wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Untitled Quiz

Total questions: 86

Worksheet time: 43mins

Name
Class
Date
1.

Кто из учёных предложил определение ИИ как науки о проектировании интеллектуальных машин?

a)

Джон Маккарти в своих работах по символическому представлению знаний

b)

Марвин Мински через исследования нейросетей и когнитивной архитектуры

c)

Аллен Ньюэлл в разработке физических символических систем

d)

Артур Самуэльсон в контексте машинного обучения для игр

e)

Норберт Винер через теорию управления и обратной связи

2.

В каком году была проведена знаменитая Дартмутская конференция, положившая начало ИИ как научной дисциплине?

a)

1956 год когда собрались пионеры для обсуждения искусственного разума

b)

1950 год во время публикации статьи Тьюринга о компьютерах и интеллекте

c)

1966 год после создания первых успешных программ обработки информации

d)

1974 год когда была признана необходимость переосмысления подходов

e)

1980 год в период расцвета экспертных систем и инженеров знаний

3.

Общий (сильный) ИИ (AGI) определяется как система обладающая:

a)

Человеческоподобным интеллектом способной решать разнообразные задачи

b)

Максимально возможной скоростью обработки информации в гигагерцах

c)

Специализацией в одной узкой области знания и практического применения

d)

Только способностью к воспроизведению известных решений и паттернов

e)

Исключительной емкостью памяти для хранения больших объёмов данных

4.

Технологическая сингулярность предполагает:

a)

Точку невозврата в развитии когда ИИ превышает возможности человека существенно

b)

Промышленную революцию заменившую ручной труд на механизированные процессы

c)

Цифровую трансформацию организаций с переходом на электронные системы управления

d)

Информационную революцию общества когда данные стали главным ресурсом

e)

Технический прогресс который происходит постоянно и равномерно во времени

5.

Deep Blue от компании IBM прославился благодаря:

a)

Победе над гроссмейстером Гарри Каспаровым в шахматах в 1997 году

b)

Разработке первой операционной системы с поддержкой графического интерфейса

c)

Созданию первого веб-браузера позволившего просматривать содержимое интернета

d)

Изобретению технологии сжатия видео для передачи через каналы связи

e)

Разработке портативного персонального компьютера для массового пользователя

6.

Тест Тьюринга оценивает способность машины к:

a)

Имитации человеческого поведения в диалоге неотличимо от человека

b)

Выполнению сложных математических вычислений быстрее чем люди

c)

Распознаванию образов и структур в визуальной информации и данных

d)

Запоминанию и воспроизведению больших объёмов информации без ошибок

e)

Управлению сложными физическими системами с множественными обратными связями

7.

Экспертные системы 1980-х годов основывались на представлении знаний через:

a)

Логические правила вида если-то закодированные специалистами вручную

b)

Глубокие нейронные сети с множеством скрытых слоёв для обучения на данных

c)

Вероятностные графические модели для вывода в условиях неопределённости

d)

Эволюционные алгоритмы имитирующие естественный отбор для оптимизации

e)

Статистические методы анализа корреляций и зависимостей в больших наборах

8.

Машинное обучение как подраздел ИИ фокусируется на:

a)

Обучении моделей из данных через минимизацию функции потерь

b)

Разработке физических роботов взаимодействующих с окружающей средой

c)

Создании систем обработки естественного языка и понимании текста

d)

Разработке интеллектуальных агентов принимающих решения в динамической среде

e)

Построении баз знаний и онтологий для представления информации

9.

Современная революция в ИИ (2010-2024) произошла благодаря сочетанию:

a)

Доступности больших данных наличию мощных GPU и нейросетевых архитектур

b)

Открытию принципиально новых физических законов ускоряющих вычисления

c)

Государственному контролю и централизации исследований в единую структуру

d)

Объединению всех научных центров мира в международную организацию

e)

Запрету на использование альтернативных методов анализа кроме нейросетей

10.

Нейроморфные вычисления применяют принципы:

a)

Биологичности нейронов и синаптической пластичности в электронных системах

b)

Классической электроники и полупроводниковых транзисторов для логических функций

c)

Квантовых эффектов на молекулярном уровне для обработки информации

d)

Оптических явлений и использования фотонов вместо электронов передачи

e)

Магнитных полей и сверхпроводимости для хранения и обработки данных

11.

Гипотеза о технологической сингулярности связана с проблемой:

a)

Ресурсного самоуглубления систем ИИ превышающего контролируемость

b)

Исчерпания природных ресурсов планеты вследствие роста производства

c)

Политической нестабильности из-за дисбаланса власти и влияния

d)

Изменения климата и экологических последствий промышленной деятельности

e)

Социального неравенства и справедливого распределения материальных благ

12.

Основные современные вызовы в развитии ИИ включают:

a)

Интерпретируемость решений и безопасность применения в критических системах

b)

Исключительно недостаток вычислительных ресурсов и мощности процессоров

c)

Полное отсутствие практических приложений в реальной экономике и обществе

d)

Невозможность проводить качественные исследования без специализированного оборудования

e)

Только теоретические ограничения которые не влияют на практическое применение

13.

Прозрачность в контексте этики ИИ требует:

a)

Объяснения причин и логики принятия решений системой пользователям

b)

Использования прозрачных материалов в конструкции компьютерного оборудования

c)

Публикации полного исходного кода в открытом доступе в интернете

d)

Работы системы исключительно в дневное время с видимостью процессов

e)

Отображения всех внутренних вычислительных состояний на экране в реальном времени

14.

Объяснимость алгоритмов (explainability) в машинном обучении подразумевает:

a)

Интерпретируемость и понятность решений модели для человека

b)

Простоту и краткость исходного кода программы без сложных конструкций

c)

Использование только линейных функций без нелинейных преобразований

d)

Наличие подробной технической документации всех параметров модели

e)

Отсутствие случайности и стохастичности в алгоритме обучения

15.

Смещение в данных (data bias) приводит к:

a)

Воспроизведению исторических предубеждений в предсказаниях модели

b)

Замедлению скорости выполнения вычислительных операций на процессоре

c)

Увеличению потребления электроэнергии и тепловыделения компонентами

d)

Потере связности с сетевыми ресурсами и облачными хранилищами

e)

Необходимости полного переписывания исходного кода программы с нуля

16.

Дифференциальная приватность защищает конфиденциальность путём:

a)

Добавления специально подобранного шума в результаты анализа данных

b)

Использования различных криптографических ключей шифрования для каждого пользователя

c)

Разделения конфиденциальной информации на защищённые отсеки памяти

d)

Ограничения доступа к данным только на уровне операционной системы

e)

Удаления устаревших записей из баз данных согласно политике хранения

17.

Deepfake создаётся с использованием:

a)

Глубоких нейросетей генерирующих синтетические видеоизображения

b)

Простого копирования и механического сложения видеокадров вместе

c)

Физического монтажа видеоматериала с использованием традиционных методов

d)

Трёхмерного моделирования объектов в цифровой среде программами

e)

Оптического проектирования голографических изображений в воздухе

18.

Вопрос авторского права на контент созданный ИИ остаётся:

a)

Юридически неопределённым без ясного международного консенсуса по статусу

b)

Автоматически передан самой системе ИИ как юридическому лицу собственнику

c)

Полностью переданным разработчику без каких-либо ограничений на использование

d)

Не защищаемым никакими механизмами интеллектуальной собственности или законом

e)

Определяемый только внутренними политиками компании разработчика без государственного контроля

19.

Право на забвение (right to be forgotten) закреплено в:

a)

Европейском регламенте о защите данных и приватности

b)

Конституции Российской Федерации в разделе о правах граждан

c)

Всеобщей Декларации прав человека принятой ООН в 1948 году

d)

Международном соглашении ВТО о торговле информационными товарами

e)

Межправительственном договоре по кибербезопасности между странами мира

20.

Информированное согласие при сборе персональных данных требует:

a)

Ясного понимания целей использования и способности дать осознанное согласие

b)

Механического нажатия кнопки согласия в пользовательском интерфейсе приложения

c)

Получения официального одобрения от государственных органов юстиции перед сбором

d)

Документирования согласия бумажной подписью с отправкой по почте в архив

e)

Публикации информации о согласии в государственных газетах и телевидении

21.

Оценка воздействия на права человека при развёртывании ИИ учитывает:

a)

Социальные этические и правовые риски для различных групп населения

b)

Исключительно финансовые затраты на разработку и развёртывание системы

c)

Только технические характеристики и производительность конкретной системы

d)

Только время необходимое для разработки проекта согласно графику

e)

Только объём вычислительных ресурсов память диск и процессорной мощности

22.

Европейский регламент GDPR распространяется на организации которые:

a)

Обрабатывают персональные данные граждан Европейского союза независимо от местоположения

b)

Находятся исключительно на географической территории стран Европейского союза

c)

Являются исключительно государственными учреждениями с бюджетным финансированием

d)

Имеют численность сотрудников более определённого количества человек постоянно

e)

Работают только в финансовом телекоммуникационном и энергетическом секторах

23.

Смягчение предубеждений в моделях машинного обучения включает:

a)

Переборку данных и применение алгоритмической коррекции при обучении

b)

Полное удаление всех потенциально предубеждённых примеров из набора данных

c)

Бесконечное увеличение общего объёма данных надеясь на размывание эффекта

d)

Исключение определённых групп населения из процесса обучения модели

e)

Использование исключительно положительных примеров в обучающем наборе данных

24.

Аудит предвзятости моделей ИИ проверяет:

a)

Наличие или отсутствие дискриминации против отдельных групп в предсказаниях

b)

Финансовую отчётность в соответствии бухгалтерским стандартам компании

c)

Скорость вычислений и эффективность использования процессорного времени

d)

Идентификацию источников и устранение ошибок в исходном коде программы

e)

Соответствие лицензионным соглашениям при использовании проприетарного программного обеспечения

25.

Проблема чёрного ящика в нейросетях означает:

a)

Невозможность объяснить почему модель пришла к конкретному решению

b)

Недостаточная скорость выполнения вычислительных операций на доступном оборудовании

c)

Визуальное использование чёрного цвета в пользовательском интерфейсе программы

d)

Отсутствие визуального представления входных и выходных данных на экране

e)

Невозможность сохранения обученной модели на внешний носитель информации

26.

Ответственный ИИ предполагает:

a)

Приоритизацию этических норм безопасности и прозрачности разработки системы

b)

Исключительно быстрое развитие технологий без каких-либо этических ограничений

c)

Полный отказ от использования ИИ во всех сферах человеческой деятельности

d)

Применение ИИ исключительно в академических целях в университетах и лабораториях

e)

Передачу всей ответственности государственным органам власти за контроль

27.

Машинное обучение отличается от традиционного программирования тем что:

a)

Система обучается из данных вместо явного программирования правил логики

b)

Требует написания значительно большего количества кода для выполнения функций

c)

Работает исключительно быстрее благодаря оптимизации на уровне процессора

d)

Требует значительно меньше памяти благодаря компактному представлению информации

e)

Полностью исключает необходимость в программировании автоматически решая любые задачи

28.

Основные парадигмы машинного обучения включают:

a)

Обучение с учителем без учителя и обучение с подкреплением в зависимости от типа сигнала

b)

Линейное нелинейное и полиномиальное обучение в зависимости от формы функции

c)

Статическое динамическое и адаптивное обучение в зависимости от природы данных

d)

Детерминированное вероятностное и байесовское обучение в зависимости от типа вывода

e)

Синхронное асинхронное и параллельное обучение в зависимости от архитектуры системы

29.

Обучение с учителем в машинном обучении требует наличия:

a)

Размеченных данных где каждый пример связан с правильным целевым значением

b)

Отсутствия какой-либо разметки данных поскольку система должна обнаруживать закономерности

c)

Использования исключительно одного универсального алгоритма оптимизации для всех задач

d)

Постоянного присутствия человека который направляет каждый шаг обучения процесса

e)

Исключительно линейных зависимостей между признаками без нелинейных взаимодействий

30.

Обучение без учителя решает задачи:

a)

Выявления скрытых структур и закономерностей в немаркированных данных

b)

Исключительно прогнозирования временных рядов с использованием моделей авторегрессии

c)

Только классификации по предопределённым категориям установленным заранее человеком

d)

Подтверждения известной гипотезы через статистическое тестирование значимости

e)

Контролируемого регрессионного анализа с использованием методов наименьших квадратов

31.

Переобучение (overfitting) модели машинного обучения означает:

a)

Запоминание деталей обучающих данных вместо изучения обобщаемых закономерностей

b)

Использование слишком простой модели неспособной захватить сложные паттерны в данных

c)

Обучение на данных слишком долгое время без перерывов что утомляет систему

d)

Использование неправильной функции активации в нейросети для нелинейных преобразований

e)

Недостаточное количество примеров в обучающем наборе для адекватного обучения модели

32.

Компьютерное зрение как область ИИ занимается:

a)

Анализом визуальной информации и извлечением смысла из изображений и видео

b)

Исключительно изучением психологии восприятия зрительных образов человеческим мозгом

c)

Поиском коррекции дефектов зрения и восстановлением функций зрительной системы

d)

Разработкой специализированного медицинского оборудования для операций на глазах

e)

Проектированием и производством видеокамер и оптических приборов с передовыми технологиями

33.

Классификация изображений как задача машинного обучения решает:

a)

Отнесение входного изображения к одной из предопределённых категорий класса

b)

Исключительное определение эмоционального состояния человека по выражению лица

c)

Сжатие файла изображения без потерь информации с использованием алгоритмов кодирования

d)

Улучшение качества низкокачественных фотографий через интерполяцию пикселей и фильтры

e)

Исключительно обнаружение и локализация лиц людей на фотографиях в изображении

34.

Обнаружение объектов (object detection) отличается от классификации:

a)

Определением не только класса но и пространственного местоположения объектов

b)

Исключительно скоростью выполнения вычислений без необходимости анализа каждого объекта

c)

Использованием исключительно чёрно-белых изображений без цветовой информации

d)

Требованием меньше вычислительных ресурсов в виде оперативной памяти и дискового пространства

e)

Невозможностью обработки видеопотока в реальном времени из-за сложности алгоритма

35.

Распознавание лиц в системах ИИ использует:

a)

Глубокие нейросети для изучения иерархических представлений лиц из данных

b)

Только анализ цвета пикселей в определённых областях без учёта структурных особенностей

c)

Только математические формулы пропорций и соотношения для определения личности

d)

Простое визуальное сравнение неузнанного лица с эталонным снимком без обработки

e)

Исключительно анализ линий лица и их углов в трёхмерном пространстве

36.

Обработка естественного языка в ИИ включает:

a)

Анализ и генерацию текста с целью понимания и создания естественной речи

b)

Исключительно проверку орфографии и грамматики текстов для выявления ошибок

c)

Только перевод между различными языками с использованием двуязычных словарей

d)

Исключительно создание и пополнение словарей новыми словами на основе текстов

e)

Только определение принадлежности текста к конкретному естественному языку

37.

Анализ тональности (sentiment analysis) в текстах определяет:

a)

Эмоциональную окраску и настроение выраженное в тексте положительное или отрицательное

b)

Звуковые характеристики голоса говорящего такие как высота тембр громкость скорость

c)

Грамматическую правильность текста с точки зрения морфологии и синтаксиса языка

d)

Исключительно количество слов и символов в документе для определения объёма

e)

Языковую принадлежность текста к определённому семейству языков и диалектальные особенности

38.

Машинный перевод в современных системах использует:

a)

Архитектуру трансформеров с механизмом внимания для выравнивания слов между языками

b)

Исключительно правила грамматики и синтаксиса закодированные лингвистами вручную

c)

Простой механический словарный перевод каждого слова без учёта контекста предложения

d)

Исключительно аналогию с похожими предложениями из параллельных корпусов текстов

e)

Исключительно статистические методы такие как вероятностные модели n-грамм без нейросетей

39.

Вопросно-ответные системы (QA системы) требуют:

a)

Глубокого понимания смысла вопроса и поиска релевантной информации для ответа

b)

Исключительно поиска текста с ключевыми словами в базах данных без понимания логики

c)

Просто хранения готовой базы данных с предварительно подготовленными вопросами

d)

Исключительно ручного создания ответов экспертами которые предусмотрели все вопросы

e)

Исключительно совпадения строк при поиске в тексте без анализа семантики

40.

Признак (feature) в машинном обучении это:

a)

Входная переменная признак или атрибут используемой моделью для предсказаний

b)

Функциональная особенность и описание возможностей компьютерной программы в руководстве

c)

Параметр конфигурации операционной системы как объём памяти и тактовая частота

d)

Параметр конфигурации операционной системы влияющий на производительность всей системы

e)

Визуальная настройка интерфейса пользователя определяющая внешний вид приложения

41.

Инженерия признаков (feature engineering) включает:

a)

Создание и трансформацию признаков для улучшения качества обучения модели

b)

Исключительно выбор имён для программных переменных согласно соглашениям языка

c)

Исключительно удаление ненужных данных из обучающего набора без анализа важности

d)

Исключительно разделение исходных данных на строго равные части для обучения

e)

Только визуализацию данных с использованием графиков и диаграмм для представления

42.

Гиперпараметры отличаются от параметров модели тем что:

a)

Устанавливаются перед обучением а не обновляются во время процесса обучения

b)

Имеют большую величину по сравнению с обычными параметрами модели

c)

Они изменяются быстрее в процессе обучения из-за использования агрессивной оптимизации

d)

Всегда требуют ручного ввода пользователем при запуске программы без значений

e)

Содержат буквы и специальные символы в названии что отличает от параметров

43.

Матрица ошибок (confusion matrix) используется для:

a)

Оценки качества классификации показывая истинные положительные и ложные предсказания

b)

Определения скорости выполнения вычислений в операциях секунду без анализа точности

c)

Визуализации архитектуры нейронной сети и представления структуры слоёв модели

d)

Исключительно подсчёта количества параметров в модели для определения сложности

e)

Представления архитектуры и топологии нейронной сети через матричную форму

44.

Точность (precision) в классификации это:

a)

Доля верно предсказанных положительных случаев от всех предсказанных как положительные

b)

Скорость выполнения операций вычисления на центральном процессоре компьютера в гигагерцах

c)

Объём оперативной памяти компьютера выраженный в гигабайтах и используемый для хранения

d)

Время необходимое для получения одного результата предсказания от модели

e)

Размер модели на диске измеренный в мегабайтах необходимый для сохранения

45.

Полнота (recall) в классификации отражает:

a)

Долю верно предсказанных положительных случаев от всех фактических положительных

b)

Способность модели помнить все данные на которых она обучалась без забывания

c)

Скорость обработки данных в реальном времени позволяя получить результаты немедленно

d)

Общее количество примеров в обучающем наборе данных для определения масштаба

e)

Время необходимое для полного обучения модели на всём доступном наборе

46.

F1-мера как метрика качества это:

a)

Гармоническое среднее точности и полноты дающее сбалансированную оценку производительности

b)

Первая функция активации в архитектуре нейросети используемая во входном слое

c)

Первый скрытый слой нейросети который непосредственно получает входные данные от пользователя

d)

Функция потерь модели которая минимизируется во время обучения для улучшения качества

e)

Параметр регуляризации L1 который добавляется к функции потерь для предотвращения

47.

Масштабируемость системы ИИ означает:

a)

Эффективную работу при растущих объёмах данных и количестве пользователей без деградации

b)

Возможность увеличить размер графического интерфейса для отображения больших объёмов информации

c)

Увеличение физического размера серверов и замену электроники на более современные компоненты

d)

Исключительно расширение функциональности системы путём добавления новых модулей и компонентов

e)

Исключительно добавление новых языков интерфейса пользователя для поддержки международной аудитории

48.

Трансфер-обучение (transfer learning) позволяет:

a)

Использовать знания и представления полученные на одной задаче для решения другой задачи

b)

Исключительно переместить модель между различными платформами и операционными системами

c)

Только копировать уже готовые модели из открытых репозиториев для использования в проектах

d)

Исключительно передать данные обучения между различными серверами в облачной инфраструктуре

e)

Только переименовать переменные в исходном коде для изменения названия функций

49.

Вопрос 57. Zero-shot learning позволяет:

a)

Выполнить задачу без примеров используя семантические знания о классах

b)

Исключительно запустить модель без необходимости в пользовательских данных параметрах конфигурации

c)

Только выключить систему без сохранения состояния и данных в памяти

d)

Исключительно начать обучение модели с нулевыми начальными параметрами весов

e)

Только удалить все данные из системы и вернуться в исходное состояние

50.

Дрейф данных (data drift) означает:

a)

Изменение распределения входных данных со временем что приводит к деградации модели

b)

Случайное перемещение файлов на сервере из одной папки в другую без сохранения структуры

c)

Необходимость обновления исходного кода программы для добавления новых функциональностей

d)

Потерю соединения с интернетом что приводит к невозможности получения новых данных

e)

Неправильное использование параметров модели при инициализации конфигурации системы

51.

Дрейф модели (model drift) приводит к:

a)

Деградации производительности моделей на новых данных в production среде со временем

b)

Исключительно быстрому обучению новых моделей благодаря переносу знаний из предыдущих версий

c)

Ускорению вычислений за счёт оптимизации кода и использования более эффективных алгоритмов

d)

Уменьшению использования оперативной памяти путём сжатия параметров и меньших типов данных

e)

Автоматическому улучшению качества предсказаний без каких-либо вмешательств со стороны человека

52.

Интерпретируемость модели машинного обучения требует:

a)

Объяснения решений и логики предсказаний в понятной человеку форме

b)

Исключительно использования только простых и понятных алгоритмов без сложных методов

c)

Полного отсутствия нелинейных функций в архитектуре модели для линейной интерпретации

d)

Только наличия подробной технической документации в виде комментариев в исходном коде

e)

Визуализации всех внутренних состояний нейросети в режиме реального времени на экране

53.

Генеративный ИИ отличается от дискриминативного созданием:

a)

Новых данных и примеров на основе изученного распределения вероятностей

b)

Классов и категорий для быстрого разделения существующих данных на группы

c)

Функций потерь для минимизации ошибок предсказания на известных примерах

d)

Фильтров и ограничений для отсечения некачественных примеров из набора

e)

Новых признаков и их комбинаций для повышения информативности входных данных

54.

Генеративные модели обучаются на:

a)

Распределении вероятностей данных максимизируя правдоподобие примеров обучения

b)

Исключительно положительных примерах которые представляют желаемое поведение системы

c)

Только геометрии и топологии данных в многомерном пространстве признаков

d)

Исключительно метаданных и информации о происхождении данных без анализа значений

e)

Случайных числах сгенерированных без связи с реальными данными обучения

55.

Вопрос 63. Трансформеры основываются на механизме:

a)

Внимания позволяющем модели сосредоточиться на релевантных частях входа

b)

Рекуррентных связей между нейронами передающих информацию по циклическим путям

c)

Исключительно свёрточных операциях для локальной обработки пространственных данных

d)

Исключительно полносвязных слоях где каждый нейрон соединён со всеми предыдущих слоёв

e)

Случайных предположениях о структуре данных без явного моделирования зависимостей

56.

GPT это:

a)

Предварительно обученная генеративная предтрансформерная языковая модель

b)

Тип мощного графического процессора для обработки видео и трёхмерной графики

c)

Протокол передачи данных по интернету для коммуникации между компьютерами

d)

Программный интерфейс для доступа к функциям операционной системы устройства

e)

Метод сжатия файлов для уменьшения их размера без потери информации качества

57.

Claude разработана компанией:

a)

Anthropic как результат исследований в области безопасного и интерпретируемого ИИ

b)

Google DeepMind которая также разрабатывает AlphaGo и другие системы

c)

openAI в качестве конкурирующей модели к своей собственной системе

d)

Meta Research для использования в своей экосистеме продуктов и приложений

e)

Tesla AI для использования в автономных транспортных средствах и роботах

58.

DALL-E генерирует:

a)

Изображения по текстовым описаниям используя механизм трансформера с VQ-VAE

b)

Видеоматериалы на основе сценариев и планов съёмок с использованием нейросетей

c)

Музыкальные композиции в различных жанрах и стилях с использованием генеративных моделей

d)

Исключительно чёрно-белые рисунки и эскизы без применения цветовой информации

e)

Трёхмерные модели объектов для использования в компьютерной графике и симуляциях

59.

Midjourney используется для:

a)

Создания высококачественных изображений по подсказкам с использованием архитектуры диффузии

b)

Исключительно монохромных рисунков и иллюстраций в чёрно-белой палитре

c)

Планирования путешествий и маршрутов по географической карте места

d)

Доставки пищи и других товаров на дом клиентам в различные города

e)

Разработки веб-сайтов и мобильных приложений с использованием кода

60.

Gemini от Google это:

a)

Мультимодальная модель способная обрабатывать текст изображения видео и аудио

b)

Модель работающая исключительно с текстовыми данными без изображений и видео

c)

Требующая специального квантового оборудования для работы и выполнения вычислений

d)

Работающая исключительно офлайн без подключения к интернету и облачным сервисам

e)

Используемая только в облаке без возможности локального развёртывания на устройствах

61.

Runway ML это платформа для:

a)

Создания и редактирования видео с использованием ИИ для генерации и трансформации контента

b)

Исключительно аудиообработки и синтеза речи для создания голосовых дорожек

c)

Статического графического дизайна и создания макетов без видеосодержимого

d)

Контроля качества и тестирования программного обеспечения автоматически

62.

Промт-инжиниринг это:

a)

Искусство и наука формулирования запросов для получения лучших результатов от моделей

b)

Исключительно разработка физических инженерных проектов и механических конструкций

c)

Проектирование баз данных и схем хранения информации в системах

d)

Организация компьютерных сетей и управление топологией сетевых подключений

e)

Управление производственными процессами и логистикой товаров на складах

63.

Context engineering означает:

a)

Предоставление необходимого контекста в промте для направления модели к нужному результату

b)

Исключительно изменение архитектуры нейронной сети и её внутренних компонентов

c)

Разработка системы управления и контроля производственных процессов компании

d)

Только удаление ненужных слов из текста и очистка входных данных

e)

Просто случайное изменение параметров модели без целевого улучшения

64.

Few-shot learning в контексте промт-инжиниринга это:

a)

Предоставление нескольких примеров в промте для направления модели

b)

Исключительное использование всего одного примера для обучения и направления

c)

Обучение на малом наборе данных с использованием статистических методов

d)

Только теоретическое обучение без практических примеров в промте

e)

Исключительно быстрое обучение модели на основе минимума информации

65.

Параметр temperature в генеративных моделях контролирует:

a)

Уровень случайности и разнообразия в генерируемых текстах и данных

b)

Исключительно физическую температуру процессора компьютера во время обучения

c)

Скорость обучения модели во время её тренировки на батчах данных

d)

Количество параметров в нейронной сети и её общую архитектуру

e)

Объём оперативной памяти используемой системой для хранения промежуточных данных

66.

Hallucination в контексте генеративных моделей это:

a)

Генерирование неправдивой информации и ложных фактов в выходе модели

b)

Визуальные иллюзии пользователя при просмотре экрана компьютера

c)

Ошибка в коде программы при компиляции и выполнении исходного текста

d)

Проблема с подключением к интернету или потеря сетевого соединения

e)

Неправильный вывод графики и визуализации на экран монитора устройства

67.

Bing Copilot интегрирован в:

a)

Поисковую систему Bing для предоставления генеративных ответов на запросы

b)

Браузер Firefox и Google Chrome для помощи при разработке веб-страниц

c)

Исключительно Microsoft Office и облако для работы с документами

d)

Только операционную систему Windows для управления компьютером

e)

Исключительно мобильные приложения для смартфонов и планшетов

68.

Intelligent search использует:

a)

Понимание смысла запроса через семантические представления и эмбединги

b)

Исключительно совпадение ключевых слов в документах при поиске по индексам

c)

Только совпадение строк при поиске текста без анализа значения

d)

Исключительно случайный выбор результатов для пользователя

e)

Только индексирование без анализа содержания и семантики документов

69.

AI для анализа данных извлекает:

a)

Инсайты и закономерности из больших данных для принятия решений

b)

Исключительно визуальное представление чисел графиков и диаграмм

c)

Только создание графиков и диаграмм для представления информации

d)

Исключительно хранение информации в базах данных и хранилищах

e)

Только передачу данных между различными системами и приложениями

70.

AI для дизайна позволяет:

a)

Автоматически генерировать дизайны и вариации на основе входных параметров

b)

Исключительно просмотр готовых шаблонов и макетов дизайна

c)

Только рисование вручную с помощью мыши и других устройств ввода

d)

Исключительный выбор готовых цветовых палитр и шрифтов

e)

Только хранение изображений и дизайнов в облачных хранилищах

71.

ИИ для презентаций генерирует:

a)

Слайды с содержанием и дизайном на основе входного описания или структуры

b)

Исключительно титульные листы без основного содержания презентации

c)

Только списки пунктов без оформления и визуальной компоненты

d)

Исключительно графики и диаграммы для визуализации данных

e)

Только текстовые блоки без визуального оформления и дизайна слайдов

72.

No-code инструменты позволяют:

a)

Разрабатывать приложения без написания кода используя визуальные интерфейсы

b)

Исключительно писать очень быстрый и оптимизированный машинный код

c)

Только запускать готовый скомпилированный код без модификаций

d)

Исключительно отлаживать программы и найти ошибки в логике

e)

Только документировать процесс разработки программного проекта

73.

Teachable Machine предназначена для:

a)

Создания моделей машинного обучения без написания кода через загрузку данных

b)

Исключительно обучения людей компьютерной грамотности и навыкам программирования

c)

Только преподавания математики, физики и других естественных наук студентам

d)

Исключительно тестирования готовых моделей и проверки их производительности

e)

Только анализа производительности систем и мониторинга работы приложений

74.

Cursor это IDE расширенная:

a)

Возможностями ИИ для умной помощи при разработке и генерации кода

b)

Исключительно быстрого ввода текста на клавиатуре через предсказание слов

c)

Только форматирования и редактирования текста и исходного кода

d)

Исключительно отладки и поиска ошибок в программах через анализ

e)

Только компиляции и выполнения кода с визуализацией результатов

75.

Lovable для:

a)

Разработки веб-приложений с помощью ИИ через итеративное совершенствование

b)

Исключительно создания личных дневников и записей для себя

c)

Только графического дизайна интерфейсов и создания макетов

d)

Исключительно веб-хостинга сайтов на облачных серверах

e)

Только управления доменными именами и регистрациями в интернете

76.

API генеративных моделей позволяет:

a)

Интегрировать предварительно обученные модели в приложения через вызовы

b)

Исключительно просматривать результаты в браузере через веб-интерфейс

c)

Только тестирование готовых решений без интеграции в свои приложения

d)

Исключительно анализ производительности и мониторинг качества моделей

e)

Только хранение результатов предсказаний в облачных базах данных

77.

Токенизация в больших языковых моделях это:

a)

Разделение текста на небольшие единицы токены для обработки моделью

b)

Исключительно создание уникальных идентификаторов для пользователей и сессий

c)

Только разделение текста на слова без выделения смысловых единиц

d)

Исключительно шифрование текста и защита от несанкционированного доступа

e)

Только удаление стоп-слов и предлогов из текста для сокращения

78.

Первый этап разработки AI-проекта это:

a)

Определение проблемы и целей для решения через технологии ИИ

b)

Исключительно разработка архитектуры нейронной сети и её слоёв

c)

Только подготовка и очистка данных от ошибок и пропусков

79.

SMART-цели в управлении проектом предусматривают:

a)

Конкретность измеримость достижимость релевантность и ограничение по времени

b)

Исключительно финансовые метрики успеха и показатели прибыльности

c)

Только технические требования и характеристики системы в спецификации

d)

Исключительно примерные очертания задачи без точных критериев успеха

e)

Только список желаний и пожеланий заинтересованных сторон проекта

80.

Прототип AI-проекта служит для:

a)

Проверки концепции и валидации гипотез до полной разработки

b)

Исключительно первого хранилища данных и накопления информации

c)

Только обучения новых сотрудников методикам разработки

d)

Исключительно составления отчёта для руководства проекта

e)

Только промежуточного сохранения работы без потери прогресса

81.

Сбор и подготовка данных в AI-проекте включает:

a)

Очистку нормализацию и переподготовку данных для обучения модели

b)

Исключительно загрузку файлов на сервер для хранения в облаке

c)

Только сохранение данных в базах данных и хранилищах

d)

Исключительно резервное копирование информации для безопасности

e)

Только архивирование данных в облачных сервисах компании

82.

Выбор архитектуры модели зависит от:

a)

Типа задачи характеристик данных и требований к производительности

b)

Исключительно личных предпочтений и опыта разработчика проекта

c)

Только пользы алгоритма и его популярности в научном сообществе

d)

Исключительно популярности метода и распространённости его использования

e)

Просто случайного выбора из доступных вариантов архитектур

83.

Оптимизация логики модели включает:

a)

Настройку параметров выбор оптимизатора и скорости обучения

b)

Исключительно изменение цветов интерфейса и оформления программы

c)

Только увеличение мощности сервера и вычислительных ресурсов

d)

Исключительно переименование переменных в исходном коде

e)

Только полное переписывание всего кода с использованием другого языка

84.

Оценка качества модели использует:

a)

Множество метрик для оценки разных аспектов производительности

b)

Исключительно один метрик точности без учёта других показателей

c)

Только скорость вычислений и пропускная способность системы

d)

Исключительно размер памяти, требуемый для хранения модели

e)

Только время выполнения инференции на батче примеров

85.

Валидация модели выполняется на:

a)

Отдельном наборе данных для оценки обобщающей способности

b)

Исключительно тренировочных данных для проверки качества обучения

c)

Только аппробации данных после развёртывания в реальной среде

d)

Исключительно случайных примерах без структурированного тестирования

e)

Только эмпирических наблюдениях без формальной валидации процесса

86.

Тестирование моделей включает:

a)

Проверку корректности, безопасности и устойчивости к граничным случаям

b)

Исключительно проверку скорости выполнения без анализа качества

c)

Только документирование результатов без формального тестирования

d)

Исключительно анализ графиков и диаграмм производительности

e)

Только сбор отзывов пользователей без автоматизированного тестирования

Similar Resources on Wayground

Системне 2 контрольна 1 сем.

84 questions

Системне 2 контрольна 1 сем.

quiz

Worksheet

•

University

Извлеченные вопросы из рабочего листа (уровень 13 класс)

91 questions

Извлеченные вопросы из рабочего листа (уровень 13 класс)

quiz

Worksheet

•

University

Nuurbaa

90 questions

Nuurbaa

quiz

Worksheet

•

University

Вопросы по ВЭД

90 questions

Вопросы по ВЭД

quiz

Worksheet

•

University

Эволюция мобильных телефонов

84 questions

Эволюция мобильных телефонов

quiz

Worksheet

•

University

Икт экзамен 1

86 questions

Икт экзамен 1

quiz

Worksheet

•

University