Podsumowanie testu
ESI
Podsumowanie testu
ESI
Twój wynik
Wszystkie ({{dataStorage.userResults.answersTotal}})
Prawidłowe ({{dataStorage.userResults.answersGood}})
Błędne ({{dataStorage.userResults.answersBad}})
Pytanie 1
Połacz w pary
Komputer pozwala formułować i sprawdzać hipotezy dotyczące mózgu.
Słaba AI
komputer odpowiednio zaprogramowany jest w istotny sposób równoważny mózgowi i może mieć stany poznawcze
Silna AI
Sztuczna inteligencja to tylko to, czego jeszcze nie potrafią zrobić sztuczne systemy.
AI
Pytanie 2
Połacz w pary
Kiedy maszyna (agent) robi coś dobrze
AI jako „działania racjonalne”
Przewidywanie i testowanie zachowania się istot ludzkich i identyfikacja czynności umysłowych
AI jako „myślenie racjonalne”.
Kiedy maszyna zachowuje się w sposób inteligentny
AI jako działanie ludzkie
Poszukiwanie „praw myślenia”
AI jako „myślenie ludzkie”
Pytanie 3
Połacz w pary
W jaki sposób zbudować wydajne systemy, aby mogły spełniać wymagania AI?
Informatyka
W jaki sposób człowiek myśli i działa
Psychologia
W jaki sposób sztuczny byt może działać i sterować sobą?
Cybernetyka
Jak ma się język do myślenia?
Lingwistyka
Pytanie 4
Test Turinga rozstrzyga czy maszynę można zakwalifikować do:
Słabej wersji AI
Silnej wersji AI
Nie przesądza niczego
Pytanie 5
Heurystyka jest rozumiana w zagadnieniach AI jako
Praktyczna strategia poprawiająca efektywność rozwiązywania złożonych problemów
Prowadzi do rozwiązania wzdłuż najkrótszej, najbardziej prawdopodobnej drogi
Umożliwia znalezienie najlepszego rozwiązania
Powinna umożliwić uniknięcie badania tzw. ślepych uliczek
Podaje proste kryterium wyboru kierunków postępowania
Pytanie 6
Czym różnią się systemy ekspertowe od innych programów
Oddzielne logiki aplikacji od modelu
Szybsze działanie od konwencjonalnych programów
Automatyczny mechanizm wnioskowania
Implementacja zewnętrznego interfejsu eksperta
Pytanie 7
Obszary używania logiki predykatów
Ekspertowe systemy
Automatyczne sterowanie robotem
Automatyczne udowodnienie twierdzeń
Inteligentne wydobycie inf (Data mining)
Pytanie 8
Regułowa reprezentacja wiedzy przedstawiana jest w postaci
konkluzja if przesłanki
fakty if reguły
if przesłanki then konkluzja
Pytanie 9
Stwierdzenia to prosty opis bytów (czy są prawdziwe czy fałszywe) i dotyczą
stanów, zdarzeń
reguł
cech, czynności, odczuć
zależności i związków
Pytanie 10
Który element nie wchodzi w skład systemy ekspertowego
szkielet procedur
interfejs użytkownika
dynamiczna baza danych
baza wiedzy
Pytanie 11
Co zawiera baza rad?
Odnośniki do rad
Uporządkowanie pary rad i reguł
Rady przydzielone do faktów
Zbiory rad wykluczalnych
Pytanie 12
Co to jest klasyfikacja?
Traktowanie wiedzy jako przyporządkowanej informacji
Losowe łączenie narzędzi w grupy
Przyporządkowanie obiektów do danych grup ze względu na ich właściwości
Składanie urządzeń z podzespołów w optymalny sposób
Pytanie 13
Która z podanych aplikacji nie jest systemem ekspertowym?
Domican
Prospector
Gideon
Mycin
Pytanie 14
Która cecha nie pasuje do systemów ekspertowych
Jawna reprezentacja wiedzy
Wykorzystanie przetwarzania symboli
Ukrywanie sposobu rozwiązania danego problemu
Rozwiązywanie problemów przez mechanizm wnioskowania
Pytanie 15
Wiedza deklaratywna w systemach ekspertowych to
definicje, klasyfikacje, opis pojęć, rólm relacji
opis procesów i strategii postępowania
metody, algorytmy, procedury
Pytanie 16
Dopasuj rodzaj logiki dla następujących reguł?
Droga hamowania długa IF prędkość > 100
klasyczna
Droga hamowania jest długa IF prędkość jest duża
rozmyta
Pytanie 17
Niepewność wiedzy w SE definiujemy poprzez
współczynnik zaufania eksperta do reguły
prawdopodobieństwo wystąpienia jakiegoś faktu
współczynnik przynależności do zbioru
Pytanie 18
Funkcja przynależności w logice rozmytej określa
Stopień przynależności do danej klasy
Stopień przynależności do zbioru rozmytego
Stopień podziału zbioru rozmytego
Pytanie 19
Kolejność podstawowych procesów wnioskowania rozmytego to:
Rozmywanie, Wnioskowanie, Wyostrzanie
Rozmywanie, Wyostrzanie, Wnioskowanie
Rozmywanie, inferencja, Wyostrzanie
Rozmywanie, Wnioskowanie, inferencja
Pytanie 20
Dopasuj klasy zastosowań sieci neuronowych
Asocjacja
Odtworzenie sygnału oryginalnego pozbawionego zniekształceń
Klasyfikacja
nauka cech i wzorców aby rozpoznać różnice
Aproksymacja
Linearyzacja lub interpolacja sygnałów wyjściowych sieci
Predykacja
określenie stanów systemu na podstawie sygnałów wejściowych
Pytanie 21
Sieci neuronowe stosujemy w sytuacji gdy w rozwiązywaniu problemu zachodzi sytuacja, że
Częściowa znajomość reguł i małą lub średnią złożoność problemu
Mały stopień niewiedzy i małą lub średnią złożoność problemu
Całkowity brak reguł i duża złożoność problemu
Pytanie 22
Jak działa pojedynczy neuron? Która z poniższych odpowiedzi nie jest prawdziwa
Otrzymana suma jest normowana do wartości z przedziału [0,1]
Argumentem funkcji jest otrzymana suma a na wyjście przekazana jest wartośc funkcji
Wejścia mnożone przez wagi są sumowane oraz przekazane do funkcji aktywacji
Wyjścia mnożone przez wagi
Pytanie 23
Uczenie sieci neuronowej polega na
Modyfikacji wag i wartości sygnałów wejściowych sieci
Zmianie parametrów funkcji aktywacji
Modyfikacji wartości sygnałów wejsciowych
Modyfikacji wag sygnałów wejściowych sieci
Pytanie 24
Z jakiej funkcji aktywacji korzysta perceptron?
z unipolarnej funkcji liniowej
z funkcji tangesoidalnej
Z bipolarnej funkcji skokowej
z funkcji wykładniczej
Pytanie 25
Dopasuj do podanych definicji odpowiednie pojęcia
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
Metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
Ruletka
Losowa zmiana genotypu danego osobnika
Mutacja
Pytanie 26
Algorytmy generyczne pozwalają na znalezienie
Dokładnego rozwiązania optymalnego
Przybliżonego rozwiązania optymalnego
Pytanie 27
Który operator nie jest podstawowym operatorem genetycznym
Projekcja
Krzyżowanie
Selekcja
Inwersja
Pytanie 28
Dopasuj klasy metod optymalizacji i poszukiwania
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 wartości funkcji celu, przeglądając wszystkie punkty skończonej przestrzeni np. sprawdzenie po kolei wszystkich rozwiązań
Przeszukiwanie wyczerpujące
Stosowanie zasad, umożliwiających ograniczenie przestrzeni poszukiwań rozwiązania
Metody heurystyczne
Pytanie 29
Dopasuj cechy agenta programowego do definicji
Pozwala na dostosowanie się do zmian w otoczeniu na podstawie doświadczenie zdobytego przez agenta
adaptacyjność
Odzwierciedla cechy mentalne agenta związane z środkami komunikacji i wyrazu
personifikacja
Umożliwia agentowi manifestowanie własnych stanów w postaci emocji
osobowość
Pytanie 30
Dopasuj definicje następujących pojęć
Działanie agenta składa się z prostych operacji, takich jak wysyłanie i odbieranie komunikatów, wykonywanie działań prywatnych oraz aktualizacji modelu mentalnego
Agent_0
Działanie agenta bazuje na zachowaniach ludzkich, w których możemy próbować opisać agenta w oparciu o zestaw poglądów
BDI
Pytanie 31
Dopasuj definicje następujących pojęć
Tworzenie baz oraz wykorzystanie technologii semantycznych do przetwarzania
Big Data
Wykrywanie nieznanych prawidłowości, tworzenie analogii i modyfikowanie
Inżynieria wiedzy
Samouczenie maszynowe lub uczące się systemy
Machine learning
Pytanie 32
Dopasuj rodzaje prototypów systemów ekspertowych
Realizuje pewne cząstkowe zadania
Demonstracyjny
Charakteryzuje się szybkim działaniem
Przemysłowy
Gotowy do produkcji w wymaganej skali
Komercyjny
Przeszedł pełne testowanie
Eksploatacyjny
Realizuje w pełni założone zadania
Użytkowy
Pytanie 33
Co zapewnia symboliczny zapis wiedzy
Łatwą analizę poprawności bazy wiedzy
Uproszczone podejmowanie decyzji
Krótsze czasy przeszukiwania bazy wiedzy
Szybsze sprawdzanie poprawności kolejnych stanów
Pytanie 34
Jakiego elementu nie ma w modelu pojedynczego neuronu
Funkcji przynależności
Sumatora
Wejść i wag dla każdego z wejść
Funkcji aktywacji
Pytanie 35
Na ile obszarów można podzielić przestrzeń cech wykorzystując pojedynczy perceptron o n wejściach
Na trzy obszary
Na dwa obszary
Nie jest możliwy podział
Na n obszarów
Pytanie 36
Oblicz wartość sygnału na wejściu perceptronu z bipolarną funkcją aktywacji dla wejścia poniżej
X1=2,W1=0,5
X2=3.W2,0,5
Pytanie 37
Metoda współczynników pewności zakłada
stopień prawdziwości faktu lub reguły
prawdopodobieństwo danego fakty lub reguły
oszacowanie stopnia pewności eksperta o prawdziwości danej reguły
Pytanie 38
Różnice między algorytmami genetycznymi i tradycyjnymi metodami optymalizacyjnymi.
Które stwierdzenie nie jest prawdziwe
Algorytmy genetyczne korzystają z pochodnych funkcji celu i innych pomocniczych informacji
Algorytm genetyczny stosuje probabilistyczne metody selekcji
Poszukiwanie w algorytmach genetycznych odbywa się w wielu punktach jednocześnie (populacja)
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
Pytanie 39
Przyporządkuj pytanie do dzidziny nauki bedącej jednym z fundamentów AI
W jaki sposób mózg przetwarza informacje
Neurobiologia
Jakie sa formalne zasady wnioskowania
Matematyka
Jakie podejmowaqć decyzje maksymalizujące wyniki działań
Ekonomia
Skąd bierze się wiedza
Filozofia
Pytanie 40
Które z poniższych zagadnień nie należą do kluczowych zagadnień AI
Rozpoznawanie obrazów
Rozpoznawanie mowy
Reprezentacja wiedzy
Symulacja komputerowa
Pytanie 41
Czy chatbot jest robotem
Fałsz
Pytanie 42
Dopasuj stosowne definicje wiedzy
W ujęciu potocznym
zbiór doświadczeń i przekonań.
W ujęciu naukowym
zbiór uzasadnionych empirycznie lub logicznie/ matematycznie stwierdzeń
w ujęciu filozoficznym
zbiór uzasadnionych przekonań
Pytanie 43
Kto jako pierwszy zaproponował dla dyscypliny określenie “Artifical Inteligence
Herber Simon
Claude Shannon
John McCarthy
Pytanie 44
Które niżej wymienionych metod należą do symbolicznych metod reprezentacji wiedzy
Ontologie
Metody oparte na algorytmach genetycznych
Metody bazujące na zastosowaniu logiki
Metody oparte na ramach
Pytanie 45
Jaki typ wiedzy reprezentuje baza modeli
Logiczny
Matematyczny
Wyjaśniający
Informatyczny
Pytanie 46
Jakie są rodzaje wnioskowania w systemach ekspertowych
mieszane
w bok
w głąb
Do tyłu
w przód
Pytanie 47
Logika rozmyta odzwierciadla sposób w jaki “myślą
ludzie
maszyny
systemy
Pytanie 48
Stopniowanie rozmywania pojęć np. długi, bardzo długi itp. modelujemy poprzez
Zmianę wartości wykładnika w wykładniczej funkcji przynależności
Zmianę wartości podstawy w wykładniczej funkcji przynależności
Pytanie 49
Dopasuj elementy obliczeń neuronowych do przetwarzania klasycznego
Przetwarzanie sekwencyjne:
obliczenia równoległe
Załadowanie programu do pamięci operacyjnej
rozproszenie wartości wag i progów
Pytanie 50
Budowa sieci neuronowej. Wybierz odpowiedź, która nie jest prawdziwa.
Liczba neuronów w warstwie wejściowej nie zależy od liczby atrybutów warunkowych w warstwie ukrytej
Sieć neuronowa składa się N warstw ukrytych
Sieć neuronowa składa się z pojedynczej warstwy wyjściowej
Sieć neuronowa składa się z pojedynczej warstwy wejściowej
Liczba neuronów warstwie wyjściowej zależy od liczby atrybutów decyzyjnych
Pytanie 51
Algorytm uczenia sieci neuronowych jest oparty na
wstecznej propagacji błędów
wstecznej propagacji błędów i wag
wstecznej wag
Pytanie 52
Nauczanie sieci neuronowej z zastosowaniem algorytmu wstecznej propagacji błedu wymaga aby
funkcja aktywacji była
liniowa
ciągła
nieliniowa
różniczkowalna
Pytanie 53
Przedstaw paradygmaty podejścia agentowego
Możliwość samoreplikacji agentów
Wyspecjalizowany i odporny na błędy samodzielny obiekt
Abstrakcyjna forma programowania obiektowego
Działa w zastępstwie swoich właścicieli
Rezyduje w cyberprzestrzeni jak klasyczny obiekt
Pytanie 54
Kolejnośc procesów w algorytmie genetycznym to
Ocena nowej populacji, wykonanie operatorów genetycznych, generowanie populacji
Generowanie populacji, ocena populacji, wykonanie operatorów genetycznych
Generowanie populacji, wykonanie operatorów genetycznych, ocena populacji
Pytanie 55
Kto zajmuje się ekstrakcją wiedzy od ekspertów
Inżynierowie wiedzy
Programiści
Kogniwistycy
Inżynierowie systemów
Pytanie 56
Jakie systemy mają najszersze zastosowanie
Doradcze
Krytykujące
Podejmujące decyzje bez kontroli człowieka
Autonomiczne
Pytanie 57
Jezeli funkcja przynalezności do zbioru rozmytego wynosi µA(x), i odpowiednio dla zbioru B ), µB(x), to
Koniunkcja A i B wynosi
iloczyn
Alternatywa A i B wynos
suma
Pytanie 58
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 59
Jaka część systemu może komunikować się z dynamiczną bazą wiedzy
Interfejs użytkownika
System wnioskujący
Plik z faktami
Procedury wyjścia
Pytanie 60
Co w ogólnej formule wnioskowania P1^P2^ ^Pn -> W oznacza P
Przesłanki
Połączenia
Procedury
Pobieranie