1. Defina com suas próprias palavras: (a) inteligência, (b) inteligência artificial, (c) agente, (d) racionalidade, (e) raciocínio lógico
- Inteligência: habilidade de aprender e aplicar novos conhecimentos e habilidades.
- Inteligência artificial: habilidade de softwares de computador de aprender e aplicar novos conhecimentos e habilidades.
- Agente: aquele que age e reage de acordo com o ambiente.
- Racionalidade: tendência para entender (compreender) os fatos e/ou ideias em conformidade com a lógica. Escolher a melhor ação a ser executada dada uma situação.
- Raciocínio lógico: caminho percorrido para se tomar uma decisão.
2. Ações reflexas (por exemplo, afastar a mão imediatamente ao tocar um objeto muito quente) são racionais? Elas são inteligentes?
Sim, pois não tomar a ação resulta em prejuízos (queimadura). Mas não são inteligentes, pois não é baseada em aplicar conhecimento adquirido.
3. “Computadores não podem ser inteligentes – eles podem fazer apenas o que seus programadores dizem a eles”. Esta última afirmação é verdadeira? A última afirmação implica na primeira?
É verdadeira, computadores só fazem aquilo que são programados para fazer. Não, pois o programador pode ensinar habilidades para tomar decisões e aprender com elas.
4. “Certamente animais não podem ser inteligentes – eles podem fazer apenas o que seus genes dizem a eles”. Esta última afirmação é verdadeira? A última afirmação implica na primeira?
--Todo--
5. Certamente animais, computadores e humanos não podem ser inteligentes – eles podem fazer apenas o que os átomos que os constituem são obrigados a fazer pelas leis da física”. Esta última afirmação é verdadeira? A última afirmação implica na primeira?
--Todo--
1. Para cada uma das seguintes atividades, forneça a descrição PEAS da tarefa a caracterize-a de acordo com as propriedades [Observável/Não observável; Determinístico/Estocástico; Episódico/Sequencial; Estático/Dinâmico; Discreto/Contínuo; Conhecido/Desconhecido]
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Jogadores, juíz | Velocidade, habilidade | Campo, bola, adversário | Chutar, passar bola | Visão, tato |
Observável, estocástico, sequencial, dinâmico, contínuo, conhecido.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Submarino | Seguro, Iluminar | Oceano, vida marinha | Navegar, iluminar | Visão, tato |
Não observável, estocástico, sequêncial, dinâmico, contínuo, desconhecido.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Comprador | Seguro, confiável | Sites da internet | Navegar páginas, escolher livro mais barato | Leitor de tela |
Observável, determinístico, episódico, estático, discreto, desconhecido.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Jogadores, Juíz | Acertar bola dentro da quadra | Quadra, Bola | , sacar, movimentar | Visão, tato |
Observável, estocástico, sequencial, dinâmico, contínuo, conhecido.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Jogador | Acertar bola dentro da quadra | Quadra, bola, parede | movimentar | Visão, tato |
Observável, determinístico, sequencial, dinâmico, contínuo, conhecido.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Atleta | Saltar o mais longe possível, a partir da marca de salto | Pista de salto | Correr, saltar, cair | Visão, tato |
Observável, determinístico, sequencial, estático, contínuo, conhecido.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Pessoa tricotando, | Habilidade | Cadeira, agulhas | tricotar | Visão, tato |
Observável, determinístico, sequencial, estático, discreto.
| Agente | Performance | Ambiente | Atuadores | Sensores |
|---|---|---|---|---|
| Cliente | Cobrir lançes, saber quando parar | Local do leilão | Efetuar lançe | Visão, preço do lance |
Observável, estocástico, episódico, dinâmico, contínuo.
2. Defina os seguintes termos com suas próprias palavras: agente, função de agente, programa de agente, racionalidade, autonomia, agente reativo (reflexivo), agente baseado em modelo, agente baseado em objetivo, agente baseado em utilidade
Um agente é definido pelo ambiente que ele consegue perceber através de seus sensores e as ações que ele pode escolher para atingir um certo objetivo.
Entender o ambiente ao seu redor, e executar ações a partir deste entendimento, para chegar a um objetivo final.
Tradução de um agente para linhas de código.
Habilidade de maximizar seu desempenho, em cada tomada de decisão.
Habilidade de tomar decisões.
Desenvolve sua inteligência a partir do ambiente, sem modelo estabelecido
Possui um modelo interno que mapeia o mundo, e pode utilizar estados passados para tomar decisões futuras.
Toma suas decisões visando alcançar um objetivo final.
Toma suas decisões visando alcançar um objetivo final, levando em conta a probabilidade de sucesso.
3. Implemente um agente reativo (reflexivo) simples para o problema do aspirador de pó automático, considerando o mundo de dois quadriculados (Figura 2.2 do livro) e as especificações da página 38. Simule o ambiente com este agente para todas as possíveis configurações iniciais sujo/limpo e posição do agente. Grave a medida de desempenho para cada configuração e o desempenho médio geral
def reflex(perception)
loc, status = perception
if status == "sujo":
limpa()
if loc == "A":
direita()
else: esquerda()Desempenho: nº de ações limpar() executadas, nº de vezes que A e B estão limpos.
4. Considere uma versão modificada do problema do aspirador de pó automático, no qual a geografia do ambiente – extensão, limites e obstáculos – e as condições iniciais (quadriculados limpos/sujos) são desconhecidos. (Assuma que o agente pode se movimentar para cima, baixo, direita e esquerda)
Poderia um agente reativo (reflexivo) simples atuar de forma perfeitamente racional neste ambiente? Explique
Não, pois o ambiente pode possuir deformidades na sua geografia, obstáculos, que simples ações direcionais sem levar em conta estados anteriores não poderia prever. Você também não conhece a extensão total do ambiente.
Poderia um agente reativo (reflexivo) simples com função de agente aleatória superar o desempenho de um agente reativo simples? Projete esse agente e meça seu desempenho em vários ambientes
Sim, o desempenho pode ser melhor para passar por obstáculos, mas ainda possuiria um desempenho baixo, pois não faria o caminho ótimo.
def reflex_random(perception)
loc, status = perception
if status == "sujo":
limpa()
go_to_random_direction()Você poderia projetar um ambiente no qual seu agente de função aleatória teria um desempenho ruim? Mostre os resultados
┌───┐ ┌───┐
│ R │ │ o │
├───┤ ├───┼───┐
│ o │ │ │ │
├───┼───┼───┼───┤
│ │ │ │ │
├───┼───┴───┴───┘
│ o │
└───┘
Suponha um ambiente com o formato acima e que o robô só possa se deslocar pelos quadrados. Cada o é um ponto de sujeira que deve ser limpo e o R é a posição inicial do robô. Se o deslocamento for randômico, há 25% de chance da direção a ser tomada ser um espaço possível para se deslocar e 75% de chance de permanecer parado. Além disso, no terceiro quadrado de baixo para cima, para ir ao outro quadrante da direita em que há sujeira, é necessário escolher a direção para a direita e continuar indo reto (ainda há chance do robô dar meia volta, permanecendo no lado esquerdo do ambiente).
Poderia um agente reativo baseado em modelo superar o desempenho de um agente reativo simples? Projete esse agente e meça o desempenho em vários ambientes
Sim. O agente, dado o histórico de ações tomadas, atualiza o estado atual de acordo com as observações feito de seu histórico, possibilitando uma maximização da função desempenho do algoritmo. Para casos em que o ambiente é sequencial (por exemplo, um jogo de xadrez), o algoritmo conseguirá tomar uma ação muito mais eficiente.
1. Formule o problema (estado inicial, possíveis ações, modelo de transição, função de objetivo, custo de caminho) para os casos a seguir. Escolha o nível de abstração adequado para a implementação
Usando somente 4 cores, você deve colorir um mapa de forma que duas regiões (ou países) adjacentes não tenham a mesma cor
- Estado Inicial: mapa sem cores, dividido em n países;
- Possíveis ações: verificar cores dos países adjacentes a um país Y, colorir estado com cor X;
- Modelo de transição: ( TODO )
- Função de objetivo: verificar se todos países estão coloridos sem repetições nos seus adjacentes;
- Custo de caminho: Cada vez que um país é pintado, custa 1. O custo total é a soma destes custos até atingir o objetivo;
Um macaco de 1 m de altura está em uma sala onde há algumas bananas suspensas a 2,5 m de altura. Ele gostaria de pegar as bananas. A sala contém duas caixas móveis de 1 m de altura, passíveis de serem empilhadas e escaladas
- Estado Inicial: caixas em qualquer posição, macaco no chão;
- Possíveis ações: verificar altura da pilha de caixas, empilhar caixa;
- Modelo de transição: ( TODO )
- Função de objetivo: quando a altura das caixas empilhadas somada a altura do macaco forem maior que 2,5m, o objetivo foi atingido;
- Custo de caminho: Cada vez que uma caixa é empilhada o custo é 1, o custo total é a soma de todos os custos;
Você tem um programa que exibe a mensagem “entrada ilegal” quando este recebe como entrada certo arquivo. Você sabe que o processamento de cada arquivo é independente um do outro. Você quer descobrir qual arquivos são ilegais.
-
Estado Inicial:
[ file1, file2, file3, ..., file n].
Programa esperando os arquivos a serem enviados e n arquivos a serem enviados. -
Possíveis ações: enviar arquivo, analisar arquivo e exibir mensagem de erro.
-
Modelo de transição:
(i) enviar um dos n arquivos
(ii) analisar arquivo enviado
(iii) exibir mensagem de erro caso arquivo seja ilegal -
Função de objetivo: n arquivos processados, m mensagens de erros apontando quais arquivos são ilegais.
-
Custo de caminho: Número de arquivos analisados.
Você tem 3 jarros que medem 12 L, 8 L e 3 L, e uma torneira. Você pode: (i) completar os jarros com água até a boca, (ii) transferir o conteúdo de um jarro para outro ou (iii) esvaziá-los descartando seu conteúdo. Deseja-se obter uma quantidade de água de exatamente 1 L
-
Estado Inicial:
[ x, y, z ] = [ 0, 0, 0 ]
Jarros de 12L, 8L e 3L com 0L cada um. -
Possíveis ações: Completar jarro, transferir água, esvaziar jarro.
-
Modelo de transição:
(i) completar x, y ou z
(ii) gerar [ 12, y, z ], [ x, 8, z ] ou [ x, y, 3 ].
(iii) transferir de um jarro a para um jarro b
jarro b = min(a + b, b)
jarro a = max(0, (a + b) - max(b)) -
Função de objetivo: x, y ou z = 1
-
Custo de caminho: Número de ações
2. O problema dos missionários e canibais é usualmente descrito como a seguir. Três missionários e três canibais encontram-se em um mesma margem de um rio, e possuem ao alcance um barco a remo que pode carregar uma ou duas pessoas. Encontre uma maneira de levar todos para a outra margem do rio sem nunca deixar um grupo de missionários com número de pessoas menor que aquele dos canibais
Formule o problema de forma precisa, fazendo somente as distinções necessárias para garantir uma solução válida. Desenhe o diagrama completo do espaço de estados.
O estado inicial é de todos os missionários e canibais de um lado do rio.
As ações devem ser de levar duas pessoas por viagem para cada lado do rio.
Antes de cada viagem, deve-se analisar se o número de missionários que ficará é maior ou igual o número de canibais.
Usando um algoritmo de busca apropriado, implemente e resolva o problema de forma ótima. É uma boa ideia checar estados que se repetem?
--Todo--
Por que você acha que pessoas teriam dificuldades em resolver esse problema, dado que o espaço de estados é tão simples?
--Todo--
3. Defina com suas próprias palavras: estado, espaço de estados, árvore de busca, nó, objetivo, ação, modelo de transição e fator de ramificação
estado: situação em que se encontra o agente.
espaço de estados: grafo onde os nós são estados e as conexões as ações que transformam um estado.
árvore de busca: árvore onde a raíz é o estado inicial e os filhos são estados alcançáveis a partir de uma ação.
nó: nó de uma árvore
objetivo: estado que o agente quer alcançar.
ação: algo que o agente escolhe fazer.
modelo de transição: dado um estado, retorna uma ação e um estado alcançável.
fator de ramificação: número de ações disponíveis para um agente.