AI w oceanie

Co to jest sztuczna inteligencja (AI)?

• Program komputerowy, który wykonuje jedno zadanie

• System, który potrafi uczyć się na podstawie danych i podejmować decyzje

• Robot, który wygląda jak człowiek

• Urządzenie elektroniczne używane do programowania

Czym różni się AI od zwykłych programów komputerowych?

• AI może uczyć się na podstawie danych

• • AI nie wymaga instrukcji krok po kroku

• AI potrafi przewidywać wyniki na podstawie wcześniejszych doświadczeń

• wszystkie odpowiedzi są poprawne

Jak AI uczy się rozpoznawać ryby w grze AI for Oceans?

• Przez oglądanie filmów o rybach

• Poprzez analizę danych o rybach, które użytkownik oznaczył jako "ryba" lub "nie ryba"

• Przez instrukcje krok po kroku zapisane w kodzie

• Przez eksperymenty w oceanie

Co oznacza termin "dane treningowe"?

• Dane, które są używane do nauki AI

• Dane, które AI ignoruje

• Dane używane do testowania AI po treningu

• Dane generowane przez ludzi

Dlaczego ważne jest, aby dane treningowe były różnorodne i dokładne?

• • Aby AI mogła pracować szybciej

• Aby AI uczyła się podejmować właściwe decyzje w różnych sytuacjach

• Aby AI nie musiała się uczyć nowych rzeczy

• • Nie ma to wpływu na proces uczenia AI

Co się stanie, jeśli dane treningowe są błędne lub stronnicze?

• AI nauczy się podejmować błędne decyzje

• AI będzie działać idealnie

• AI przestanie działać

• AI nie będzie potrzebowała dalszych danych

Jak można poprawić działanie AI, jeśli popełnia błędy?

• Przestać używać AI

• Dodać więcej dokładnych danych treningowych

• Zrestartować komputer

• AI sama poprawi swoje błędy

W grze AI for Oceans, jakie decyzje podejmuje AI?

• Czy dany obiekt to ryba, czy śmieć

• Czy warto zanurkować w oceanie

• Czy woda jest wystarczająco czysta

• • Czy ryby mogą przetrwać w oceanie

Dlaczego ważne jest, aby nauczyć AI odróżniania śmieci od ryb?

• Aby chronić ocean i życie morskie

• Aby AI mogła zbudować statki

• Aby AI mogła łowić ryby

• Aby AI była bardziej popularna

Połącz zastosowania AI z przykładami:

• Modele wzrostu temperatur

• Monitorowanie zanieczyszczeń

• Śledzenie rzadkich zwierząt

• Analiza zdjęć satelitarnych

• Obszary wylesienia

• Prognozowanie zmian klimatu

• Plamy ropy na wodzie

• Wykrywanie gatunków