogo Moedas e Fios). Indique no código acima a linha de código que está a causar este problema, e altere-o procedimento para que passe a funcionar correctamente para o jogo Moedas e Fios (não é necessário escrever todo o procedimento). Nome: Número: 4

5 3.(1.0) Responda às seguintes quatro questões de escolha múltipla, escolhendo a representação em Lógica de Primeira Ordem mais adequada para cada uma das frases: 1. (0.25) Todos os alunos de Hogwarts são feiticeiros ou cepa tortas a) x aluno(x) frequenta(hogwarts, x) feiticeiro(x) cepa_torta(x) b) x aluno(x) frequenta(hogwarts, x) (feiticeiro(x) cepa_torta(x)) c) x aluno(x) frequenta(hogwarts, x) feiticeiro(x) cepa_torta(x) d) x aluno(x) frequenta(hogwarts, x) feiticeiro(x) cepa_torta(x) e) x (aluno(x) frequenta(hogwarts, x) (feiticeiro(x) cepa_torta(x))) f) x (aluno(x) frequenta(hogwarts, x) (feiticeiro(x) cepa_torta(x))) 2. (0.25) Nenhum cepa torta é feiticeiro a) x cepa_torta(x) feiticeiro(x) b) x cepa_torta(x) feiticeiro(x) c) x cepa_torta(x) feiticeiro(x) d) x (cepa_torta(x) feiticeiro(x)) e) x (cepa_torta(x) feiticeiro(x)) f) x (cepa_torta(x) feiticeiro(x)) 3. (0.25) O Avada Kedavra é um feitiço horrível a) feitiço(avada Kedavra) horrível(avada Kedavra) b) x feitiço(x) horrível(x) c) feitiço(avada Kedavra) horrível(avada Kedavra) d) feitiço(avada Kedavra) horrível(avada Kedavra) e) feitiço(avada Kedavra) horrível(avada Kedavra) f) x (feitiço(x) horrível(avada Kedavra)) 4. (0.25) Nem todos os feiticeiros sabem fazer um Avada Kedavra a) x feiticeiro(x) sabe_fazer(avada Kedavra, x) b) x feiticeiro(x) sabe_fazer(avada Kedavra, x) c) x feiticeiro(x) sabe_fazer(avada Kedavra, x) d) x feiticeiro(x) sabe_fazer(avada Kedavra, x) e) x feiticeiro(x) sabe_fazer(avada Kedavra, x) f) x feiticeiro(x) sabe_fazer(avada Kedavra, x) Nome: Número: 5

6 4. (1.5) Considere a seguinte base do conhecimento: 1. Progenitor(y1,x1) Familiar(x1,y1) 2. Familiar(x2,z2) Progenitor(z2,y2) Familiar(x2,y2) 3. Progenitor(x3,y3) Familiar(x3,y3) 4. Progenitor(António, João) 5. Familiar(Américo,António) Usando inferência regressiva, prove que Américo é familiar de João, apresentando as árvores com as derivações desenvolvidas Nome: Número: 6

7 5 (2.0) Suponha que pretendemos construir um agente aspirador guiado por objectivos no seguinte mundo: C1 C2 C3 Vai ser utilizado um planeador POP para construir planos para este agente atingir os seus objectivos. O agente pode efectuar as seguintes operações: C4 OP(ACTION: VaiPara(x), PRECOND: Em(y), EFFECT: Em(x) Em(y)) OP(ACTION: Aspira(x), PRECOND: Em(x), EFFECT: Limpo(x)) Em que os predicados têm os seguintes significados: Em(x) O agente aspirador encontra-se na casa x. Limpo(x) A casa x encontra-se limpa de sujidade. a) (1.5) Complete o plano apresentado abaixo para que o agente se encontre num mundo completamente limpo, sabendo inicialmente que este se encontra na casa C1, e que as casas C1 e C4 estão sujas. Note que o plano final deve ter todas as variáveis instanciadas. Represente ligações causais com setas duplas e relações de ordem com setas simples. Start Em(C1), Limpo(C2), Limpo(C3) Em(C1) Aspirar(C1) Limpo(C1) Em(C4) Aspirar(C4) Limpo(C4) Limpo(C1), Limpo(C2), Limpo(C3), Limpo(C4) Finish b) (0.5) Suponha agora que queremos criar um agente que em vez de limpar, suja. Para isso terá de ser criado um novo operador Suja(x) que permite ao agente sujar uma casa que esteja limpa. Defina o operador na linguagem ADDL/PDL com as precondições e efeitos adequados. Nome: Número: 7

8 Inteligência Artificial Segundo Teste 31 de Janeiro de :00-11:00 2.º Enunciado Esta prova é constituída por 3 enunciados separados. Preencha cuidadosamente o nome e número na primeira página de cada um dos enunciados. Enunciados sem identificação não serão corrigidos. Este enunciado corresponde ao 2.º Enunciado do teste. Devem ter na mesa apenas lápis, canetas e identificação. Pode-se utilizar o verso das folhas para rascunho. Boa sorte. Cotações Perguntas 6) 7) 6. (4.0) Considere o problema de cripto-aritmética que se segue: D I + L S I I I a) (1.0) Formule este problema como um CSP. b) (1.0) Construa o respectivo grafo de restrições. Nome: Número: 8

9 c) (0.5) Qual o conjunto de variáveis com que se pode iniciar a procura em árvore considerando a heurística do maior grau ( heuristic degree )? d) (1.5) Considerando a procura com retrocesso com o algoritmo de propagação olhar em frente (forward checking), e considerando que no seu conjunto de atribuições tem {D=8, I=1}, descreva os diversos passos do algoritmo até atingir o objectivo. Utilize a heurística dos valores mínimos remanescentes (MRV) para escolher a próxima variável. O valor a atribuir a cada variável deverá ser escolhido por ordem numérica crescente. 7. (1.0) Um médico conhecido lançou uma teoria em que uma criança que predominantemente vira a cabeça para a esquerda quando está deitada de costas, virá a ser canhota. A Isabel predominantemente vira a sua cabeça para a esquerda. Uma vez que 90% da população não é canhota, qual a probabilidade da Isabel não ser canhota, dado que o teste (de acordo com a teoria do médico) é 80% fiável. Nome: Número: 9

10 Inteligência Artificial Segundo Teste 31 de Janeiro de :00-11:00 3.º Enunciado Esta prova é constituída por 3 enunciados separados. Preencha cuidadosamente o nome e número na primeira página de cada um dos enunciados. Enunciados sem identificação não serão corrigidos. Este enunciado corresponde ao 3.º Enunciado do teste. Devem ter na mesa apenas lápis, canetas e identificação. Pode-se utilizar o verso das folhas para rascunho. Boa sorte. Cotações Perguntas 8) 9) 10) 8. (1.5) Considere a rede Bayesiana abaixo. GostaNeve 0.5 FazSki GN FS Bronzeado PernaPartida FS Usando inferência por enumeração com a árvore apresentada, determine a probabilidade de ter a perna partida dado que não gosta de neve P(PP GN). Nome: Número: 10

11 9. (2.5) Qualquer fã de filmes de terror para adolescentes é capaz de acertar nas personagens que vão ser assassinadas ao longo do filme. Observando um conjunto de características das personagens deve ser possível construir uma árvore de decisão que permita prever quem são as personagens que vão ter esse destino.considere a seguinte amostra de dados obtidos de várias personagens de filmes de terror. Personagem Idade Capacidade de gritar Sexo Cor do Cabelo Assassinada histéricamente P1 > 35 Sim Masculino Loiro Não P2 > 35 Não Masculino Loiro Não P3 > 35 Sim Masculino Ruivo Sim P Sim Masculino Castanho/Preto Sim P5 < 18 Sim Feminino Castanho/Preto Sim P6 < 18 Não Feminino Castanho/Preto Não P7 < 18 Não Feminino Ruivo Sim P Sim Masculino Loiro Não P9 < 18 Sim Feminino Loiro Sim P Sim Feminino Castanho/Preto Sim P Não Feminino Loiro Sim P Não Masculino Ruivo Sim P13 > 35 Sim Feminino Ruivo Sim P Não Masculino Castanho/Preto Não a) (1.0) Pretende-se usar aprendizagem por árvores de decisão para prever que personagens vão ser assassinadas. Depois de analisar os 4 atributos, apurou-se que GI(Cor do cabelo) > GI(Sexo)> GI(Capacidade de gritar histéricamente) > GI (Idade). Desenhe o primeiro nível da árvore de decisão aprendida. Nome: Número: 11

12 b) (1.5) Termine a árvore de decisão acima descrita. Se não executar os cálculos todos, justifique as suas decisões que tomou para chegar à árvore final. No entanto, se pretender efectuar os cálculos, tenha em conta que I(1,0) = 0, I(1/2, 1/2) =1, I(2/5,3/5)=0.97, I(2/3,1/3)= (1.0) Descreva sucintamente 3 aspectos da arquitectura de Subsumção de Brooks (Brooks Subsumption Architecture). Nome: Número: 12