Analise as seguintes afirmações sobre tipos de aprendizados ...
I – No aprendizado por memória, o mecanismo não enxerga os neurônios individualmente, mas sim a rede como um todo. Um estado de “energia” é atribuído ao sistema, dada uma configuração, e esse estado é corrigido com base em uma pseudo-temperatura (determinado momento no tempo que reflete uma configuração qualquer). Com o uso de uma função estocástica (aleatória) de variação em alguns pesos a cada ciclo, o sistema tende a um equilíbrio após vários ciclos, gerando a resposta esperada.
II – No Aprendizado Hebbiano, o peso de uma sinapse (conexão entre dois neurônios) é aumentado se ambos os neurônios são excitados simultaneamente (no mesmo momento temporal); por outro lado, esse peso é reduzido se ambos os neurônios são excitados em momentos diferentes.
III – No aprendizado de Boltzmann, a correção dos pesos se dá pela construção de um vetor de duplas, que contém duplas de valores de entrada e valores desejados de saída. Esse vetor tem suas duplas visitadas na vizinhança dos valores ideais de entrada e saída desejados a cada iteração, com os valores mutados para corrigir os pesos de entrada dos neurônios.
Assinale a alternativa CORRETA, conforme Oliveira (2018):
OLIVEIRA, R. F. Inteligência Artificial. Editora e Distribuidora Educacional S.A. 224pg. 2018.
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Alternativa correta: B - Apenas a afirmação II é correta.
1. Tema central da questão:
A questão aborda tipos de aprendizado em Redes Neurais Artificiais, um tema fundamental em Inteligência Artificial. Saber diferenciar os mecanismos de aprendizagem, como Hebbiano, Boltzmann e aprendizado por memória, é essencial em concursos para Engenharia de Software e áreas afins.
2. Resumo teórico:
- Aprendizado Hebbiano: Baseia-se no princípio de que "neurônios que disparam juntos fortalecem sua conexão". Se dois neurônios se ativam simultaneamente, o peso entre eles aumenta (Hebb, 1949).
- Redes de Boltzmann: Utilizam conceitos de energia e temperatura para modificar pesos de forma estocástica, buscando um estado de equilíbrio. O aprendizado envolve ajuste dos pesos via algoritmos inspirados na física estatística.
- Aprendizado por Memória: Relaciona-se a redes como Hopfield, focando em estados de energia e busca por estabilidade.
3. Justificativa da alternativa correta (II):
A afirmação II descreve corretamente o aprendizado Hebbiano: os pesos sinápticos aumentam se ambos os neurônios são ativados ao mesmo tempo. Essa regra é base de muitas redes neurais e é aceita pela literatura clássica.
4. Análise das alternativas incorretas:
- Afirmação I: Descreve parcialmente mecanismos de redes como Hopfield ou Boltzmann, mas mistura conceitos de energia, pseudo-temperatura e funções estocásticas de forma imprecisa. O termo "aprendizado por memória" não é uma classificação formal de aprendizado em IA.
- Afirmação III: Confunde o aprendizado em redes de Boltzmann com métodos supervisionados. O ajuste de pesos não ocorre pela visita de "duplas de entrada e saída" e não envolve mutação de valores nessas duplas, mas sim pela minimização de energia da rede.
5. Estratégias de interpretação:
Atente-se ao uso de termos técnicos e à coerência dos conceitos apresentados. Pegadinhas comuns envolvem nomes de métodos, termos técnicos misturados e processos descritos de forma genérica ou imprecisa.
Gostou do comentário? Deixe sua avaliação aqui embaixo!
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Conheça nossos planos