Теории и системы искусственного интеллекта / Промежуточные тесты (Темы 1-6) + Итоговый тест + Компетентностный тест / Синергия / МТИ / МосАП. Самый полный сборник на отлично! 100 из 100 баллов

????Теории и системы искусственного интеллекта

/ Промежуточные тесты (Темы 1-6) + Итоговый тест + Компетентностный тест / Синергия / МТИ / МосАП. Самый полный сборник на отлично! 100 из 100 баллов

УЧЕБНЫЕ МАТЕРИАЛЫ

Текущие

Введение в курс

Тема 1. История развития искусственного интеллекта

Тема 2. Основные концепции искусственного интеллекта

Тема 3. Источники и типы данных

Тема 4. Высокие технологии искусственного интеллекта

Тема 5. Аппаратные средства для искусственного интеллекта

Тема 6. Будущее искусственного интеллекта

Заключение

Итоговая аттестация


Тема 1. История развития искусственного интеллекта

Этап развития искусственного интеллекта (ИИ) в период 1980-е – 2010-е гг. можно обозначить как …

глубокое обучение

машинное обучение

символьный ИИ

объяснимый ИИ

Период «символьного искусственного интеллекта» характеризуется …

использованием многослойных нейронных сетей

созданием систем на основе логических правил и знаний

применением статистических методов

Исследователь изучает этапы развития искусственного интеллекта (ИИ) и отмечает, что в конце 1980-х – начале 1990-х годов произошло снижение интереса и финансирования в области ИИ из-за переоцененных ожиданий и технических ограничений.

Что послужило причиной кризиса в период, известный как «зима ИИ»?

Активное развитие глубокого обучения и нейронных сетей

Ограниченность возможностей экспертных систем и недостаток вычислительных ресурсов

Высокая стоимость реализации новых технологий ИИ

Отсутствие перспектив использования ИИ в промышленности

Подход в развитии искусственного интеллекта (ИИ), который является характерным для этапа с 2010 г. по настоящее время, – …

символьный ИИ

машинное обучение

глубокое обучение

Расположите основные свойства интеллектуальных информационных систем (ИИС) в порядке от базового к наиболее сложному:

1 надежность

2 обучаемость

3 адаптивность

4 автономность

5 объяснимость

Экспертные системы, разработанные в 1980-90-х гг., основывались на логических ..., что позволяло им принимать решения в узких предметных областях

Говоря о ключевых особенностях и этапах развития искусственного интеллекта (ИИ), можно утверждать, что … (укажите 3 варианта ответа)

термин «искусственный интеллект» был впервые введён в 1956 году на Дартмутской конференции

символьный ИИ в основном базировался на статистических методах и больших данных

машинное обучение стало доминирующим подходом в период с 1980-х по 2010-е гг.

глубокое обучение использует многослойные нейронные сети для решения сложных задач

экспертные системы легко масштабировались и не имели ограничений в применении

современные системы не уделяют большого внимания объяснимости решений искусственного интеллекта

Расположите этапы развития искусственного интеллекта (ИИ) в хронологической последовательности:

1 появление первых ИИ-программ, таких как Logic Theorist и General Problem Solver

2 введение термина «искусственный интеллект» на Дартмутской конференции

3 сомнения в возможностях развития технологии и «зима ИИ» из-за ограничений экспертных систем

4 возрождение ИИ благодаря алгоритмам машинного обучения

5 начало эпохи глубокого обучения

Сопоставьте ключевые свойства интеллектуальных информационных систем с их определениями:

A. Адаптивность

B. Обучаемость

C. Автономность

D. Объяснимость

E. Надежность

F. способность изменять поведение в зависимости от условий

G. улучшение на основе накопленного опыта

H. способность работать без постоянного участия человека

I. способность объяснять принимаемые решения

J. устойчивое и безошибочное функционирование

Говоря о данных и знаниях в контексте искусственного интеллекта (ИИ), можно утверждать, что ... (укажите 3 варианта ответа)

данные - это всегда структурированная информация, готовая к использованию без дополнительной обработки

знания - это организованная и интерпретированная информация, помогающая принимать решения

преобразование данных в знания включает этапы сбора, очистки, анализа и интерпретации данных

полностью неструктурированные данные не могут применяться в системах искусственного интеллекта

онтологии и семантические сети - это методы представления знаний в ИИ-системах

знания и данные можно использовать взаимозаменяемо в построении интеллектуальных систем

Тема 2. Основные концепции искусственного интеллекта

Расположите в правильном порядке основные этапы интеллектуального анализа данных:

1 определение задачи

2 сбор данных

3 предварительная обработка данных

4 анализ данных

5 оценка результатов

Расположите в правильной последовательности этапы решения задачи с помощью искусственного интеллекта:

1 формулировка задачи

2 анализ характеристик данных

3 выбор метода решения задачи

4 реализация и применение метода решения задачи

... увеличивает объяснимость и прозрачность решений в сфере искусственного интеллекта

Метод глубоких сверхточных нейронных сетей

Метод Explainable Al (XAI)

Кластеризация методом k-means

Сопоставьте подходы к обучению искусственного интеллекта с их характеристиками:

A. Управляемое обучение

B. Неуправляемое обучение

C. Полуавтоматическое обучение

D. использует только размеченные данные

E. ориентировано только на неразмеченные данные

F. использует размеченные и неразмеченные данные

Технологии Data Mining и Natural Language Processing (NLP) активно используются в таких областях, как ... (укажите 3 варианта ответа)

маркетинг

производство

метеорология

диагностика в медицине

геологическая разведка

Установите соответствие между методами представления знаний и их применением:

A. Логические модели

B. Семантические сети

C. Фреймы

D. экспертные системы

E. системы поиска информации

F. системы моделирования, базы данных

В машинном обучении и искусственном интеллекте используется такой логический процесс, как индуктивный вывод.

Что характеризует индуктивный вывод в искусственном интеллекте?

Гарантированная истинность заключений

Формирование общих закономерностей на основе обобщения данных

Движение от общего к частному

Алгоритм АЛ в эвристическом поиске использует функцию оценки f(n), которая складывает стоимость пути g(n) и ... функцию h(n), оценивающую расстояние до цели

Сопоставьте алгоритмы поиска с их характеристиками:

A. Поиск в ширину (BFS)

B. Поиск в глубину (DFS)

C. Эвристический поиск (A*)

D. полностью исследует каждый уровень

E. максимально глубоко изучает одну ветвь дерева

F. использует функцию оценки перспективности

В управляемом обучении модель обучается на ... данных, где каждому входу соответствует известный правильный выход

Тема 3. Источники и типы данных

Сопоставьте методы маркировки данных с их характеристиками:

A. Ручная маркировка

B. Полуавтоматическая маркировка

C. Автоматическая маркировка

D. высокая точность, но маркировка дорогая и медленная

E. баланс между скоростью и качеством

F. быстрая маркировка, но может содержать ошибки

Нужно преобразовать значения признака x так, чтобы они находились в диапазоне от 0 до 1, сохраняя при этом относительные пропорции между значениями. Это делается для улучшения обучения моделей машинного обучения, чтобы исключить влияние масштаба признаков. Необходимо математически выразить нормализацию признака в диапазоне [0, 1] по методу min-max. Какая формула для этого используется?

Процесс предварительной обработки данных включает в себя ...

удаление шумов, нормализацию и кодирование признаков

построение сложных моделей

сбор больших объемов неструктурированных данных

анализ результатов научных экспериментов

Преимуществами полуструктурированных данных являются ...

высокая скорость обработки и стандартизация

гибкость структуры и масштабируемость

трудность парсинга и анализа

Первичные источники данных - это ...

данные, сгенерированные моделями и симуляциями

результаты обработки первых данных

непосредственное измерение характеристик объектов (сенсоры, ручной ввод)

обработанные отчеты и агрегированные базы

К проблемам при работе с данными следует отнести...

стандартизацию данных

пропуски и шум

использование современных алгоритмов

кодирование категориальных признаков

Установите соответствие типов данных и их примеров:

A. Структурированные данные

B. Полуструктурированные данные

C. Неструктурированные данные

D. SQL-базы

E. XML, JSON

F. изображения и видео

Такой метод дополнения данных, как ..., применяется для устранения несбалансированности классов

очистка данных

метод SMOTE (synthetic minority oversampling technique)

кодирование категориальных признаков

регуляризация

Методы машинного обучения и глубокого обучения ... данных

чаще всего применяются для структурированных

чаще всего применяются для полуструктурированных

чаще всего применяются для неструктурированных

одинаково часто применяются для всех типов

Сопоставьте технологии хранения данных с их типами:

A. Реляционные системы управления базами данных (MySQL, PostgreSQL)

B. Базы данных NoSQL (MongoDB, CouchDB)

C. Облачные хранилища, файловые системы

D. структурированные данные

E. полуструктурированные данные

F. неструктурированные данные

Тема 4. Высокие технологии искусственного интеллекта

Сопоставьте парадигмы машинного обучения с их характеристиками:

A. Обучение с учителем

B. Обучение без учителя

C. Обучение с подкреплением

D. работа с размеченными данными

E. работа с неразмеченными данными

F. обучение с помощью наград и штрафов

Машинное обучение (ML) в контексте искусственного интеллекта - это ...

алгоритмы для автоматизации механических операций

методы, позволяющие системе обучаться на данных и улучшать производительность

обработка графических изображений

аппаратное ускорение вычислений

Расположите в правильном порядке стадии работы мобильного робота:

1 сбор данных с сенсоров

2 построение модели окружающей среды

3 принятие решений

4 управление приводами

... - это сокращенное английское название функции активации, которая широко используется в скрытых слоях глубоких нейронных сетей для борьбы с исчезающими градиентами

В основе роевого интеллекта лежит принцип ...

централизованного управления и координации агентов

локального взаимодействия агентов без центрального контроля

полного отсутствия взаимодействия между агентами

обучения с учителем на больших данных

Алгоритм, имитирующий поведение координированного коллектива простых агентов с локальными взаимодействиями, называется ... интеллектом

В числе основных компонентов экспертной системы – … (укажите 2 варианта ответа)

глубокая нейронная сеть

база знаний

механизм вывода

алгоритмы кластеризации

обучающая выборка

Установите соответствие между типами гибридных искусственных нейронных сетей (ИНС) и их характеристиками:

A. Нейро-нечеткие сети

B. Нейро-генетические сети

C. Нейро-эволюционные сети

D. Комбинированные нейронные сети

E. интегрируют методы нечеткой логики с нейронными сетями для работы с неопределенностью и нечеткими данными.

F. используют генетические алгоритмы для обучения весов нейронной сети

G. используют эволюционные алгоритмы для оптимизации архитектуры и весов нейронной сети

H. объединяют несколько нейронных сетей, обученных разными способами или на разных подмножествах данных, для повышения точности и устойчивости

Многоагентная система (МАС) - это ...

набор автономных агентов, взаимодействующих для решения задач

одно целое устройство с единой целью

класс квантовых моделей искусственного интеллекта

технология мультизадачного обучения

Квантовые вычисления предполагают ...

обработку аналитических данных на классических компьютерах

использование свойств квантовой суперпозиции и запутанности для вычислений

использование метода сжатия данных

использование классических методов обучения без учителя

Тема 5. Аппаратные средства для искусственного интеллекта

Расположите в правильном порядке этапы работы полнофункциональной ИИ-системы:

1 сбор и цифровизация данных датчиками

2 предварительная обработка данных методом edge computing

3 тренировка и инференс (или анализ и распознавание паттернов)

4 принятие решений и действия

Сопоставьте этапы эволюции аппаратной поддержки искусственного интеллекта с соответствующими периодами времени:

A. Универсальные процессоры (центральный процессор CPU)

B. Графические процессоры (GPU)

C. Специализированные ускорители (TPU, NPU, FPGA)

D. 1950-е –1980-е гг.

E. 2000-е – 2010-е гг.

F. 2010-е гг. – настоящее время

Сопоставьте уровни вычислений в распределенной архитектуре искусственного интеллекта (ИИ) с их характеристиками:

A. Центры обработки данных (ЦОД)

B. Шлюзы (Gateways)

C. Конечные устройства (Edge devices)

D. высокая вычислительная мощность, высокая задержка, низкая автономность

E. средняя мощность, низкая задержка, средняя автономность

F. ограниченная мощность, очень низкая задержка, высокая автономность

Расчет производительности системы полнофункциональных вычислений ведется по формуле ... (где Р- итоговая производительность; С - количество вычислительных ядер; F - частота тактового сигнала ядра; Е - эффективность использования ресурсов)

Р = С х F х Е

Р = С х F: Е

Р = (F х Е) : С

Исследователь анализирует эволюцию аппаратных средств для искусственного интеллекта (ИИ) и отмечает переход от универсальных процессоров к специализированным ускорителям в XXI веке.

Что стало ключевой причиной появления специализированных ускорителей, таких как TPU и NPU?

Необходимость снижения стоимости вычислительных систем

Повышенные требования к энергоэффективности и масштабируемости при обучении сложных моделей

Уменьшение объемов обрабатываемых данных

Появление новых универсальных языков программирования для ИИ

За матричные умножения отвечает такой основной компонент архитектуры специализированных ускорителей TPU, как ...

Host CPU

Tensor Core Matrix Units

Activation Units

Memory Controller

Для ускорения обучения нейросетей и выполнения операций матричного умножения компания Google разработала специализированный тензорный процессор, английское сокращенное название которого -...

В числе характерных особенностей нейроморфных процессоров применительно к искусственному интеллекту - ...

высокое энергопотребление

имитация работы биологических нейронных сетей и асинхронная обработка данных

универсальная архитектура для любых вычислений

использование только центрального процессора CPU

В числе основных преимуществ вычислений на уровне конечных устройств (Edge Al) - ... (укажите 2 варианта ответа)

минимальная задержка

защита конфиденциальности

снижение затрат на передачу данных

повышение автономности устройств

Сопоставьте типы процессоров для искусственного интеллекта (ИИ) с их характерными особенностями:

A. CPU

B. GPU

C. TPU

D. выполняют универсальные задачи, имеют низкую скорость обучения

E. имеют высокую скорость обучения, выполняют большие параллельные операции

F. оптимизированы под TensorFlow для выполнения матричных операций

Тема 6. Будущее искусственного интеллекта

Сопоставьте технологические проблемы искусственного интеллекта с возможными путями их решения:

A. Переобучение моделей

B. Непрозрачность алгоритмов

C. Зависимость от больших данных

D. аугментация данных и регуляризация

E. методы explainable AI (XAI)

F. обучение по нескольким примерам (Fewshot learning)

Одной из основных этических проблем в области искусственного интеллекта является ..., которая проявляется, например, в системах распознавания лиц с меньшей точностью для лиц с темным оттенком кожи или в системах, связанных с отбором по половому признаку

Установите соответствие между примером практического применения искусственного интеллекта и соответствующей отраслью:

A. Автоматизированная диагностика по компьютерной томографии (КТ)

B. Мониторинг лесов с помощью беспилотных летательных аппаратов (БПЛА)

C. Оптимизация расписания работы судов

D. медицина

E. экология

F. правосудие

Экономический прирост отрасли AV при внедрении искусственного интеллекта рассчитывается по формуле (где: а -коэффициент влияния искусственного интеллекта, PAI - уровень проникновения искусственного интеллекта, Gsector - рост отрасли или ключевой фактор роста в отрасли)

ΔV= α × (PAI × Gsector)

ΔV= (PAI × Gsector) : α

ΔV= α × (PAI : Gsector)

ΔV= α × (PAI – Gsector)

Неверно, что к основным принципам этичного искусственного интеллекта относится такой принцип, как ...

прозрачность

автоматизация

конфиденциальность

недискриминация

Исследователь анализирует перспективные направления развития искусственного интеллекта (ИИ) и отмечает усиление внимания к вопросам этики и прозрачности алгоритмов.

Какой принцип является ключевым для создания этичного ИИ?

Максимальная производительность и скорость обработки данных

Ограничение доступа к данным для минимизации обучающих выборок

Объяснимость и справедливость принимаемых решений

Полная автономия системы без вмешательства человека

Сопоставьте типы экспертов в области искусственного интеллекта (ИИ) с их деятельностью:

A. Исследователь ИИ

B. Инженер по MLOps

C. Этический консультант

D. разработка новых нейросетевых архитектур

E. автоматизация развертывания и мониторинга моделей

F. разработка стандартов этики для ИИ

Система искусственного интеллекта, которая допускала дискриминацию в процессе принятия решений, - ...

система подбора персонала Amazon

автоматический переводчик Google

навигатор для маршрутизации транспорта

голосовой ассистент

... - это перспективный технологический тренд в области искусственного интеллекта, направленный на достижение прозрачности и интерпретируемости решений

Объяснимый искусственный интеллект (XAI)

Квантовые вычисления

Генетические алгоритмы

Машинное зрение

Сопоставьте ключевые отрасли применения искусственного интеллекта (ИИ) с примерами российских компаний, применяющих ИИ в своей работе:

A. Медицина

B. Финансы

C. Транспорт

D. «СберМедИИ», «2К-Скан»

E. «Сбербанк», «ЮМани»

F. «Яндекс.Авто», «КамАЗ ADAS»

Расположите в правильном порядке этапы построения простейшей модели предиктивной аналитики:

1 создание набора данных

2 инициализация модели линейной регрессии

3 обучение модели

4 предсказание вероятности поломки

Основная задача специализированных ускорителей TPU в контексте искусственного интеллекта - ...

обработка текстовых данных

выполнение операций над тензорами

рендеринг графики

управление процессами обработки данных

Можно выделить такие основные принципы этичного искусственного интеллекта, как ... (укажите 3 варианта ответа)

прозрачность

автономия системы

недискриминация

защита личной информации

Искусственный интеллект (ИИ) - это ...

компьютерная программа, выполняющая простые и сложные команды

область науки, занимающаяся созданием систем, способных выполнять задачи, требующие человеческого интеллекта

способ обработки больших данных

технология обработки текстовой и графической информации

К основным функциям шлюзов в архитектуре AI следует отнести ... (укажите 2 варианта ответа)

агрегацию данных

обработку изображений

снижение задержек

сбор данных

Говоря о влиянии, которое искусственный интеллект оказывает на отрасли экономики, следует отметить ...

увеличение затрат на рабочую силу

оптимизацию процессов и снижение затрат

сложности в управлении ресурсами

увеличение числа рабочих мест

В числе характеристик нейроморфных процессоров - ... (укажите 2 варианта ответа)

энергоэффективность

работа с большими объемами данных

асинхронная обработка событий

высокая вычислительная мощность

Говоря о тесте Тьюринга, можно утверждать, что он ...

оценивает способность к самообучению

проверяет уровень интеллекта человека

идентифицирует степень сходства между машиной и человеком

не имеет отношения к искусственному интеллекту

Согласно наиболее корректному определению, данные - это ...

физические объекты, используемые в вычислениях

цифровые представления событий, процессов или состояний объектов реального мира

алгоритмы, использующиеся для анализа информации

текстовая информация, используемая в обработке

Так называемые «зимы искусственного интеллекта (ИИ)» - это ...

периоды активного финансирования исследований в области ИИ

периоды спада интереса и финансирования в области ИИ

этапы, когда ИИ успешно использовался в промышленности

периоды открытых научных конференций по ИИ

В числе основных требований к вычислительным системам для искусственного интеллекта - ... (укажите 2 варианта ответа)

высокая скорость операций

низкие энергозатраты

способность обрабатывать большие объемы данных

простота в использовании

Преимуществом использования глубокого машинного обучения является ...

обработка больших объемов структурированных данных

автоматическое извлечение признаков из данных

понимание простых моделей

применение технологии в реальном времени

На оценку производительности систем для искусственного интеллекта согласно формуле Р = С x F х Е влияют такие параметры, как ... (укажите 3 варианта ответа)

количество ядер

тактовая частота

эффективность использования ресурсов

объем оперативной памяти

Современная аппаратная платформа NVIDIA DGX оснащена GPU серии ... и высокоскоростной сетью передачи данных

Такой тип анализа данных, как ..., подходит для полуструктурированных данных

классические статистические методы

машинное обучение

SQL-запросы

парсинг и преобразование данных

Искусственная нейронная сеть состоит из входного слоя, скрытых слоев и ... слоя

Метод обучения, в котором для создания модели используются размеченные данные, - это ...

обучение без учителя

обучение с подкреплением

обучение с учителем

полуавтоматическое обучение

Для работы с неструктурированными данными часто применяются методы обработки естественного ... (NLP)

... данные - это формат данных, который содержит метаданные или теги, позволяющие сохранять гибкую структуру

Сопоставьте типы аппаратных средств с их основными назначениями:

A. CPU

B. GPU

C. FPGA

D. ASIC

E. универсальные задачи

F. параллельные вычисления

G. легкие вычислительные задачи

H. специализированные однозадачные решения

Сопоставьте ключевые направления развития искусственного интеллекта (ИИ) с их описаниями:

A. Этичный ИИ

B. Объяснимый ИИ

C. Самообучающиеся системы

D. Квантовый ИИ

E. ИИ, который стал частью сложной социальной системы

F. модели, обеспечивающие прозрачность решений

G. системы, обучающиеся без необходимости размеченных данных

H. алгоритмы, способные к экспоненциальному ускорению

Сопоставьте источники данных с их описаниями:

A. Первичные источники

B. Вторичные источники

C. Синтетические источники

D. непосредственное измерение характеристик объектов

E. данные, полученные на основе обработки данных непосредственных измерений

F. данные, сгенерированные моделями и симуляциями

Сопоставьте уровни искусственного интеллекта (ИИ) с их описаниями:

A. Узкий (слабый) ИИ

B. Общий (сильный) ИИ

C. Искусственный сверхинтеллект

D. ИИ, решающий ограниченный набор задач (например, распознавание лиц)

E. гипотетическая система, способная решать любые задачи на уровне человека

F. теоретический уровень интеллекта, превышающий человеческий

Сопоставьте примеры наборов данных с их назначением:

A. MNIST

B. RuSentiment

C. OpenCorpora

D. Credit Card Fraud Detection Dataset

E. распознавание рукописей

F. анализ тональности

G. лингвистический анализ

H. выявление мошенничества

Расположите в порядке возрастания приоритетности (от наиболее важной к менее важным) основные проблемы искусственного интеллекта:

1 этические проблемы

2 технологические проблемы

3 социальные проблемы

4 экономические проблемы

Расположите ранние результаты использования искусственного интеллекта в медицине в хронологическом порядке их реализации:

1 автоматизация диагностики

2 предиктивные модели

3 персонализированная медицина

Сопоставьте типы алгоритмов поиска с их характеристиками:

A. Поиск в ширину

B. Поиск в глубину

C. Эвристический поиск

D. гарантирует нахождение кратчайшего пути

E. исследует одну ветвь до конца

F. использует эвристическую функцию для оценки

Расположите в правильном порядке важные вехи развития искусственного интеллекта (ИИ):

1 знакомство общества с понятиями «модель» и «алгоритм»

2 создание первой нейронной сети

3 разработка экспертных систем

4 Первый международный конгресс по искусственному интеллекту

Упорядочьте основные направления искусственного интеллекта по усложнению и хронологии развития:

1 машинное обучение (ML)

2 глубокое обучение (DL)

3 обработка естественного языка (NLP)

4 робототехника

Сопоставьте этапы эволюции аппаратной поддержки искусственного интеллекта с их характеристиками:

A. Универсальные процессоры

B. Графические процессоры (GPU)

C. Специализированные ускорители (TPU, NPU)

D. универсальность в вычислительных задачах

E. параллельная обработка

F. высокая энергоэффективность

Сопоставьте платформы для глубокого обучения с их основными характеристиками:

A. AWS SageMaker

B. Google Vertex AI

C. Microsoft Azure ML

D. расширенные возможности MLOps

E. нативная поддержка для работы с TPU

F. интеграция в корпоративные среды

Основное преимущество неструктурированных данных-это ...

высокая скорость обработки

гибкость структуры

богатство информации

стандартизация данных

Вычислительный узел в инфраструктуре глубокого обучения обычно оснащается графическим процессором типа ... для ускорения обучения моделей

При использовании искусственного интеллекта могут возникнуть такие технологические проблемы, как ... (укажите 2 варианта ответа)

переобучение моделей

непрозрачность алгоритмов

перегрузка человеческими данными

высокая степень интерпретируемости

Квантовые вычисления в контексте искусственного интеллекта открывают перспективы экспоненциального ... процессов оптимизации и поиска

Искусственный интеллект - это междисциплинарная область ... и технологий, направленная на создание компьютерных систем, способных выполнять задачи, которые традиционно требуют человеческого интеллекта

... - это алгоритм, который применяется для классификации в задачах машинного обучения

Дерево решений

Генетический алгоритм

Кластеризация

Нейронная сеть

Машинный перевод является примером использования такого метода, как ...

классификация

обработка естественного языка (NLP)

регрессия

снижение размерности

К применению искусственного интеллекта в здравоохранении относятся задачи по ...

обработке текстовых данных

автоматической диагностике заболеваний

модернизации оборудования

оптимизации производства

Проект ... в области искусственного интеллекта способствовал повышению интереса к глубокому обучению

ELIZA

Watson

AlphaGo

GPT

... - это базы данных, которые обычно используют для хранения структурированных данных

NoSQL

Реляционные системы управления базами данных (СУБД)

Файловые системы

Облачные хранилища

Основным катализатором восстановления интереса к изучению искусственного интеллекта в 21 в. стали ...

междисциплинарные исследования

открытия в области квантовой физики

работы в области философии

Пример применения обучения с подкреплением - ...

рекомендательный сервис

автономный робот

классификация изображений

прогнозирование временных рядов

Основная проблема, связанная с работой с данными, - это ...

высокая скорость анализа

защита данных от утечек

пропуски в данных

большие объемы структурированных данных

Сопоставьте источники данных с их описаниями:

A. Первичные источники

B. Вторичные источники

C. Синтетические источники

D. непосредственное измерение характеристик объектов

E. данные, полученные на основе обработки данных непосредственных измерений

F. данные, сгенерированные моделями и симуляциями

Расположите в правильном порядке этапы работы искусственного интеллекта:

1 сбор данных

2 обработка данных

3 обучение модели

4 применение модели

Для многоагентных систем (МАС) характерно ...

централизованное управление

отсутствие взаимодействия между агентами

принятие децентрализованных решений на основе взаимодействий

использование только жестких алгоритмов

Сопоставьте типы нейронных сетей с их применением:

A. Свёрточные нейронные сети (CNN)

B. Рекуррентные нейронные сети (RNN)

C. Полносвязные нейронные сети

D. распознавание изображений

E. обработка последовательных данных

F. общие задачи классификации

Сопоставьте технологии с их особенностями:

A. Квантовые технологии

B. Нанотехнологии

C. Искусственные нейронные сети

D. технология, использующая явления квантовой физики для реализации новых вычислительных и коммуникационных возможностей

E. технология создания и манипулирования материалами и устройствами на атомарном и молекулярном уровне

F. моделирование когнитивных процессов

В 1956 г. на ... конференции был впервые введен термин «искусственный интеллект»

Одним из основателей области искусственного интеллекта был ...

Алан Тьюринг

Джон Маккарти

Дуглас Хартри

Норберт Винер

Основные компоненты экспертной системы - это ...

алгоритмы глубокого обучения и объемные базы данных

база знаний и механизм вывода

системы автоматического управления и база знаний

объемные базы данных и системы автоматического управления

Количественно оценить потенциальные угрозы внедрения искусственного интеллекта позволяет индекс ...

развития

риска

устойчивости

выполнения

Ключевым фактором улучшения моделей искусственного интеллекта (ИИ) в 2010-х гг. стало ...

увеличение объемов доступных данных

уменьшение сложности алгоритмов

падение интереса к ИИ

увеличение числа специалистов в области ИИ

Методом решения задач в классическом искусственном интеллекте является ... метод, который использует способ рассуждения от общего к частному

Такой метод, как ..., используется для минимизации значения функции потерь в нейронных сетях

деревья решений

градиентный спуск

метод главных компонент

алгоритм к-средних

Говоря о том, существует ли унифицированная международная норма по регулированию технологий искусственного интеллекта, можно утверждать, что ...

такая норма уже полностью реализована

разработка такой нормы еще в процессе

разработка такой нормы пока что только в проекте, и на сегодняшний день лишь частично согласованы рекомендации по ней

разработка такой нормы на сегодняшний день неактуальна

... относится к эволюционным алгоритмам

Алгоритм SVM

Алгоритм А*

Генетический алгоритм

Метод к-средних

Для экспертов в области искусственного интеллекта необходимы ... (укажите 3 варианта ответа)

технологические навыки

знания из области права

знания из области гуманитарных наук

только специализированные знания по математике

Сопоставьте важнейшие события в истории искусственного интеллекта и соответствующие годы:

A. Создание шахматной программы Deep Blue

B. Презентация термина «искусственный интеллект»

C. Разработка первой нейронной сети

D. Предложение идеи теста Тьюринга

E. 1997 г.

F. 1956 г.

G. 1958 г.

H. 1950 г.

Расположите типы процессоров для задач искусственного интеллекта в порядке возрастания уровня их вычислительной мощности (от низкой к высокой вычислительной мощности):

1 CPU

2 нейроморфные процессоры

3 GPU

4 TPU

Сопоставьте примеры применения искусственного интеллекта с соответствующими отраслями:

A. Автономное вождение

B. Системы адаптивного обучения

C. Оценка кредитного риска

D. транспорт

E. образование

F. финансы

Сопоставьте примеры применения искусственного интеллекта с соответствующими отраслями:

A. Автоматизированная диагностика

B. Прогнозирование загрязнения

C. Оценка риска рецидива

D. Персонализированная медицина

E. медицина

F. экология

G. правосудие

H. образование

Для решения проблемы недостатка обучающих данных в сфере искусственного интеллекта существуют такие перспективные направления, как ... (укажите 2 варианта ответа)

аугментация данных

регуляризация

обучение на обогащенных выборках

использование виртуальных машин

Неверно, что ... является частью процесса обучения модели

сбор данных

формулирование задачи

разработка аппаратного обеспечения

оценка качества модели

Назначение конечных устройств в контексте искусственного интеллекта заключается в ...

обеспечении высокой производительности для обучения моделей

исполнении легких задач и быстром принятии решений

управлении высокоскоростными сетями между узлами

анализе больших данных в облаке

Расположите типы данных в порядке от наиболее организованных к наименее структурированным:

1 структурированные

2 полуструктурированные

3 неструктурированные

Организация планирует создать систему управления клиентскими данными. У этой организации есть возможность собирать данные из различных источников, таких как веб-формы, анкетные исследования и сторонние API.

К каким типам будут относиться данные, собранные через веб-формы? (Укажите 2 варианта ответа)

Структурированные данные, поскольку они собраны в определенных полях и можно применять SQL-запросы для их обработки

Неструктурированные данные, так как они могут содержать свободные текстовые поля и не имеют заранее определенной структуры

Полуструктурированные данные, так как они могут содержать метаданные и не всегда следуют жесткой схеме, но все же могут быть частично организованы

Синтетические данные, так как они сгенерированы системой для аналитических целей

Исследователь работает с набором данных, содержащим текстовые сообщения, изображения и видео.

К каким типам будут относиться данные из этого набора, содержащие текстовую информацию? (Укажите 2 варианта ответа)

Полуструктурированные данные, так как текстовые данные могут иметь теги или метаданные

Неструктурированные данные, так как текстовые данные не имеют заранее определенной структуры и могут содержать разнообразные форматы

Структурированные данные, так как текстовые данные можно организовать в таблицы

Синтетические данные, так как они могут быть сгенерированы для анализа текстовых сообщений

Основная задача системы обработка естественного языка (NLP) заключается в том, чтобы преобразовать неструктурированные текстовые данные в понятные и структурированные форматы.

Какой подход может использоваться для выполнения этой задачи?

Системы машинного обучения, основанные на методах глубинного обучения, таких как рекуррентные нейронные сети (RNN)

Полуавтоматические подходы, которые объединяют экспертов и статистические методы

Эвристические алгоритмы, которые основываются на одноразовых правилах и частных данных

Формальные логические системы, которые используют строгие аксиомы и законы

Специалист по машинному обучению работает над проектом по созданию модели для предсказания цен на жилье. Для этой задачи ему необходимо выбрать метод регрессии.

Какой метод подходит для выполнения данной задачи (с учетом того, что у специалиста есть обучающая выборка с размеченными данными)? Ответ обоснуйте.

Линейная регрессия, так как она проста в реализации и хорошо подходит для задач с линейными зависимостями

Метод k-средних, так как это метод кластеризации, который поможет разбить данные на группы

Алгоритм k-ближайших соседей (KNN), так как он эффективен при наличии небольшого объема данных и прост в использовании

Алгоритм опорных векторов (SVM), так как он хорошо работает с небольшими наборами данных, даже если они имеют высокую размерность

Вы - исследователь в области искусственного интеллекта (ИИ), интересующийся историческими аспектами этой научной области. Ваша задача состоит в анализе и интерпретации различных этапов развития искусственного интеллекта.

В какой период, по мнению большинства экспертов, произошло значительное падение интереса к исследованиям в области ИИ, известное как «вторая зима ИИ»?

В 1950-е - начало 1960-х гг.

В 1960-70-е гг.

В 1980-е - начало 1990-х гг.

В период с 2010-х гг. по настоящее время.

Команда разработчиков работает над проектом объяснимого искусственного интеллекта (XAI) и планирует создать модель в области медицины, результаты которой будут интерпретироваться простыми пользователями и профессиональными медицинскими работниками. Это необходимо для повышения доверия к ИИ-системе и обеспечения ее этического применения.

Что следует учитывать при создании XAI для медицинских приложений, с учетом изложенных условий? (Укажите 2 варианта ответа)

Уровень объяснимости модели, чтобы пользователи могли понять, как принимаются решения

Объем данных для обучения, чтобы достигнуть высокой точности модели

Этические принципы, касающиеся прозрачности и недискриминации

Сложность модели, чтобы обеспечить возможность работы на ограниченных ресурсах

Специалист по обработке естественного языка разрабатывает модель для автоматического анализа текстовых данных, чтобы определить тональность отзывов пользователей на продукт. Он решает использовать рекуррентные нейронные сети (RNN) в сочетании с механизмами внимания (attention mechanism).

Какие преимущества обеспечивает применение механизмов внимания в этой модели? (Укажите 2 варианта ответа)

Механизмы внимания увеличивают общее количество параметров модели, что всегда приводит к улучшению качества

Механизмы внимания позволяют модели сосредоточиться на наиболее значимых элементах входного текста, улучшая качество понимания контекста

Механизмы внимания уменьшают время вычислений в процессе обучения, что позволяет быстрее обучить большую модель

В 1956 г. на Дартмутской конференции был введен термин «искусственный интеллект» Какие подходы к созданию ИИ использовались в программах в это время?

Программы, основанные на логических правилах

Программы, использующие генетические алгоритмы и нейронные сети

Программы, работающие на нейронных сетях и глубоких обучающих моделя

Программы, фокусирующиеся исключительно на обработке естественного языка

Разработчик системы искусственного интеллекта планирует внедрить облачную платформу для обучения своих моделей. Разработчик выбирает облачную платформу из трех вариантов: AWS SageMaker, Google Vertex Al и Microsoft Azure ML.

Какие факторы должны быть учтены при выборе подходящей облачной платформы для задач глубокого обучения? (Укажите 2 варианта ответа)

Стоимость использования платформы

Поддержка необходимых фреймворков для разработки (например, TensorFlow, PyTorch)

Возможности интеграции с существующими корпоративными средами

Доступность на глобальном уровне и скорость подключения к Интернету

Инженер по аппаратному обеспечению разрабатывает специализированное устройство для выполнения задач глубокого обучения, используя архитектуру нейропроцессоров. Он выбирает между различными типами процессоров для своей системы.

Какой тип процессора будет наилучшим выбором для задач глубокого обучения, требующих высокой производительности и энергоэффективности? (Укажите 2 варианта ответа)

Центральные процессорные устройства (CPU), так как они универсальны и могут выполнять широкий спектр задач

Графические процессорные устройства (GPU), поскольку они предназначены для параллельных вычислений и обеспечивают высокую производительность в обучении нейронных сетей

Тензорные процессорные устройства (TPU), так как они оптимизированы для глубокого обучения и способны выполнять сложные операции с матрицами с высокой плотностью операций

Нейроморфные процессоры, так как они эффективно обрабатывают задачи распознавания образов и имеют высокую энергоэффективность