Twój wynik: ESI
Analiza
Wszystkie ({{dataStorage.userResults.answersTotal}})
Prawidłowe ({{dataStorage.userResults.answersGood}})
Do powtórki ({{dataStorage.userResults.answersRepeat}})
Błędne ({{dataStorage.userResults.answersBad}})
Pytanie 1
Komputer pozwala formułować i sprawdzać hipotezy dotyczące mózgu
Komputer pozwala formułować i sprawdzać hipotezy dotyczące mózgu
Słaba AI
Wszysto to, czego jeszcze nie potrafią zrobić sztuczne systemy...
AI
Komputer jest w istotny sposób równoważny mózgowi i może mieć stany poznawcze
Silna AI
Pytanie 2
Samouczenie maszynowe lub uczące się systemy to:
Tworzenie baz oraz wykorzystanie technologii semantycznych do przetwarzania
Inżynieria Wiedzy
Wykrywanie nieznanych prawidłowości, tworzenie analogii i modyfikowanie
Big Data
Samouczenie maszynowe lub uczące się systemy
Machine Learning
Pytanie 3
Czym jest sztuczna Inteligencja
Kiedy maszyna (agent) robi coś dobrze
AI jako „działanie racjonalne”
Kiedy maszyna zachowuje się w sposób inteligentny
AI jako działanie ludzkie
Poszukiwanie „praw myślenia”
AI jako „myślenie racjonalne”
Przewidywanie i testowanie zachowania się istot ludzkich i identyfikacja czynności umysłowych
AI jako „myślenie ludzkie
Pytanie 4
Przyporządkuj pytanie do dziedziny nauki będącej jednym z fundamentów AI
Jak się ma język do myślenia?
Lingwistyka
W jaki sposób zbudować wydajne systemy, aby mogły spełniac wymagania AI?
Informatyka
W jaki sposób człowiek myśli i działa
Psychologia
W jaki sposób sztuczny byt może działać i sterować sobą?
Cybernetyka
Pytanie 5
Test Turinga rozstrzyga czy maszynę można zakwalifikować do:
Nie przesądza niczego
Silnej AI
Słabej AI
Pytanie 6
Które z poniższych zagadnień nie należą do kluczowych zagadnień AI?
Rozpoznawanie obrazów
Symulacja komputerowa
Reprezentacja wiedzy
Rozpoznawanie mowy
Pytanie 7
Co to jest klasyfikacja?
Traktowanie wiedzy jako przyporządkowanej informacji
Przyporządkowanie obiektów do danych grup ze względu na ich właściwości
Losowe łączenie narzędzi w grupy
Składanie urządzeń z podzespołów w optymalny sposób
Pytanie 8
Dlaczego AI dla każdego znaczy coś innego?
Ponieważ ta dziedzina nauki bardzo szybko się rozwija i zmienia
To co łatwe dla człowieka, jest trudne dla komputera i odwrotnie.
Książki i filmy przedstawiają roboty jako dobre i złe
Pytanie 9
Kto jako pierwszy zaproponował dla dyscypliny określenie "Artifical Inteligence"
Herbert Simon
John McCarthy
Claude Shannon
Pytanie 10
Dopasuj stosowne definicje wiedzy
W ujęciu potocznym
zbiór doświadczeń i przekonań
W ujęciu filizoficznym
zbiór uzasadnionych przekonań
W ujęciu naukowym
zbiór uzasadnionych empirycznie lub logiczne/matematycznie stwierdzeń
Pytanie 11
Czym różnią się systemy ekspertowe od innych programów?
Oddzielnie logiki aplikacji od modelu
Automatyczny mechanizm wnioskowania
Implementacja zewnętrznego interfejsu eksperta
Szybsze działanie od konwencjonalnych programów
Pytanie 12
Co zapewnia symboliczny zapis wiedzy?
Krótsze czasy przeszukiwania bazy wiedzy
Szybsze sprawdzanie poprawności kolejnych stanów
Uproszczone podejmowanie decyzji
Łatwą analizę poprawności bazy wiedzy
Pytanie 13
Gdzie najczęściej stosujemy systemy ekspertowe?
Na potrzeby krótkotrwałe
Tam gdzie konieczne jest rozumowanie heurystyczne
W dziedzinach niesformalizowanych w sposób jednoznaczny
W sytuacjach wymagających intuicyjnego działania
Pytanie 14
Która z podanych aplikacji nie jest systemem ekspertowym?
Domican
Mycin
Prospector
Gideon
Pytanie 15
Która cecha nie pasuje do systemów ekspertowych?
Ukrywanie sposobu rozwiązania danego problemu
Wykorzystanie przetwarzania symboli
Jawna reprezentacja wiedzy
Rozwiązywanie problemów przez mechanizm wnioskowania
Pytanie 16
Droga hamowania jest długa IF prędkość jest duża
Rozmyta
Klasyczna
Wielowartościowa
Pytanie 17
Droga hamowania jest długa IF prędkość > 100
Wielowartościowa
Rozyta
Klasyczna
Pytanie 18
Jeżeli funkcja przynależności do zbioru rozmytego wynosi A(x), i odpowiednio dla zbioru B ), B(x), to
minimum funkcji przynależności A i B
Iloczyn funkcji przynależności A i B
maximum funkcji przynależności A i B
sumę funkcji przynależności A i B
Pytanie 19
Alternatywa A i B wynosi
Iloczyn funkcji przynależności A i B
minimum funkcji przynależności A i B
maximum funkcji przynależności A i B
sumę funkcji przynależności A i B
Pytanie 20
Kolejność podstawowych procesów wnioskowania rozmytego to:
Rozmywanie, inferencja, wyostrzanie
Wybór reguł ,rozmywanie, wyostrzanie
Rozmywanie, wnioskowanie, wyostrzanie
Rozmywanie, wyostrzanie, wnioskwanie
Pytanie 21
Neuron powinien tak się nauczyć, aby dla podobnych wejść zwracać taki sam sygnał wyjściowy, a dla niepodobnych różne sygnały wyjściowe
bez nauczyciela
z zastosowaniem wzorców
z nauczycielem
Pytanie 22
Neuron poprawnie reaguje na wzorce jeśli sygnał który zwraca dla danego wejścia jest taki sam (z pewną dokładnością) jak oczekiwana wartość
z zastosowaniem wzorców
z nauczycielem
bez nauczyciela
Pytanie 23
Budowa sieci neuronowej. Wybierz odpowiedź, która nie jest prawdziwa.
Sieć neuronowa składa się N warstw ukrytych
Liczba neuronów warstwie wyjściowej zależy od liczby atrybutów decyzyjnych
Liczba neuronów w warstwie wejściowej nie zależy od liczby atrybutów warunkowych w warstwie ukrytej
Sieć neuronowa składa się z pojedynczej warstwy wyjściowej
Sieć neuronowa składa się z pojedynczej warstwy wejściowej
Pytanie 24
Uczenie sieci neuronowej polega na:
Modyfikacji wag syganłów wejściowych sieci
Modyfikacji wag i wartości syganłów wejściowych sieci
Modyfikacji wartości sygnałów wejsciowych
Zmianie parametrów funkcji aktywacji
Pytanie 25
Na ile obszarów można podzielić przestrzeń cech wykorzystując pojedynczy perceptron o n wejściach?
na dwa obszary
na trzy obszary
na n obszarów
nie jest możliwy podział
Pytanie 26
Algorytm uczenia sieci neuronowych jest oparty na
wstecznej propagacji błędów
wstecznej propagacji wag
wstecznej propagacji błedów i wag
Pytanie 27
Jeżeli do danego neuronu przypisanych jest sześć wejść o wartościach (10.0; 5.4; -10.2; -0.1; 101.4; 0.0; 12.0) i warttość funkcji pobudzenia (propagacji) jest wyliczana jak poniżej :
10,0 + 5,4 × 8 + (-10,2) × 5 + (-0,1) × 22 + 101,4 × (-5) + 0,0 × 2 + 12,0 × (-3) = -543,0
Które z danych wejściowych należy zmienić w najmniejszym stopniu, aby zwiększyć wartość funkcji o określoną wartość?
pierwsze
czwarte
trzecie
drugie
Pytanie 28
Oblicz wartość sygnału na wyściu perceptonu z bipolarną funkcją aktywacji dla wejścia jak poniżej
X1=4, W1=-0,5
X2=3 ,W2=0,5
1
-1
2
0
Pytanie 29
Wybierz "filary" głębokiego uczenia:
moc obliczeniowa
tylko architektura sieci neuronowej
modele i algorytmy
dane
Pytanie 30
W których zastosowaiach stosuje sie metodę głębokiego uczenia
rozpoznawanie obiektów (twarzy, emocji), etykietowanie i lokalizacja obiektów
sterowania robotami, samochodami, gry komputerowe
akwizycji wiedzy
automatyczne tłumaczenie, analiza tekstu, mowy, chatboty
Pytanie 31
Dopasuj klasy metod optymalizacji i poszukiwania
Stosowanie zasad, umożliwiających ograniczenie przrestrzeni poszukiwań rozwiązania
Metody heurestyczne
Przypadkowe lub metody oparte na wielokrotnym losowaniu punktu w przestrzeni i zapamiętywaniu najlepszego rozwiązania
Metody stochastyczne
Polegające na rozwiązaniu układu równań (zazwyczaj nieliniowych) otrzymanych przez przyrównanie gradientu funkcji celu do zera
Metody analityczne
Obliczanie wartość funkcji celu, przeglądając wszystkie punkty skończonej przestrzeni np. sprawdzenie po kolei wszystkich rozwiązań
Przeszukiwanie enumeracyjne
Pytanie 32
Dopasuj nastepujące pojęcia do odpowiednich definicji
Nazwa różnych metod wykorzystujących mechanizmy ewolucji
Algorytmy ewolucyjne
Algorytm ewolucyjny z kodowaniem binarnym
Algorytm genetyczny
Zespół osobników zamieszkujących wspólne środowisko i konkurujących o jego zasoby
Populacja
Podstawowa jednostka podlegająca ewolucji, odpowiada przykładowemu rozwiązaniu problemu (punktowi z przestrzeni stanów)
Osobnik
Pytanie 33
Dopasuj do podanych definicji odpowiednie pojęcia dotyczące Algorytmów Ewolucyjnych
Zespół osobników zamieszkujących wspólne środowisko i konkurujących o jego zasoby
Populacja
Algorytm ewolucyjny z kodowaniem binarnym
Algorytm genetyczny
Ogólna nazwa różnych metod wykorzystujących mechanizmy ewolucji
Algorytm ewolucyjny
Jednostka podlegająca ewolucji, odpowiada przykładowemu rozwiązaniu problemu (punktowi z przestrzeni stanów)
Osobnik
Pytanie 34
Dopasuj do podanych definicji pojęcia
Losowa zmiana genotypu danego osobnika
Mutacja
Metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
Ruletka
Tworzenie kolejnego pokolenia osobników poprzez wybór i powielenie części z nich (zwykle lepiej przystosowanych)
Selekcja
Wymiana części genotypu między dwoma osobnikami
Krzyżowanie
Działanie modyfikujące genotyp osobnika lub całą populację
Operator genetyczny
Pytanie 35
Różnice między algorytmami genetycznymi i tradycyjnymi metodami optymalizacyjnymi.
Które stwierdzenie nie jest prawdziwe?
Algorytmy genetyczne korzystają tylko z funkcji celu, nie zaś z jej pochodnych i innych pomocniczych informacji
Algorytmy genetycznie nie przetwarzają bezpośrednio parametrów zadania, lecz ich zakodowaną postać
Poszukiwanie w algorytmach genetycznych odbywa się w wielu punktach jednocześnie (populacja)
Algorytm genetyczny stosuje probabilistyczne metody selekcji
Algorytmy genetyczne korzystają z pochodnych funkcji celu i innych pomocniczych informacji
Pytanie 36
Który operator nie jest podstawowym operatorem genetycznym:
Mutacja
Selekcja
Projekcja
Inwersja
Krzyżowanie
Pytanie 37
Dopasuj cechy agenta programowego do definicji
Agent działa optymalnie ze względu na swoje cele, ale przy ograniczeniu zasobów
Racjonalność
Możliwość przemieszczania się pomiędzy różnymi hostami w sieci
Mobilność
Możliwość interakcji agenta z innymi agentami, użytkownikiem bądź zasobami
Otwartość
Na podstawie wcześniejszych decyzji i obserwacji dokonuje akwizycji wiedzy
Uczenie się
Pytanie 38
Przedstaw paradygmaty podejścia agentowego:
Rezyduje w cyberprzestrzeni jak klasyczny obiekt
Wyspecjalizowany i odporny na błędy samodzielny obiekt
Działa w zastępstwie swoich właścicieli
Możliwość samoreplikacji agentów
Abstrakcyjna forma programowania obiektowego
Pytanie 39
Wybierz cechy dotyczące agenta programowego (zwanego także systemem agentowym lub agentem)
Autonomiczny system umieszczony w otoczeniu (i będący jego częścią)
Działała w zastępstwie swoich właścicieli
Potrafi analizować otoczenie i oddziaływać na nie w czasie
Dąży do wyznaczonych celów i symuluje wpływ zmian otoczenia
Pytanie 40
W procesie nauczania sieci neuronowej Pełne przejście przez wszystkie wzorce uczące nazywane jest:
zakresem uczenia
epoką uczenia
okresem uczenia
Pytanie 41
Czy chatbot jest robotem?
Prawda
Fałsz