WorksheetsVerifica AI 4G
Total questions: 27
Worksheet time: 14mins
Qual è la definizione più ampia di Intelligenza Artificiale?
La capacità di un computer di eseguire calcoli complessi.
La simulazione dell'intelligenza umana da parte delle macchine.
Lo sviluppo di algoritmi per l'analisi dei dati.
La creazione di robot autonomi.
Chi è considerato uno dei padri fondatori dell'Intelligenza Artificiale?
Ada Lovelace
Charles Babbage
John McCarthy
Alan Turing
Quale test è stato proposto per valutare la capacità di una macchina di esibire un comportamento intelligente indistinguibile da quello umano?
Test di Turing
Test di Lovelace
Test di McCarthy
Test di Babbage
Quale periodo storico è spesso definito il "primo inverno dell'AI"?
Anni '40 e '50
Anni '60 e '70
Anni '80
Anni '90
Cosa caratterizzò la "rinascita dell'AI" negli anni '80?
L'avvento del deep learning.
La diffusione di internet.
L'emergere dei sistemi esperti.
I progressi nella robotica.
Qual è la principale differenza tra Machine Learning e la programmazione tradizionale?
Il Machine Learning utilizza un linguaggio di programmazione diverso.
La programmazione tradizionale si basa sui dati, il Machine Learning sulle regole.
Il Machine Learning permette ai sistemi di apprendere dai dati senza essere esplicitamente programmati per ogni compito.
Non c'è una differenza significativa.
Quale tipo di apprendimento automatico si basa su dati etichettati (input-output)?
Apprendimento per rinforzo
Apprendimento non supervisionato
Apprendimento supervisionato
Deep Learning
Quale tipo di apprendimento automatico mira a scoprire strutture nascoste in dati non etichettati?
Apprendimento per rinforzo
Apprendimento non supervisionato
Apprendimento supervisionato
Deep Learning
Quale tipo di apprendimento non richiede supervisione?
Apprendimento supervisionato
Apprendimento per rinforzo
Apprendimento non supervisionato
Deep Learning
In quale tipo di apprendimento un agente impara attraverso l'interazione con un ambiente e la ricezione di feedback?
Apprendimento supervisionato
Apprendimento non supervisionato
Apprendimento per rinforzo
Deep Learning
Cosa distingue principalmente il Deep Learning dal Machine Learning tradizionale?
L'uso di più dati.
L'applicazione a problemi più complessi.
L'utilizzo di reti neurali artificiali con molteplici strati.
La maggiore velocità di calcolo.
Cos'è l'AI debole (o stretta)?
Un'AI con capacità intellettuali superiori a quelle umane.
Un'AI in grado di apprendere qualsiasi compito intellettuale.
Un'AI progettata e addestrata per un compito specifico.
Un termine obsoleto per l'AI.
Cos'è l'AI forte (o generale)?
L'AI più potente attualmente esistente.
Un'AI in grado di simulare perfettamente le emozioni umane.
Un tipo ipotetico di AI con capacità intellettuale generale simile a quella umana.
Un sinonimo di Deep Learning avanzato.
Cosa si intende per "bias" nell'Intelligenza Artificiale?
L'efficienza computazionale di un algoritmo.
La complessità architetturale di una rete neurale.
Tendenze sistematiche e ingiuste nei dati o negli algoritmi che portano a risultati discriminatori.
La quantità di dati necessaria per addestrare un modello.
Quale può essere una fonte di bias nei dati di addestramento di un'AI?
L'utilizzo di hardware di calcolo obsoleto.
La scelta di un algoritmo di apprendimento inefficiente.
Pregiudizi sociali o storici riflessi nei dati.
Una preparazione dei dati troppo accurata.
Quale principio etico dell'AI si concentra sulla garanzia che i sistemi non producano risultati discriminatori?
Trasparenza
Equità
Responsabilità
Privacy
Qual è la prima fase tipica nello sviluppo di un sistema di Intelligenza Artificiale?
Definizione del problema e raccolta dei requisiti
Addestramento del modello
Valutazione del modello
Deployment del modello
Quale fase dello sviluppo AI comporta la misurazione delle prestazioni del modello su dati non visti?
Raccolta e preparazione dei dati
Addestramento del modello
Valutazione del modello
Deployment del modello
Quale modello di addestramento AI impara una funzione di mapping da input a output basandosi su coppie etichettate?
Addestramento supervisionato
Addestramento non supervisionato
Addestramento per rinforzo
Transfer learning
Quale modello di addestramento AI mira a scoprire pattern in dati non etichettati?
Addestramento supervisionato
Addestramento non supervisionato
Addestramento per rinforzo
Self-supervised learning
Quale modello di addestramento AI coinvolge un agente che impara attraverso l'interazione con un ambiente?
Addestramento supervisionato
Addestramento non supervisionato
Addestramento per rinforzo
Transfer learning
Quale tipo di rete neurale è particolarmente efficace per l'elaborazione di dati spaziali come le immagini?
Reti Neurali Feedforward (MLP)
Reti Neurali Convoluzionali (CNN)
Reti Neurali Ricorrenti (RNN)
Transformer Networks
Quale tipo di rete neurale è progettato per l'elaborazione di sequenze di dati come il testo?
Reti Neurali Feedforward (MLP)
Reti Neurali Convoluzionali (CNN)
Reti Neurali Ricorrenti (RNN)
Autoencoder
L'addestramento di modelli AI di grandi dimensioni può comportare un elevato:
Costo del software di sviluppo.
Consumo energetico.
Numero di sviluppatori necessari.
Tempo di deployment.
Quale hardware è comunemente utilizzato per accelerare l'addestramento di modelli di Deep Learning?
CPU (Central Processing Unit)
GPU (Graphics Processing Unit)
RAM (Random Access Memory)
SSD (Solid State Drive)
Qual è un approccio per affrontare la limitata disponibilità di dati per l'addestramento di un modello AI?
Aumentare la complessità del modello.
Ridurre il numero di parametri del modello.
Utilizzare tecniche di data augmentation.
Migliorare l'hardware utilizzato.
Quale delle seguenti è una considerazione chiave nell'etica dell'AI riguardo al processo decisionale dei sistemi intelligenti?
L'accuratezza predittiva del modello.
La velocità di esecuzione dell'algoritmo.
La trasparenza e la spiegabilità delle decisioni.
La quantità di dati utilizzati per l'addestramento.
