IAA 4-5

Prévia do material em texto

Atividade de Autoaprendizagem 4
1 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
2 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
Em uma cidade movimentada como São Paulo ou Rio de Janeiro, otimizar rotas de entrega com algoritmos genéticos envolve etapas evolutivas que buscam soluções eficientes. Nesse contexto, qual fator é 
essencial para garantir que o processo evolutivo conduza o algoritmo à rota mais eficaz em cenários tão complexos?
Incorreta:
A aplicação de mutações rigorosas, combinadas com a seleção das rotas menos eficientes, amplia a diversidade do conjunto de soluções e evita que o sistema se acomode em rotas subótimas.
B O uso de rotas iniciais aleatórias e inalteradas ao longo do processo, focando a consistência dos dados, proporciona uma base sólida e promove a estabilidade dos resultados gerados no sistema.
C A repetição ininterrupta das rotas iniciais, sem alterações genéticas, assegura que o algoritmo mantenha soluções estáveis e evita mudanças desnecessárias que poderiam prejudicar a convergência final.
D Resposta correta
A seleção das rotas mais promissoras e a definição de uma função de aptidão precisa garantem que o algoritmo evolua de forma direcionada e converge para uma solução eficiente e 
otimizada.
E A combinação aleatória de rotas bem-sucedidas e menos promissoras, sem priorizar função de aptidão, oferece um processo mais democrático e permite rotas alternativas de otimização inesperadas.
A busca local e análise de sensibilidade são técnicas fundamentais para ajustes finos e otimizações eficazes. Qual das alternativas melhor descreve como essas técnicas contribuem para a solução de problemas 
complexos de otimização? 
A
Os algoritmos de colônia de formigas garantem uma otimização mais rápida que a análise de sensibilidade, pois não dependem da avaliação de como pequenas mudanças impactam o resultado final da 
solução. 
B
Heurísticas híbridas combinam os melhores aspectos dos algoritmos de colônia de formigas e da busca local, eliminando a necessidade de realizar análises de sensibilidade durante o processo de 
otimização.
C Resposta correta
Análise de sensibilidade permite ajustes precisos nas soluções propostas por algoritmos de colônia de formigas, garantindo que variações nas condições iniciais não comprometam a 
otimização alcançada.
D
A busca local é a principal responsável pela solução de problemas de rotas e fluxos, enquanto os algoritmos de colônia de formigas servem para reduzir a dependência da análise de sensibilidade no 
processo.
E
Os algoritmos de colônia de formigas garantem a análise completa de todas as variáveis envolvidas, enquanto a análise de sensibilidade é aplicada apenas em casos específicos com alto grau de 
complexidade.
RECIBO: A9E64A32675C495A9B5C5237555513FF
TENTATIVA 5/5 (ENVIADA EM 19/12/25 22:05)Nota final
Tentativa com a nota mais alta
3 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
4 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
5 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
Em um sistema especialista usado na medicina, que compara sintomas de pacientes com uma base de conhecimento, qual fator que mais contribui para garantir diagnósticos e tratamentos mais precisos e 
eficazes?
A A capacidade do sistema de priorizar dados históricos específicos, sem considerar novas pesquisas, reduzindo erros e promovendo uma base de conhecimento focada em diagnósticos de longo prazo.
B A inclusão restrita de casos clínicos e estudos históricos apenas, excluindo dados recentes, ajudando o sistema a simplificar o processo e evitar sobrecargas desnecessárias de informações.
C Resposta correta
A atualização contínua com pesquisas e casos recentes, o que mantém o sistema adaptado a novas descobertas, ampliando a precisão dos diagnósticos e a eficácia dos tratamentos 
recomendados.
D A integração de dados de longa duração, mas sem alterações frequentes, para evitar que o sistema sofra com mudanças rápidas e garanta um diagnóstico mais estável e confiável.
E A utilização de algoritmos que filtram apenas dados recentes, ignorando estudos antigos, permitindo que o sistema se concentre em avanços modernos e diagnósticos de alta precisão.
As redes neurais artificiais são modelos computacionais baseados na estrutura do cérebro humano. Qual das alternativas melhor explica o processo pelo qual uma rede neural consegue aprender a identificar 
gatos em imagens após ser treinada com milhares de exemplos? 
A
O aprendizado se dá pela criação de associações entre entradas e saídas, mas a rede não é capaz de modificar seus parâmetros internos ao longo do treinamento para melhorar sua precisão em novas 
imagens.
B Resposta correta
O treinamento da rede envolve a identificação gradual de características como bigodes e formato das orelhas, ajustando pesos entre neurônios para que ela possa generalizar e 
reconhecer gatos em novos contextos.
C A rede neural cria um banco de dados interno com imagens de gatos, comparando diretamente os novos inputs com essas imagens armazenadas para decidir se há semelhança com um gato.
D O processo de aprendizado envolve o ajuste de parâmetros de saída em cada camada da rede, permitindo que os neurônios artificiais reconheçam os padrões básicos antes de gerar uma resposta final.
E
O aprendizado das redes neurais ocorre por meio da comparação direta das entradas com saídas previamente conhecidas, sem a necessidade de identificar padrões intermediários complexos nas 
imagens.
Os sistemas de apoio à decisão utilizam uma estrutura composta por uma base de conhecimento, mecanismo de inferência, interface com o usuário e ferramentas para suporte a decisões. Qual das opções abaixo 
melhor descreve a interação entre o mecanismo de inferência e a base de conhecimento para gerar recomendações relevantes? 
6 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
7 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
melhor descreve a interação entre o mecanismo de inferência e a base de conhecimento para gerar recomendações relevantes? 
A
A base de conhecimento armazena dados de forma dinâmica, permitindo que o mecanismo de inferência ajuste suas respostas continuamente para oferecer recomendações personalizadas em tempo 
real. 
B
A função do mecanismo de inferência é substituir o especialista em situações de tomada de decisão, utilizando a base de conhecimento para sugerir ações sem a necessidade de revisão por parte do 
usuário.
C O mecanismo de inferência realiza a análise de informações baseadas em dados brutos coletados diretamente do usuário, sem precisar consultar uma base de conhecimento estruturada e definida.
D Resposta correta
O mecanismo de inferência utiliza regras e informações predefinidas na base de conhecimento para processar dados e gerar respostas ou recomendações, considerando as 
especificidades de cada problema apresentado.
E
A base de conhecimento interage diretamente com o usuário para capturar novos dados, enquanto o mecanismo de inferência transforma essas informações em recomendações de acordo com as regras 
do sistema.
A técnica de Transfer Learning aproveita modelos pré-treinados para resolver problemas similares, economizando tempo e recursos. Qual das alternativas descreve corretamente como essas abordagens podem 
melhorar a eficiência de aplicações de IA em dispositivos móveis? 
A O principal benefício da otimização de modelos é sua capacidade de reduzir o tempo de treinamento em dispositivos móveis, tornando o Transfer Learning dispensável na maioria das aplicações práticas.
B
Transfer Learning garante que os modelos sejam diretamente aplicáveis a novos problemas sem necessidade de ajustes, enquanto a otimização elimina totalmente a dependência de recursos de hardware 
avançados. 
C A integração de modelos de IA em aplicativos móveis dispensa o uso de Transfer Learning, já que a principal função da otimização é reduzir a quantidade de dados necessários para novos treinamentos.
D Resposta correta
Transfer Learning permite a reutilização de modelos pré-treinados para economizar tempo, enquanto a otimização ajusta os modelos para serem mais leves e eficientes em dispositivosmóveis com recursos limitados. 
E
A aplicação de Transfer Learning elimina a necessidade de otimizar modelos em dispositivos móveis, visto que os modelos pré-treinados já são eficientes o suficiente para reconhecimento de imagem em 
tempo real.
Algoritmos genéticos e estratégias evolutivas são métodos inspirados na seleção natural, usados para resolver problemas complexos, como otimização de rotas em cidades movimentadas. Qual das alternativas 
melhor descreve o papel da mutação e seleção no processo de evolução de soluções? 
A
A mutação nos algoritmos genéticos impede a criação de novas soluções, enquanto a seleção preserva apenas as rotas com melhor desempenho, garantindo que não haja perda de diversidade nas 
soluções. 
8 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
9 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
soluções. 
B Resposta correta
A seleção nos algoritmos genéticos ocorre ao final de cada geração, eliminando rotas ineficientes. A mutação introduz variações nas rotas selecionadas para testar novas combinações 
possíveis.
C O uso de mutação nos algoritmos genéticos é secundário, pois as soluções mais eficientes são evoluídas apenas por meio da seleção, que ocorre independentemente de variações ou mudanças nas rotas.
D A seleção é baseada unicamente na eficiência de rotas, sem levar em conta mutações. As mutações são aplicadas apenas no início do processo para gerar todas as possíveis rotas a serem testadas.
E O processo de mutação é responsável por garantir que rotas subótimas sejam eliminadas, enquanto a seleção escolhe apenas as rotas já testadas, sem gerar novas combinações de possíveis soluções.
As redes neurais de múltiplas camadas e redes associativas são abordagens diferentes em inteligência artificial. Com base nas características das redes de múltiplas camadas e redes associativas, qual das 
alternativas melhor explica a diferença na forma como essas redes processam padrões complexos e incompletos?
A Resposta correta
Redes de múltiplas camadas processam padrões detalhados em várias etapas, enquanto redes associativas lembram padrões distorcidos ou incompletos, preenchendo lacunas com base 
no que já foi aprendido.
B
Redes associativas refinam padrões detalhados em etapas sucessivas, enquanto redes de múltiplas camadas associam automaticamente informações incompletas durante o processamento de dados 
complexos. 
C
A principal diferença está no fato de que as redes associativas podem ajustar suas camadas intermediárias, enquanto as redes de múltiplas camadas necessitam de dados completos para realizar 
predições precisas.
D Redes associativas utilizam várias camadas para processar detalhes visuais e gerar resultados mais precisos, enquanto redes de múltiplas camadas apenas relembram padrões já conhecidos e distorcidos.
E
As redes de múltiplas camadas têm a capacidade de generalizar informações incompletas, mas não podem lembrar padrões com distorções, ao contrário das redes associativas, que são especializadas 
nisso.
No treinamento supervisionado e não supervisionado, as redes neurais se destacam em diversos contextos. Diante das aplicações das redes neurais supervisionadas e não supervisionadas, qual das opções abaixo 
descreve corretamente uma vantagem crucial do uso da transferência de aprendizado em redes neurais? 
A Resposta correta
Com a transferência de aprendizado, redes treinadas previamente podem ser reutilizadas para outras tarefas, economizando tempo e computação, o que facilita a implementação em 
grandes volumes de dados.
B
A transferência de aprendizado melhora a capacidade de uma rede supervisionada em identificar padrões ocultos em dados não rotulados, sendo aplicável principalmente em análise preditiva em tempo 
real.
C
A reutilização de redes pré-treinadas minimiza o risco de overfitting, uma vez que elas já passaram por várias etapas de ajuste, sendo mais adequadas para lidar com dados não rotulados em novos 
10 MÚLTIPLA ESCOLHA INCORRETO 0 / 0
C
A reutilização de redes pré-treinadas minimiza o risco de overfitting, uma vez que elas já passaram por várias etapas de ajuste, sendo mais adequadas para lidar com dados não rotulados em novos 
contextos.
D
Utilizar redes já treinadas permite evitar a necessidade de coletar grandes volumes de dados para treinar redes do zero, além de promover maior explicabilidade em sistemas críticos, como o setor 
financeiro.
E A transferência de aprendizado permite otimizar o uso de redes não supervisionadas para resolver problemas rotulados, oferecendo resultados mais precisos e consistentes em tarefas de classificação. 
Uma fazenda inteligente utiliza um sistema especialista para gerenciar a irrigação, dependendo de uma base de conhecimento atualizada. Nesse contexto, a manutenção constante é essencial para incorporar 
novas práticas agrícolas, dados climáticos e informações sobre o solo, garantindo que o sistema ofereça recomendações eficazes e atualizadas.
Qual é a principal razão para essa manutenção contínua? 
A
Bases de conhecimento em sistemas especialistas armazenam dados permanentes que não se alteram; a manutenção é ocasional e ocorre apenas quando o sistema enfrenta mudanças incomuns e de 
longa duração.
B O sistema exige novas regras e parâmetros, mas não atualizações frequentes; a base de conhecimento utiliza dados históricos e prevê cenários futuros com base em análises mais duradouras.
C
Sistemas especialistas podem operar sem revisões frequentes; a manutenção das bases de conhecimento visa exclusivamente aprimorar a eficiência de tarefas específicas, sem impacto significativo no 
desempenho geral.
D
A base de conhecimento em sistemas especialistas evolui lentamente, mas deve adaptar-se a mudanças graduais do ambiente, como o clima e solo, devido à escassez de atualizações contínuas de dados 
recentes.
E Resposta correta
As bases de conhecimento são atualizadas para integrar novas práticas e dados atuais, respondendo de forma eficiente às constantes mudanças do ambiente e mantendo a relevância 
das recomendações do sistema.