š Ver slides (PDF)
ā” AĆ§Ć£o: Qual Ć© o objetivo da InteligĆŖncia Artificial apresentado no vĆdeo?
š Construir entidades inteligentes capazes de pensar e atuar de forma inteligente.
ā” AĆ§Ć£o: Porque Ć© que Ć© necessĆ”rio definir āinteligĆŖnciaā antes de construir entidades inteligentes?
š Para saber que tipo de comportamento se pretende e como avaliar se um agente estĆ” a agir de forma inteligente.
ā” AĆ§Ć£o: Que abordagem Ć© usada no vĆdeo para definir inteligĆŖncia?
š A abordagem racional: um ser Ć© inteligente se agir racionalmente.
ā” AĆ§Ć£o: O que significa agir racionalmente?
š Escolher a aĆ§Ć£o correta com base no conhecimento disponĆvel.
ā” AĆ§Ć£o: Porque Ć© que a definiĆ§Ć£o racional nĆ£o indica o grau de inteligĆŖncia?
š Porque apenas diz se a aĆ§Ć£o Ć© correta, nĆ£o quantifica quĆ£o inteligente o comportamento Ć©.
ā” AĆ§Ć£o: Qual Ć© o propĆ³sito do Teste de Turing?
š Avaliar se uma mĆ”quina demonstra inteligĆŖncia comparĆ”vel Ć humana.
ā” AĆ§Ć£o: Como funciona o Teste de Turing clĆ”ssico?
š Um jĆŗri interroga um humano e uma mĆ”quina sem saber qual Ć© qual; se nĆ£o distinguir, a mĆ”quina passa o teste.
ā” AĆ§Ć£o: Que Ć”reas da IA sĆ£o necessĆ”rias para passar o Teste de Turing textual?
š Processamento de linguagem natural, representaĆ§Ć£o do conhecimento, raciocĆnio e aprendizagem.
ā” AĆ§Ć£o: O que acrescenta o Teste de Turing fĆsico?
š Requer visĆ£o por computador e robĆ³tica para manipular objetos e referir elementos visuais.
ā” AĆ§Ć£o: O que Ć© a āvisĆ£o 360Āŗ da IAā apresentada no vĆdeo?
š Uma divisĆ£o da IA em cinco grandes Ć”reas: resoluĆ§Ć£o de problemas, representaĆ§Ć£o do conhecimento, incerteza, aprendizagem e comunicaĆ§Ć£o/perceĆ§Ć£o/aĆ§Ć£o.
ā” AĆ§Ć£o: O que caracteriza um problema de decisĆ£o?
š A resposta Ć© binĆ”ria, como āsimā ou ānĆ£oā.
ā” AĆ§Ć£o: O que caracteriza um problema de procura?
š Pretende-se encontrar uma soluĆ§Ć£o vĆ”lida, sem necessidade de ser a melhor.
ā” AĆ§Ć£o: O que caracteriza um problema de otimizaĆ§Ć£o?
š Pretende-se a melhor soluĆ§Ć£o entre todas as possĆveis.
ā” AĆ§Ć£o: O que Ć© procura adversa?
š Problemas de procura onde existem agentes competitivos, como em jogos.
ā” AĆ§Ć£o: Porque Ć© que problemas reais sĆ£o raramente bem definidos?
š Porque sĆ£o simplificaƧƵes da realidade e muitas vezes nĆ£o tĆŖm fronteiras claras.
ā” AĆ§Ć£o: O que Ć© o espaƧo de estados?
š A representaĆ§Ć£o de todas as situaƧƵes possĆveis do problema e das transiƧƵes entre elas.
ā” AĆ§Ć£o: Que tipo de soluƧƵes se conseguem para problemas pequenos?
š SoluƧƵes Ć³timas com garantia de melhor soluĆ§Ć£o.
ā” AĆ§Ć£o: Que tipo de soluƧƵes se conseguem para problemas grandes?
š Boas soluƧƵes, mas sem garantia de serem Ć³timas.
ā” AĆ§Ć£o: Que problema teĆ³rico teria impacto enorme na IA se fosse resolvido?
š Saber se P = NP.
ā” AĆ§Ć£o: O que distingue P de NP?
š P: problemas resolvidos eficientemente; NP: problemas cuja soluĆ§Ć£o pode ser verificada eficientemente.
ā” AĆ§Ć£o: Porque Ć© necessĆ”ria uma representaĆ§Ć£o genĆ©rica do conhecimento?
š Para permitir reutilizar conhecimento e raciocinar sobre novos problemas sem reprogramar tudo.
ā” AĆ§Ć£o: Que lĆ³gica permite representar conhecimento sem variĆ”veis?
š LĆ³gica proposicional.
ā” AĆ§Ć£o: Que lĆ³gica permite representar conhecimento com variĆ”veis e quantificadores?
š LĆ³gica de primeira ordem.
ā” AĆ§Ć£o: O que Ć© inferĆŖncia?
š Processo de obter novos factos a partir de factos existentes e regras lĆ³gicas.
ā” AĆ§Ć£o: O que Ć© planeamento?
š Construir uma sequĆŖncia de aƧƵes que leva de um estado inicial a um objetivo.
ā” AĆ§Ć£o: O que sĆ£o prĆ©ācondiƧƵes numa aĆ§Ć£o?
š CondiƧƵes que devem ser verdadeiras para que a aĆ§Ć£o possa ser executada.
ā” AĆ§Ć£o: O que sĆ£o efeitos de uma aĆ§Ć£o?
š AlteraƧƵes que a aĆ§Ć£o provoca na base de conhecimento.
ā” AĆ§Ć£o: O que Ć© uma ontologia?
š Uma representaĆ§Ć£o estruturada de conhecimento universal sobre um domĆnio.
ā” AĆ§Ć£o: Qual Ć© uma limitaĆ§Ć£o importante desta Ć”rea?
š A dificuldade em obter uma ontologia universal e lidar com conhecimento incompleto.
ā” AĆ§Ć£o: Qual Ć© a principal ferramenta para lidar com incerteza?
š A teoria das probabilidades.
ā” AĆ§Ć£o: O que permite a regra de Bayes?
š Inferir probabilidades condicionais e atualizar crenƧas com nova evidĆŖncia.
ā” AĆ§Ć£o: O que Ć© uma rede de Bayes?
š Um modelo probabilĆstico que representa dependĆŖncias entre variĆ”veis.
ā” AĆ§Ć£o: O que Ć© utilidade na teoria da decisĆ£o?
š Uma medida numĆ©rica que representa o quĆ£o desejĆ”vel Ć© um estado ou soluĆ§Ć£o.
ā” AĆ§Ć£o: Porque Ć© Ćŗtil converter critĆ©rios diferentes para unidades de utilidade?
š Para permitir comparar e combinar critĆ©rios distintos numa Ćŗnica mĆ©trica.
ā” AĆ§Ć£o: Qual Ć© o principal mĆ©todo de aprendizagem apresentado?
š Aprendizagem a partir de exemplos.
ā” AĆ§Ć£o: O que Ć© uma Ć”rvore de decisĆ£o?
š Um modelo que divide os dados com base nas variĆ”veis que melhor separam os casos.
ā” AĆ§Ć£o: O que Ć© o mĆ©todo dos K vizinhos mais prĆ³ximos?
š Classifica um novo caso com base nas classes dos K exemplos mais prĆ³ximos.
ā” AĆ§Ć£o: Porque Ć© que redes neuronais sĆ£o consideradas poderosas?
š Porque podem aprender qualquer tipo de relaĆ§Ć£o se tiverem dimensĆ£o suficiente e muitos exemplos.
ā” AĆ§Ć£o: Qual Ć© a principal limitaĆ§Ć£o das redes neuronais mencionada?
š SĆ£o modelos fechados: nĆ£o explicam facilmente o porquĆŖ das suas decisƵes.
ā” AĆ§Ć£o: Que Ć”reas compƵem a interface do agente com a realidade?
š Processamento de linguagem natural, perceĆ§Ć£o (visĆ£o e Ć”udio) e robĆ³tica.
Nova pergunta: š²
1.9.8