機器學習與人工智能測驗

以下哪一項是機器學習的主要目標？

• 讓人們更容易使用電腦

• 創造出能通過圖靈測試的電腦

• 讓電腦像人類一樣思考

• 讓電腦能從資料中學習並辨識特徵

在機器學習中，為什麼需要準備兩組數據？

• 一組用來展示，一組用來儲存

• 一組用來學習，一組用來測試

• 兩組都要用來學習

• 兩組都要用來測試

如果機器學習模型在測試中表現不佳，應該怎麼做？

• 直接放棄這個模型

• 丟棄測試數據

• 修正模型並重新測試

• 更換另一種演算法

人工智能的主要目標是什麼？

• 設計出比人類更聰明的電腦

• 讓電腦具備像人類一樣的智慧

• 創造出能解決所有問題的電腦

• 讓電腦完全取代人類的工作

為什麼AI在辨識物件時可能不夠準確？

• 因為AI不夠聰明

• 因為訓練數據的品質或數量不足

• 因為電腦硬體效能不佳

• 因為AI不喜歡學習

機器學習和人類學習之間，一個主要的區別是什麼？

• 人類可以理解資訊，機器需要將資訊轉換為數值

• 機器學習需要更多的時間

• 人類學習需要更多的數據

• 機器學習不能處理圖像

圖靈測試的主要目的是什麼？

• 測試電腦的運算速度

• 測試電腦是否能通過人類的提問

• 測試電腦是否具備與人難分的思考表現

• 測試電腦的記憶容量

根據文章，為什麼讓AI學習分辨貓狗時，只用30張相片可能不夠？

• 因為貓狗的種類繁多，30張相片無法涵蓋所有特徵

• 因為AI一次只能處理30張相片

• 因為相片數量越多，AI的學習效果越差

• 因為30張相片會讓AI感到無聊

文章中提到，如果我們把分辨貓狗的AI模型用來分辨人類，會發生什麼情況？

• AI會正確回答「人」

• AI會隨機回答「貓」或「狗」

• AI只會回答「貓」或「狗」，因為資料庫中沒有「人」的資料

• AI會拒絕回答，因為它不被允許分辨人類

根據文章內容，以下哪一項是機器學習目前面臨的挑戰？

• 如何讓AI更快速地運算

• 如何讓人們更容易理解AI的運作

• 如何讓AI持續學習並更新不同的概念

• 如何降低AI的硬體成本