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 nadzorowane.
D) Uczenie się bez nadzoru.
  • 2. Do czego służy sieć neuronowa?
A) Przechowywanie danych.
B) Bezpieczeństwo sieci.
C) Pisanie kodu.
D) Rozpoznawanie wzorców i klasyfikacja.
  • 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 uczy się szybciej.
D) Model, który dobrze generalizuje.
  • 4. Który algorytm jest powszechnie używany do zadań klasyfikacji?
A) Algorytmy genetyczne.
B) Maszyny wektorów nośnych.
C) Grupowanie K-średnich.
D) Zejście gradientowe.
  • 5. Jaki jest cel uczenia się ze wzmocnieniem?
A) Bezpośrednie mapowanie wejść na wyjścia.
B) Klasyfikowanie danych w kategorie.
C) Optymalizacja równań liniowych.
D) Uczenie się zachowań metodą prób i błędów.
  • 6. Co mierzy "test Turinga"?
A) Zużycie energii przez system.
B) Pojemność pamięci masowej komputera.
C) Zdolność maszyny do wykazywania inteligentnego zachowania równoważnego ludzkiemu.
D) Szybkość przetwarzania komputera.
  • 7. Jaka jest główna zaleta głębokiego uczenia?
A) Możliwość automatycznego uczenia się funkcji na podstawie danych.
B) Działa lepiej z małymi zestawami danych.
C) Wymaga mniejszej ilości danych niż tradycyjne metody.
D) Łatwiejsze do wdrożenia niż standardowe algorytmy.
  • 8. Który z poniższych algorytmów jest algorytmem klastrowania?
A) Regresja liniowa.
B) Lasy losowe.
C) Drzewa decyzyjne.
D) K-średnich.
  • 9. Czym jest "eksploracja danych" w kontekście sztucznej inteligencji?
A) Czyszczenie danych do analizy.
B) Wyodrębnianie wzorców i informacji z dużych zbiorów danych.
C) Szyfrowanie danych dla bezpieczeństwa.
D) Przechowywanie dużych ilości danych w bazach danych.
  • 10. Który typ sieci neuronowej jest najlepszy do rozpoznawania obrazów?
A) Rekurencyjne sieci neuronowe (RNN).
B) Sieci radialnych funkcji bazowych.
C) Sieci neuronowe typu feedforward.
D) Konwolucyjne sieci neuronowe (CNN).
  • 11. Co jest głównym wyzwaniem w sztucznej inteligencji?
A) Ograniczenia sprzętowe.
B) Zbyt duże zainteresowanie opinii publicznej.
C) Jednolite standardy kodowania.
D) Stronniczość w danych i algorytmach.
  • 12. Jaka jest zasada działania maszyn wektorów nośnych?
A) Minimalizacja odległości między wszystkimi punktami.
B) Maksymalizacja objętości zbioru danych.
C) Znalezienie hiperpłaszczyzny, która najlepiej oddziela punkty danych.
D) Wykorzystanie głębokiego uczenia do klasyfikacji.
  • 13. Jaka jest popularna biblioteka do uczenia maszynowego w Pythonie?
A) Kolba.
B) Pygame.
C) Piękna zupa.
D) Scikit-learn.
  • 14. Jaki jest przykład uczenia się bez nadzoru?
A) Klasyfikacja
B) Klastrowanie
C) Przewidywanie
D) Regresja
  • 15. Które pojęcie jest kluczowe dla zrozumienia uczenia maszynowego?
A) Przepustowość
B) Overfitting
C) Przepustowość
D) Opóźnienie
  • 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 aplikacje między platformami.
B) Przenosi modele z jednego zestawu danych do innego bez zmian.
C) Wykorzystuje wiedzę zdobytą podczas wykonywania jednego zadania, aby poprawić wyniki w powiązanym zadaniu.
D) Przesyła dane między różnymi użytkownikami.
  • 18. Który algorytm jest często używany do zadań klasyfikacji?
A) Algorytmy genetyczne
B) Symulacja Monte Carlo
C) Gradient zejścia
D) Drzewa decyzyjne
  • 19. Jaka jest kluczowa zasada działania algorytmów genetycznych?
A) Sortowanie za pomocą quicksort.
B) Przybliżenie funkcji.
C) Iteracja poprzez losowe pobieranie próbek.
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) Dane, które są zbyt małe do analizy.
B) Prywatne dane użytkowników gromadzone przez aplikacje.
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) C++.
B) Montaż.
C) HTML.
D) Python.
  • 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) Dokładność
B) Przepustowość
C) Entropia
D) Wariancja
  • 26. Który z nich jest frameworkiem głębokiego uczenia?
A) MySQL
B) Git
C) TensorFlow
D) Windows
  • 27. Czym jest sztuczna sieć neuronowa?
A) Struktura i funkcje ludzkiego mózgu.
B) Internet.
C) Modele statystyczne.
D) Przekształcenia geometryczne.
Test utworzony z That Quiz — tu znajdziesz testy matematyczne dla uczniów na różnym poziomie.