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