ThatQuiz Biblioteka Testów Podejdź teraz do testu
Informatyka sztucznej inteligencji
Opracowany przez: Zawadzki
  • 1. Informatyka sztucznej inteligencji (AI) obejmuje rozległą i skomplikowaną dziedzinę poświęconą rozwojowi algorytmów i systemów, które umożliwiają maszynom naśladowanie ludzkich funkcji poznawczych. U swoich podstaw sztuczna inteligencja czerpie z różnych dyscyplin, w tym matematyki, statystyki, informatyki i psychologii poznawczej, aby tworzyć systemy, które mogą się uczyć, rozumować i dostosowywać. Fundamentalne koncepcje, takie jak uczenie maszynowe, w którym algorytmy są szkolone na danych w celu przewidywania lub podejmowania decyzji, oraz sieci neuronowe, które są inspirowane strukturą i funkcją ludzkiego mózgu, służą jako kamienie węgielne współczesnych badań nad sztuczną inteligencją. Ponadto przetwarzanie języka naturalnego pozwala komputerom rozumieć i generować ludzki język, ułatwiając interakcje między ludźmi a maszynami. Dziedzina ta bada również robotykę, w której sztuczna inteligencja jest zintegrowana z systemami fizycznymi w celu autonomicznego wykonywania zadań, oraz wizję komputerową, umożliwiając maszynom interpretowanie i podejmowanie decyzji na podstawie danych wizualnych. Wykorzystując techniki takie jak głębokie uczenie, uczenie ze wzmocnieniem i uczenie nadzorowane, naukowcy nadal przesuwają granice tego, co jest możliwe, prowadząc do postępów w obszarach od autonomicznych pojazdów po diagnostykę opieki zdrowotnej. W miarę jak systemy sztucznej inteligencji stają się coraz bardziej złożone i zintegrowane z różnymi aspektami życia społecznego, coraz większą uwagę zwraca się również na kwestie etyczne dotyczące uczciwości, odpowiedzialności i przejrzystości, zapewniając, że rozwój technologii sztucznej inteligencji przynosi korzyści całej ludzkości.

    Który rodzaj uczenia się obejmuje trenowanie modelu na oznaczonym zbiorze danych?
A) Pół-nadzorowane uczenie się.
B) Uczenie ze wzmocnieniem.
C) Uczenie się bez nadzoru.
D) Uczenie nadzorowane.
  • 2. Do czego służy sieć neuronowa?
A) Przechowywanie danych.
B) Rozpoznawanie wzorców i klasyfikacja.
C) Pisanie kodu.
D) Bezpieczeństwo sieci.
  • 3. Co oznacza "nadmierne dopasowanie" w kontekście uczenia maszynowego?
A) Model, który jest zbyt złożony i działa słabo na nowych danych.
B) Model bez parametrów.
C) Model, który dobrze generalizuje.
D) Model, który uczy się szybciej.
  • 4. Który algorytm jest powszechnie używany do zadań klasyfikacji?
A) Grupowanie K-średnich.
B) Maszyny wektorów nośnych.
C) Algorytmy genetyczne.
D) Zejście gradientowe.
  • 5. Jaki jest cel uczenia się ze wzmocnieniem?
A) Bezpośrednie mapowanie wejść na wyjścia.
B) Optymalizacja równań liniowych.
C) Uczenie się zachowań metodą prób i błędów.
D) Klasyfikowanie danych w kategorie.
  • 6. Co mierzy "test Turinga"?
A) Zużycie energii przez system.
B) Szybkość przetwarzania komputera.
C) Zdolność maszyny do wykazywania inteligentnego zachowania równoważnego ludzkiemu.
D) Pojemność pamięci masowej komputera.
  • 7. Jaka jest główna zaleta głębokiego uczenia?
A) Działa lepiej z małymi zestawami danych.
B) Łatwiejsze do wdrożenia niż standardowe algorytmy.
C) Możliwość automatycznego uczenia się funkcji na podstawie danych.
D) Wymaga mniejszej ilości danych niż tradycyjne metody.
  • 8. Który z poniższych algorytmów jest algorytmem klastrowania?
A) Drzewa decyzyjne.
B) K-średnich.
C) Regresja liniowa.
D) Lasy losowe.
  • 9. Czym jest "eksploracja danych" w kontekście sztucznej inteligencji?
A) Wyodrębnianie wzorców i informacji z dużych zbiorów danych.
B) Czyszczenie danych do analizy.
C) Przechowywanie dużych ilości danych w bazach danych.
D) Szyfrowanie danych dla bezpieczeństwa.
  • 10. Który typ sieci neuronowej jest najlepszy do rozpoznawania obrazów?
A) Sieci neuronowe typu feedforward.
B) Konwolucyjne sieci neuronowe (CNN).
C) Sieci radialnych funkcji bazowych.
D) Rekurencyjne sieci neuronowe (RNN).
  • 11. Co jest głównym wyzwaniem w sztucznej inteligencji?
A) Jednolite standardy kodowania.
B) Zbyt duże zainteresowanie opinii publicznej.
C) Stronniczość w danych i algorytmach.
D) Ograniczenia sprzętowe.
  • 12. Jaka jest zasada działania maszyn wektorów nośnych?
A) Maksymalizacja objętości zbioru danych.
B) Minimalizacja odległości między wszystkimi punktami.
C) Wykorzystanie głębokiego uczenia do klasyfikacji.
D) Znalezienie hiperpłaszczyzny, która najlepiej oddziela punkty danych.
  • 13. Jaka jest popularna biblioteka do uczenia maszynowego w Pythonie?
A) Scikit-learn.
B) Kolba.
C) Pygame.
D) Piękna zupa.
  • 14. Jaki jest przykład uczenia się bez nadzoru?
A) Regresja
B) Klasyfikacja
C) Przewidywanie
D) Klastrowanie
  • 15. Które pojęcie jest kluczowe dla zrozumienia uczenia maszynowego?
A) Przepustowość
B) Opóźnienie
C) Przepustowość
D) Overfitting
  • 16. Który algorytm jest powszechnie stosowany w uczeniu nadzorowanym?
A) Uczenie ze wzmocnieniem.
B) Algorytmy genetyczne.
C) Regresja liniowa.
D) Grupowanie K-średnich.
  • 17. Co robi "transfer learning"?
A) Przenosi modele z jednego zestawu danych do innego bez zmian.
B) Przenosi aplikacje między platformami.
C) Przesyła dane między różnymi użytkownikami.
D) Wykorzystuje wiedzę zdobytą podczas wykonywania jednego zadania, aby poprawić wyniki w powiązanym zadaniu.
  • 18. Który algorytm jest często używany do zadań klasyfikacji?
A) Drzewa decyzyjne
B) Gradient zejścia
C) Symulacja Monte Carlo
D) Algorytmy genetyczne
  • 19. Jaka jest kluczowa zasada działania algorytmów genetycznych?
A) Sortowanie za pomocą quicksort.
B) Iteracja poprzez losowe pobieranie próbek.
C) Przybliżenie funkcji.
D) Przetrwanie najlepiej przystosowanych poprzez ewolucję.
  • 20. Jaka jest korzyść z używania zestawu walidacyjnego?
A) Aby zwiększyć rozmiar danych treningowych.
B) Aby modele były szczęśliwsze.
C) Wymiana zestawów testowych.
D) Ocena wydajności modelu podczas treningu.
  • 21. Który z tych algorytmów jest algorytmem uczenia ze wzmocnieniem?
A) Q-learning.
B) Grupowanie K-średnich.
C) Maszyna wektorów nośnych.
D) Regresja liniowa.
  • 22. Do czego odnosi się termin "Big Data"?
A) Prywatne dane użytkowników gromadzone przez aplikacje.
B) Dane, które są zbyt małe do analizy.
C) Duże i złożone zbiory danych, które wymagają zaawansowanych narzędzi do przetwarzania.
D) Dane przechowywane w relacyjnej bazie danych.
  • 23. Który z poniższych jest popularnym językiem programowania dla sztucznej inteligencji?
A) Montaż.
B) HTML.
C) Python.
D) C++.
  • 24. Które z poniższych jest powszechnym zastosowaniem sztucznej inteligencji?
A) Podstawowe obliczenia arytmetyczne.
B) Arkusze kalkulacyjne.
C) Przetwarzanie tekstu.
D) Przetwarzanie języka naturalnego.
  • 25. Jaki jest wspólny miernik oceny modeli klasyfikacji?
A) Wariancja
B) Entropia
C) Przepustowość
D) Dokładność
  • 26. Który z nich jest frameworkiem głębokiego uczenia?
A) TensorFlow
B) Git
C) MySQL
D) Windows
  • 27. Czym jest sztuczna sieć neuronowa?
A) Struktura i funkcje ludzkiego mózgu.
B) Przekształcenia geometryczne.
C) Modele statystyczne.
D) Internet.
Test utworzony z That Quiz — tu znajdziesz testy matematyczne dla uczniów na różnym poziomie.