Quando nasce il termine Intelligenza Artificiale 1999 2012 1966 1956.
Cosa sono i sistemi esperti? Sistemi che uniscono meccanismi deduttivi a conoscenza specifica Sistemi specializzarti per il riconoscimento di immagini Sistemi in grado di risolvere qualsiasi problema Sistemi in grado di lavorare in qualsiasi contesto.
Quale tecnologia viene introdotta negli anni '80? Reti neurali profonde Sistemi esperti Backpropagation e reti neurali Logica fuzzy.
Perchè passa la moda delle reti neurali? Le reti neurali sono una tecnologia vecchia Prende piede il Deep Learning Nascono nuove tecnologie Le reti neurali sono difficili da progettare ed allenare.
Perchè nel 2012 tornano di moda le reti neurali? Abbiamo abbastanza dati per allenarle Tutte le altre risposte Esiste la tecnologia per progettare le reti neurali Avanzamenti nell'hardware.
Cosa si intende con il termine di Machine Learning? Sistemi esperti Macchine progettare per imparare Algoritmi di apprendimento basati sui dati Prime forme di intelligenza artificiale.
Qual è la differenza tra Machine Learning ed Intelligenza Artificiale? L'IA è un ramo del Machine Learning Il Machine Learning è un ramo dell'Intelligenza Artificiale Machine Learning ed IA non hanno nulal in comune Nessuna, sono la stessa cosa.
Come funziona il Machine Learning? Estrae informazioni (pattern) dai dati Il modello cerca le differenze tra I dati Il modello impara da pochi esempi Estrae dati dai pattern.
Quali di questi NON è uno dei motivi per cui il Machine Learning ha avuto successo? Incremento delle capacità computazionali GPU come accelleratori di calcolo Teoria nuova ed innovativa La disponibilità di una grande quantità di dati.
Cosa erano in grado di fare i primi sistemi intelligenti (Anni '60)? Sistemi in grado di lavorare in qualsiasi contesto Sistemi in grado di risolvere qualsiasi problema Sistemi che uniscono meccanismi deduttivi a conoscenza specifica Sistemi specializzati per il riconoscimento di immagini.
Cos'è l'unsupervised learning? Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione) Nessuna delle risposte Un paradigma di learning in cui il modello riceve tanti dati senza annotazione.
Cosa permette ad un agente di capire se ha scelto una azione giusta nel reinforcement learning? Lo stato L'azione successiva Il reward Nessuna delle risposte.
In cosa consiste il clustering? Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono Nessuna delle risposte Il modello impara a predire valori constinui Il modello impara ad assegnare una classe ad un pattern.
In cosa consiste il task di classificazione? Nessuna delle risposte Il modello impara a predire un valore constinuo Il modello impara ad assegnare una classe ad un pattern Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono.
Cos'è il reinforcement learning? Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente Un paradigma di learning in cui il modello riceve tanti dati senza annotazione Nessuna delle risposte Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione).
In cosa consiste il task di regressione? Nessuna delle risposte Il modello impara a predire valori constinui Il modello impara ad assegnare una classe ad un pattern Il modello impara a ragruppare i dati.
Cos'è il supervised learning? Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione) Nessuna delle risposte Un paradigma di learning in cui il modello riceve tanti dati senza label Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente.
Cos'è un pattern categorico? Nessuna delle risposte Valore tipicamente continuo Valori estratti da segnali (e.g.: imamgini o suoni) Valori associati a caratteristiche qualitative e alla presenza di una caratteristica.
Cos'è un pattern numerico? Valore associato a caratteristiche misurabili Valore associato alle presenza o meno di una caratteristica Nessuna delle risposte Valore associato a caratteristiche qualitative.
Cosa si intende con il termine pattern? Sinonimo di Machine Learning Una rete neurale I dati utilizzati per allenare le reti neurali I livelli di una rete neurale.
Machine Learning e Intelligenza Artificiale sono la stessa cosa? Il Machine learning è un ramo dell'Intelligenza Artificiale L'IA è un ramo del Machine Learning Si, sono la stessa cosa No, non hanno nulla in comune.
Quale di questi non è un tipo di learning? Nessuna delle risposte Supervised Learning Unsupervised Learning Reinforcement Learning.
Cosa indica la definizione di IA debole? Macchina che esprime un comportamento intelligente Macchina con scarse capacità computazionali Macchina con intelligenza limitata Nessuna delle risposte.
Cosa indica la definizione di IA forte? Macchina in grado di superare il test totale di Turing Macchina con coscienza del sè Macchina con intelligenza spiccata Macchina con elevata capacità computazionale.
Cosa deve essere in gradi di fare una macchina intelligente? Tutte le altre risposte Rappresentare la conoscenza Elaborare il linguaggio naturale Ragionare automaticamente.
Quale di queste abilità non viene testata dal test totale di Turing? Manipalozione di oggetti (robotica) Percezione uditiva Percezione visiva (vista) Percezione olfattiva (olfatto).
Qual è lo scopo del "Test di turing Totale"? Nessuna delle risposte Migliorare le capacità di una macchina intelligente Aumentare la complessità del test Estendere il test ad altre abilità tra cui la manipolazione di ogetti e la percezione.
Quale caratteristiche deve avere una macchina per essere intelligente secondo Turing? Nessuna delle risposte Deve saper eseguire algoritmi complessi Deve saper processare dati Deve saper concatenare idee ed esprimerle.
Qual è lo scopo del test di Turing? Capire se una macchina mostra un comportamento intelligente Nessuna delle risposte Capire se una macchina è dotata di coscienza Capire se una macchina è in grado di eseguire algoritmi.
Come funziona il test di Turing? Una macchina viene sostituita al giocatore e deve porre domane agli altri partecipanti Nessuna delle risposte Uno dei partecipanti (e.g.: l'uomo) al gioco dell'imitazione viene sostituito da una macchina che deve imitare il comportamento umano Viene testata la capacità di una macchina di eseguire algoritmi.
Cos'è il gioco dell'imitazione? Nessuna delle risposte Un gioco in cui una macchina deve imitare una donna Un gioco in cui il giocatore deve capire chi degli altri partecipanti sia l'uomo e chi la donna tramite delle domande Un gioco in cui i partecipanti devono imitarsi a vicenda.
Cosa è una macchina di Turing? Una macchina ideale in gradi di eseguire algoritmi Una macchina intelligente Nessuna delle risposte Una macchina reale in gradi di eseguire algoritmi.
Cosa è uno stato astratto di un problema reale? Insieme di stati reali Combinazione complessa degli stati reali L'insieme degli oepratori Nessuna delle risposte.
Quale di questi non è una misura delle prestazioni di un sisteam di ricerca? Costo di ricerca Capacità di trovare la soluzione Tutte le altre risposte Bontà della soluzione.
Un problema di contingenza è un problema: Non deterministico, inaccessibile Nessuna delle risposte Deterministico, inaccessibile Deterministico, accessibile.
Cosa è un agente risolutore di problemi? Un sistema che trova sequenze di azioni in grado di massimizzare le prestazioni Nessuna delle risposte Il modello impara a ragruppare i dati in base a caratteristiche comuni Un sistema che imita il comportamento umano per risolvere problemi.
Quali di questi elementi NON definisce un problema a stato singolo? Stato iniziale Nessuna delle risposte Insieme degli operatori Learning rate.
Cosa è un algoritmo di ricerca? Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione) Nessuna delle risposte Un algoritmo che prende come input un problema e restituisce una soluzione nella forma di una sequenza di azioni Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono.
Come è definito un problema di contingenza? Un problema che non può verificarsi nel mondo reale Un problema in cui l'agente deve affrontare un intero albero di possibili azioni, ciascun ramo è una situazione che si potrebbe presentare Nessuna delle risposte Un problema ideale.
Come è definito un problema di esplorazione? Un problema che non può verificarsi nel mondo reale Nessuna delle risposte Un problema in cui l'agente deve affrontare un intero albero di possibili azioni, ciascun ramo è una situazione che si potrebbe presentare Un problema in cui l'agente non conosce gli effetti delle proprie azioni.
Un problema a stato singolo è un problema: Nessuna delle risposte Deterministico, accessibile Deterministico, inaccessibile Non deterministico, inaccessibile.
Un problema a stato multiplo è un problema: Non deterministico, inaccessibile Deterministico, accessibile Nessuna delle risposte Deterministico, inaccessibile.
In base a cosa vengono valutate le strategie di ricerca? Complessità temporale e spaziale Tutte le risposte Ottimalità Completezza.
Come funziona la ricerca breadth first (ricerca in ampiezza)? Prova tutti i possibili limiti di profondità a partire da l=0 Si espande sempre il nodo di confine con il costo di cammino 𝑔(𝑛) più basso Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro Si espande prima il nodo radice e poi successivamente tutti i nodi generati.
Come funziona la ricerca a costo uniforme? Si espande sempre il nodo di confine con il costo di cammino 𝑔(𝑛) più basso Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro Si espande prima il nodo radice e poi successivamente tutti i nodi generati Prova tutti i possibili limiti di profondità a partire da l=0.
Come funziona la ricerca depth-first (ricerca in profondità)? Si espande prima il nodo radice e poi successivamente tutti i nodi generati Si espande sempre il nodo di confine con il costo di cammino 𝑔(𝑛) più basso Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro Prova tutti i possibili limiti di profondità a partire da l=0.
Come funziona la ricerca ad approfondimento iterativo? Si espande prima il nodo radice e poi successivamente tutti i nodi generati Prova tutti i possibili limiti di profondità a partire da l=0 Si espande sempre il nodo di confine con il costo di cammino 𝑔(𝑛) più basso Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro.
La ricerca in ampiezza garantisce di trovare sempre la soluzione? Si, viene trovata per prima la soluzione del nodo obiettivo più in alto La soluzione potrebbe non essere mai trovata Nessuna delle risposte Si, viene trovata per prima la soluzione del nodo obiettivo più in basso.
La ricerca greedy NON è? Ottimale Completa Tutte le risposte Nessuna delle risposte.
La ricerca A* NON è? Nessuna delle risposte Tutte le risposte Completa Ottimale.
Cosa è una funzione euristica? Una funzione che ha il compito di selezionare il nodo che sembra condurre alla soluzione ottimale del problema Una funzione che valuta l'errore dell'algoritmo di ricerca Nessuna delle risposte Una funzione che da garanzie sulla soluzione e sul tempo impiegato per trovarla.
Cosa è la ricerca informata? Un tipo di ricerca che espande sempre il nodo di confine con il costo di cammino 𝑔(𝑛) più basso Un tipo di ricerca che prova tutti i possibili limiti di profondità a partire da l=0 Nessuna delle risposte Un tipo di ricerca che utilizza la conoscenza specifica del problema per dare un indizio alla soluzione del problema.
Come funziona l'algoritmo di ricerca A*? Utilizza un funzione di ricerca euristica ammissibile Nessuna delle risposte Questa ricerca ordina i nodi in modo che venga espanso prima quello con valutazione migliore La ricerca mira ad assicurarsi il boccone più grosso prima possibile senza valutare se questa sia la mossa davvero migliore alla fine.
Come funziona l'algoritmo di ricerca greedy? Nessuna delle risposte Questo algoritmo di ricerca espande prima il nodo radice e poi successivamente tutti i nodi generati La ricerca mira ad assicurarsi il boccone più grosso prima possibile senza valutare se questa sia la mossa davvero migliore alla fine Questa ricerca ordina i nodi in modo che venga espanso prima quello con valutazione migliore.
Come funziona l'algoritmo di ricerca best-first? Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro Si espande prima il nodo radice e poi successivamente tutti i nodi generati I nodi vengono ordinati in modo che venga espanso prima quello con valutazione migliore Nessuna delle risposte.
Quali di questi è un algoritmo di ricerca informata? Ricerca greedy Tutte le risposte Ricerca best-first Ricerca A*.
Quali di questi NON è un algoritmo di ricerca informata? Ricerca best-first Ricerca A* Ricerca breadth first Ricerca greedy.
Qual è il nome del neurone artificiale? Nessuna delle risposte Percettrone MLP Assone.
A cosa corrisponde l'output del percettrone nel neurone biologico? Dendriti Nucleo Assone Nessuna delle risposte.
A cosa corrisponde la funzione calcolata dal percettrone nel neurone biologico? Dendriti Assone Nessuna delle risposte Nucleo.
Quale operazione applica il neurone sugli input? Solo la somma Somma seguita da peso Peso seguito da somma Solo il peso.
Cosa è il peso? Nessuna delle risposte Il valore per cui viene moltiplicato l'input al percettrone Un parametro della funzione di attivazione IL valore per cui viene moltiplicato l'output del percettrone.
Quale è la sequenza completa di operazioni eseguite dal percettrone? 1) Peso degli input; 2) somma degli input pesati; 3) fuzione di attivazione 1) funzione di attivazione; 2) Peso degli input; 3) somma dei risultati 1) somma degli input; 2) peso del risultato; 3) funzione di attivazione Nessuna delle risposte.
A cosa servono le funzioni di attivazione? Migliorare le performance del percettrone Introdurre una non linearità Pesare gli input al percettrone Nessuna delle risposte.
|
