Викторина по Искусственному Интеллекту

Что такое искусственный интеллект (ИИ)?

• Это система, которая выполняет задачи, требующие человеческого интеллекта.

• Это метод программирования, основанный на правилах.

• Это математическая модель, имитирующая нейроны.

• Это процесс автоматического обучения на данных.

Какой метод является ключевым в машинном обучении (МЛ)?

• Программирование правил.

• Автоматическое обучение на данных.

• Разработка алгоритмов.

• Имитация биологических нейронов.

Что такое нейронная сеть (НС)?

• Это система, выполняющая задачи, требующие человеческого интеллекта.

• Это математическая модель, созданная по образу работы биологических нейронов.

• Это метод программирования, основанный на правилах.

• Это процесс автоматического обучения на данных.

Что определяет вес в искусственном нейроне?

• Важность сигнала.

• Количество входов.

• Результат активации.

• Сумма всех входов.

Какую функцию выполняет сумматор в искусственном нейроне?

• Определяет важность сигнала.

• Выполняет взвешенную сумму всех входов.

• Передает сигнал дальше.

• Вводит нелинейность.

Какую функцию выполняет входной слой (Input Layer) в нейронной сети?

• Выдаёт конечный результат.

• Принимает исходные данные.

• Извлекает сложные признаки.

• Изменяет веса сети.

Что происходит на этапе прямого распространения (Forward Pass) в процессе обучения с учителем?

• Сеть изменяет каждый вес.

• Сеть сравнивает прогноз с правильным ответом.

• Сеть прогоняет обучающий пример через все слои.

• Сеть вычисляет величину ошибки.

Какова основная цель процесса обучения с учителем?

• Найти значения весов для максимальной точности.

• Извлечь сложные признаки из данных.

• Выдать конечный результат.

• Изменить структуру сети.

Что такое глубокое обучение (Deep Learning)?

• Процесс изменения весов сети.

• Нейронные сети с множеством скрытых слоев.

• Метод сравнения прогноза с правильным ответом.

• Алгоритм вычисления величины ошибки.

Что происходит на этапе обратного распространения ошибки (Backpropagation)?

• Прогноз сравнивается с правильным ответом.

• Ошибка "возвращается" назад по сети.

• Сеть принимает исходные данные.

• Извлекаются сложные признаки.