Інформатика штучного інтелекту

1. Комп'ютерні науки про штучний інтелект (ШІ) охоплюють широку і складну галузь, присвячену розробці алгоритмів і систем, які дозволяють машинам імітувати когнітивні функції людини. За своєю суттю ШІ спирається на різні дисципліни, включаючи математику, статистику, комп'ютерні науки та когнітивну психологію, для створення систем, які можуть навчатися, міркувати та адаптуватися. Фундаментальні концепції, такі як машинне навчання, коли алгоритми навчаються на даних, щоб робити прогнози або приймати рішення, і нейронні мережі, натхненні структурою і функціями людського мозку, служать наріжними каменями сучасних досліджень ШІ. Крім того, обробка природної мови дозволяє комп'ютерам розуміти і генерувати людську мову, полегшуючи взаємодію між людьми і машинами. Ця галузь також досліджує робототехніку, де ШІ інтегрується у фізичні системи для автономного виконання завдань, і комп'ютерний зір, що дозволяє машинам інтерпретувати і приймати рішення на основі візуального введення. Використовуючи такі методи, як глибоке навчання, навчання з підкріпленням і контрольоване навчання, дослідники продовжують розширювати межі можливого, що призводить до прогресу в різних сферах - від автономних транспортних засобів до медичної діагностики. Оскільки системи штучного інтелекту стають дедалі складнішими та інтегруються в різні аспекти життя суспільства, етичні міркування щодо справедливості, підзвітності та прозорості також привертають увагу, гарантуючи, що розвиток технології штучного інтелекту піде на користь людству в цілому.

Який тип навчання передбачає навчання моделі на маркованому наборі даних?

A) Навчання без нагляду.
B) Напівконтрольоване навчання.
C) Навчання з підкріпленням.
D) Навчання під наглядом.

2. Для чого в першу чергу використовується нейронна мережа?

A) Розпізнавання та класифікація образів.
B) Зберігання даних.
C) Написання коду.
D) Мережева безпека.

3. Що означає "надмірна пристосованість" в контексті машинного навчання?

A) Модель, яка добре узагальнює.
B) Модель, яка швидше навчається.
C) Занадто складна модель, яка погано працює на нових даних.
D) Модель без параметрів.

4. Який алгоритм найчастіше використовується для задач класифікації?

A) K- означає кластеризацію.
B) Градієнтний спуск.
C) Генетичні алгоритми.
D) Машини опорних векторів.

5. Яка мета навчання з підкріпленням?

A) Зіставити вхідні дані з вихідними безпосередньо.
B) Для оптимізації лінійних рівнянь.
C) Вивчати поведінку шляхом спроб і помилок.
D) Класифікувати дані за категоріями.

6. Що вимірює "тест Тюрінга"?

A) Енергоспоживання системи.
B) Здатність машини демонструвати інтелектуальну поведінку, еквівалентну людській.
C) Обсяг пам'яті комп'ютера.
D) Швидкість обробки даних на комп'ютері.

7. У чому головна перевага глибокого навчання?

A) Потребує менше даних, ніж традиційні методи.
B) Краще працює з невеликими наборами даних.
C) Легше реалізувати, ніж стандартні алгоритми.
D) Можливість автоматично вивчати функції на основі даних.

8. Що з наведеного нижче є алгоритмом кластеризації?

A) Випадкові ліси.
B) Лінійна регресія.
C) Дерева рішень.
D) "К" означає "К".

9. Що таке "інтелектуальний аналіз даних" у контексті ШІ?

A) Зберігання великих обсягів даних у базах даних.
B) Очищення даних для аналізу.
C) Вилучення шаблонів та інформації з великих наборів даних.
D) Шифрування даних для безпеки.

10. Який тип нейронної мережі найкраще підходить для розпізнавання зображень?

A) Радіальні базисні мережі функцій.
B) Згорткові нейронні мережі (CNN).
C) Рекурентні нейронні мережі (RNN).
D) Прямі нейронні мережі.

11. Який ключовий принцип лежить в основі генетичних алгоритмів?

A) Виживання найбільш пристосованих шляхом еволюції.
B) Сортування за допомогою швидкого сортування.
C) Апроксимація функцій.
D) Ітерація через випадкову вибірку.

12. Що таке "великі дані"?

A) Приватні дані користувачів, зібрані додатками.
B) Великі та складні набори даних, для обробки яких потрібні передові інструменти.
C) Дані, які занадто малі для аналізу.
D) Дані зберігаються в реляційній базі даних.

13. Чим надихається штучна нейронна мережа?

A) Будова та функції людського мозку.
B) Інтернет.
C) Статистичні моделі.
D) Геометричні перетворення.

14. У чому перевага використання набору для валідації?

A) Замінити тестові набори.
B) Оцінити роботу моделі під час навчання.
C) Збільшити обсяг навчальних даних.
D) Щоб зробити моделей щасливішими.

15. Яка популярна бібліотека для машинного навчання на Python?

A) Фляга.
B) Гра в піжмурки.
C) Прекрасний суп.
D) Scikit-learn.

16. Який принцип лежить в основі машин опорних векторів?

A) Максимізація обсягу набору даних.
B) Використання глибинного навчання для класифікації.
C) Пошук гіперплощини, яка найкраще розділяє точки даних.
D) Мінімізація відстані між усіма точками.

17. Що робить "трансферне навчання"?

A) Переміщує програмні додатки між платформами.
B) Передає дані між різними користувачами.
C) Використовує знання, отримані при виконанні одного завдання, для покращення результатів при виконанні пов'язаного завдання.
D) Переносить моделі з одного набору даних на інший без змін.

18. У чому полягає основний виклик у сфері ШІ?

A) Занадто великий суспільний інтерес.
B) Єдині стандарти кодування.
C) Упередженість даних та алгоритмів.
D) Апаратні обмеження.

19. Яка з наведених нижче мов є популярною мовою програмування для ШІ?

A) C++.
B) Асамблея.
C) Пітон.
D) HTML.

20. Наведіть приклад неконтрольованого навчання?

A) Прогнозування
B) Кластеризація
C) Регресія
D) Класифікація

21. Який алгоритм найчастіше використовується для задач класифікації?

A) Генетичні алгоритми
B) Моделювання методом Монте-Карло
C) Градієнтний спуск
D) Дерева рішень

22. Яка загальна метрика оцінки для моделей класифікації?

A) Ентропія
B) Відхилення
C) Пропускна здатність
D) Точність

23. Що з цього є фреймворком глибокого навчання?

A) MySQL
B) Windows
C) TensorFlow
D) Git

24. Яке поняття є ключовим для розуміння машинного навчання?

A) Затримка
B) Пропускна здатність
C) Пропускна здатність
D) Переодягання

25. Що з цього є найпоширенішим застосуванням ШІ?

A) Електронні таблиці.
B) Обробка текстів.
C) Обробка природної мови.
D) Базові арифметичні розрахунки.

26. Який алгоритм зазвичай використовується в навчанні під наглядом?

A) Лінійна регресія.
B) K- означає кластеризацію.
C) Генетичні алгоритми.
D) Навчання з підкріпленням.

27. Що з цього є алгоритмом навчання з підкріпленням?

A) Лінійна регресія.
B) Q-навчання.
C) Машина опорних векторів.
D) K- означає кластеризацію.

Створено з That Quiz — сайт для створення тестів і оцінювання з математики та інших предметів.