NEW
Font size
Worksheets1. AI training –ΓΕΝΙΚΑ ΓΙΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 17-190 CHATGPT
Total questions: 75
Worksheet time: 38mins
Ποιος είναι ο βασικός στόχος της Τεχνητής Νοημοσύνης (ΤΝ);
Η ανάπτυξη νέων γλωσσών προγραμματισμού
Η δημιουργία μηχανών που μπορούν να μιμούνται ανθρώπινες γνωστικές λειτουργίες
Η βελτίωση της ταχύτητας των υπολογιστών
Η αντικατάσταση του διαδικτύου
Ποια από τις παρακάτω δηλώσεις περιγράφει καλύτερα την Τεχνητή Νοημοσύνη;
Είναι το πεδίο που μελετά την ανθρώπινη ψυχολογία
Αναφέρεται στη μελέτη της βιολογίας του εγκεφάλου
Είναι ο κλάδος της πληροφορικής που εστιάζει στη δημιουργία έξυπνων μηχανών
Είναι ένα υποσύνολο της ρομποτικής
Ποια από τις παρακάτω δεν αποτελεί είδος Τεχνητής Νοημοσύνης;
Συμβολική ΤΝ
Υποσυμβολική ΤΝ
Υβριδική ΤΝ
Ενστικτώδης ΤΝ
Ποια από τις παρακάτω μορφές μάθησης αφορά την παροχή παραδειγμάτων με γνωστές εξόδους;
Μη επιβλεπόμενη μάθηση
Ενισχυτική μάθηση
Επιβλεπόμενη μάθηση
Αναδρομική μάθηση
Ποιος παράγοντας επηρεάζει περισσότερο την αποτελεσματικότητα ενός συστήματος ΤΝ;
Η ταχύτητα πληκτρολόγησης του χρήστη
Το χρώμα της οθόνης
Η ποσότητα και ποιότητα των δεδομένων
Ο τύπος πληκτρολογίου
Ποιο από τα παρακάτω αποτελεί σημαντικό πλεονέκτημα της χρήσης ΤΝ;
Πλήρης ανεξαρτησία από τα δεδομένα
Αυξημένη ικανότητα λήψης αποφάσεων βάσει δεδομένων
Μείωση της ανάγκης για ανάλυση
Αδυναμία αυτοματοποίησης
Η Τεχνητή Νοημοσύνη χρησιμοποιείται σε εφαρμογές όπως η ιατρική διάγνωση και η ανάλυση δεδομένων.
Λάθος
Σωστό
Ποιος είναι ο ρόλος των δεδομένων στην εκπαίδευση ενός συστήματος ΤΝ;
Χρησιμοποιούνται μόνο για τη διακόσμηση του συστήματος
Παρέχουν το υλικό πάνω στο οποίο η ΤΝ μαθαίνει και βελτιώνεται
Δεν επηρεάζουν τη λειτουργία του αλγορίθμου
Αφορούν μόνο την αποθήκευση εικόνων
Ποια είναι η κύρια διαφορά μεταξύ Machine Learning και Deep Learning;
Το Machine Learning δεν χρησιμοποιεί δεδομένα
Το Deep Learning χρησιμοποιεί νευρωνικά δίκτυα για να μαθαίνει από πολύπλοκα δεδομένα
Το Deep Learning δεν απαιτεί υπολογιστική ισχύ
Δεν υπάρχει καμία διαφορά
Ποια από τις παρακάτω συσκευές είναι πιο κατάλληλη για εκπαίδευση μοντέλων ΤΝ μεγάλης κλίμακας;
CPU (Central Processing Unit)
GPU (Graphics Processing Unit)
RAM
Flash Drive
Ποιο από τα παρακάτω αποτελεί παράδειγμα μοντέλου ΤΝ ταξινόμησης;
Ένα σύστημα που προβλέπει τη θερμοκρασία αύριο
Ένα σύστημα που αναγνωρίζει αν μια εικόνα περιέχει σκύλο ή γάτα
Ένα πρόγραμμα που υπολογίζει την απόδοση μιας μηχανής
Ένα αρχείο ήχου χωρίς δεδομένα
Τι ονομάζουμε μοντέλο παλινδρόμησης στην ΤΝ;
Ένα μοντέλο που ταξινομεί δεδομένα σε κατηγορίες
Ένα μοντέλο που προβλέπει συνεχείς τιμές, όπως π.χ. η θερμοκρασία
Ένα μοντέλο που δεν χρησιμοποιεί δεδομένα
Ένα μοντέλο που λειτουργεί μόνο σε εικόνες
Ποιο από τα παρακάτω περιβάλλοντα εκτέλεσης ΤΝ προσφέρει μεγαλύτερη ευελιξία και επεκτασιμότητα;
Το τοπικό PC
Το Cloud (Νέφος)
Μια φορητή συσκευή χωρίς δίκτυο
Ένας εκτυπωτής
Τα μοντέλα ΤΝ που δημιουργούν νέο περιεχόμενο (π.χ. εικόνες, κείμενα) ονομάζονται:
Αναλυτικά μοντέλα
Παραγωγικά μοντέλα (Generative Models)
Αμυντικά μοντέλα
Στατικά μοντέλα
Το πρόγραμμα Deep Blue της IBM έγινε διάσημο γιατί:
Δημιούργησε μουσική μέσω ΤΝ
Νίκησε τον παγκόσμιο πρωταθλητή σκακιού Garry Kasparov
Ανέπτυξε το πρώτο αυτόνομο όχημα
Έλυσε πολύπλοκα μαθηματικά θεωρήματα
Ποιο πρόγραμμα ΤΝ της IBM κέρδισε το τηλεπαιχνίδι Jeopardy! το 2011;
Watson
ChatGPT
Alexa
Siri
Η περίοδος γνωστή ως «AI Winter» αναφέρεται σε:
Περίοδο υπερβολικής ανάπτυξης της ΤΝ
Περίοδο μειωμένου ενδιαφέροντος και χρηματοδότησης για έρευνα στην ΤΝ
Περίοδο δημιουργίας πρώτων ρομπότ
Περίοδο κυριαρχίας των νευρωνικών δικτύων
Η Επιβλεπόμενη Μάθηση (Supervised Learning) βασίζεται σε:
Δεδομένα χωρίς καμία πληροφορία εξόδου
Εκπαίδευση με δεδομένα που έχουν γνωστές εξόδους (ετικέτες)
Πειραματισμό χωρίς ανθρώπινη εποπτεία
Αυτοματοποίηση χωρίς δεδομένα
Ποια είναι η κύρια διαφορά μεταξύ Machine Learning και Deep Learning;
Το Machine Learning δεν χρησιμοποιεί δεδομένα
Το Deep Learning χρησιμοποιεί νευρωνικά δίκτυα πολλών επιπέδων
Το Deep Learning απαιτεί ανθρώπινη παρέμβαση για κάθε βήμα
Το Machine Learning βασίζεται αποκλειστικά σε ήχο και εικόνα
Ποια από τις παρακάτω επιλογές ΔΕΝ είναι εφαρμογή του Machine Learning;
Αναγνώριση προσώπου
Πρόβλεψη τιμών αγοράς
Αυτόματη ταξινόμηση email (spam/όχι spam)
Αναπαραγωγή μουσικής μέσω CD player
Ποια είναι η βασική μονάδα ενός τεχνητού νευρωνικού δικτύου;
Ο σκληρός δίσκος
Το δίκτυο Wi-Fi
Η κάρτα γραφικών
Ο τεχνητός νευρώνας
Η χρήση της ML στην αναγνώριση φωνής και εικόνας είναι παράδειγμα:
Αποτυχίας της ΤΝ
Εφαρμογής εκμάθησης προτύπων
Αποθήκευσης δεδομένων
Επεξεργασίας κειμένου
Ποια είναι μια από τις πιο γνωστές εφαρμογές της ΤΝ στον τομέα της υγείας;
Η εκτύπωση ιατρικών φακέλων
Η ανάλυση ιατρικών εικόνων για διάγνωση ασθενειών
Η χειροκίνητη διαχείριση ραντεβού
Η δημιουργία παραστατικών πληρωμής
Πώς συμβάλλει η ΤΝ στην εκπαίδευση;
Με την κατάργηση των σχολείων
Με την παροχή εξατομικευμένων προγραμμάτων μάθησης για κάθε μαθητή
Με την αντικατάσταση των εκπαιδευτικών
Με τη μείωση του χρόνου διδασκαλίας στο μισό
Πώς η ΤΝ ενισχύει την εξυπηρέτηση πελατών;
Με την αύξηση του χρόνου αναμονής
Με τη χρήση chatbots και εικονικών βοηθών για άμεση υποστήριξη
Με την αφαίρεση όλων των ψηφιακών εργαλείων
Με τη διαγραφή των δεδομένων πελατών
Ποια εφαρμογή της ΤΝ σχετίζεται με τη δημιουργική τέχνη;
Η αυτόματη εκτύπωση εγγράφων
Η χρήση generative AI για τη δημιουργία εικόνων, μουσικής και κειμένων
Η ταξινόμηση προϊόντων σε αποθήκες
Η διαχείριση ανθρώπινου δυναμικού
Η χρήση της ΤΝ στην καθημερινή ζωή περιλαμβάνει:
Αυτόματη πληκτρολόγηση
Ψηφιακούς βοηθούς, προτάσεις σε πλατφόρμες και αυτόματες μεταφράσεις
Ανάλυση DNA
Δημιουργία φυσικών ρομπότ μόνο για οικιακή χρήση
