Технологии и системы искусственного интеллекта - ответы на вопросы

Исследователь работает с набором данных, содержащим текстовые сообщения, изображения и видео.
К каким типам будут относиться данные из этого набора, содержащие текстовую информацию? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••
​}

• Полуструктурированные данные, так как текстовые данные могут иметь теги или метаданные
• Неструктурированные данные, так как текстовые данные не имеют заранее определенной структуры и могут содержать разнообразные форматы
• Структурированные данные, так как текстовые данные можно организовать в таблицы
• Синтетические данные, так как они могут быть сгенерированы для анализа текстовых сообщений

Основой для развития искусственного интеллекта считается технология развития …

• обрабатывающего оборудования
• нейронных сетей и алгоритмов
• операционных систем
• графических процессоров
  

… – это базы данных, которые обычно используют для хранения структурированных данных

• NoSQL
• Реляционные системы управления базами данных (СУБД)
• Файловые системы
• Облачные хранилища

… считается годом начала активного изучения искусственного интеллекта как научной области

Такой метод маркировки данных, как … маркировка, обеспечивает высокую точность, но является медленным и дорогим

• автоматическая
• полуавтоматическая
• ручная
• алгоритмическая
  

Вычислительный узел в инфраструктуре глубокого обучения обычно оснащается графическим процессором типа … для ускорения обучения моделей
_{Тип ответа: Текcтовый ответ}

Квантовые вычисления в контексте искусственного интеллекта открывают перспективы экспоненциального … процессов оптимизации и поиска

Исследователь работает с набором данных, содержащим текстовые сообщения, изображения и видео. К каким типам будут относиться данные из этого набора, содержащие текстовую информацию? (Укажите 2 варианта ответа)

Основная цель машинного обучения – это …

• автоматизация физической работы
• создание моделей для предсказания на основе данных
• улучшение графической обработки
• снижение потребления энергии

Основным катализатором восстановления интереса к изучению искусственного интеллекта в 21 в. стали …

• междисциплинарные исследования
• открытия в области квантовой физики
• работы в области философии
  

Специалист по обработке естественного языка разрабатывает модель для автоматического анализа текстовых данных, чтобы определить тональность отзывов пользователей на продукт. Он решает использовать рекуррентные нейронные сети (RNN) в сочетании с механизмами внимания (attention mechanism).
Какие преимущества обеспечивает применение механизмов внимания в этой модели? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••}

• Механизмы внимания увеличивают общее количество параметров модели, что всегда приводит к улучшению качества
• Механизмы внимания позволяют модели сосредоточиться на наиболее значимых элементах входного текста, улучшая качество понимания контекста
• Механизмы внимания уменьшают время вычислений в процессе обучения, что позволяет быстрее обучить большую модель

На оценку производительности систем для искусственного интеллекта согласно формуле P = C ×F × E влияют такие параметры, как … (укажите 3 варианта ответа)
_{​​​​Тип ответа: Множественный выбор ••
​}

• количество ядер
• тактовая частота
• эффективность использования ресурсов
• объем оперативной памяти

Глубокое обучение в контексте искусственного интеллекта – это …

• простой алгоритм для обработки данных
• подкласс машинного обучения, основанный на нейронных сетях
• метод для оптимизации баз данных
• технология обработки больших объемов данных

Инженер по аппаратному обеспечению разрабатывает специализированное устройство для выполнения задач глубокого обучения, используя архитектуру нейропроцессоров. Он выбирает между различными типами процессоров для своей системы.
Какой тип процессора будет наилучшим выбором для задач глубокого обучения, требующих высокой производительности и энергоэффективности? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••}

• Центральные процессорные устройства (CPU), так как они универсальны и могут выполнять широкий спектр задач
• Графические процессорные устройства (GPU), поскольку они предназначены для параллельных вычислений и обеспечивают высокую производительность в обучении нейронных сетей
• Тензорные процессорные устройства (TPU), так как они оптимизированы для глубокого обучения и способны выполнять сложные операции с матрицами с высокой плотностью операций
• Нейроморфные процессоры, так как они эффективно обрабатывают задачи распознавания образов и имеют высокую энергоэффективность

Основное преимущество неструктурированных данных – это …

• высокая скорость обработки
• гибкость структуры
• богатство информации
• стандартизация данных

Основные компоненты экспертной системы - это ...

• алгоритмы глубокого обучения и объемные базы данных
• база знаний и механизм вывода
• системы автоматического управления и база знаний
• объемные базы данных и системы автоматического управления

Можно выделить такие основные принципы этичного искусственного интеллекта, как ... (укажите 3 варианта ответа)

• прозрачность
• автономия системы
• недискриминация
• защита личной информации

Команда разработчиков работает над проектом объяснимого искусственного интеллекта (XAI) и планирует создать модель в области медицины, результаты которой будут интерпретироваться простыми пользователями и профессиональными медицинскими работниками. Это необходимо для повышения доверия к ИИ-системе и обеспечения ее этического применения.
Что следует учитывать при создании XAI для медицинских приложений, с учетом изложенных условий? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••}

• Уровень объяснимости модели, чтобы пользователи могли понять, как принимаются решения
• Объем данных для обучения, чтобы достигнуть высокой точности модели
• Этические принципы, касающиеся прозрачности и недискриминации
• Сложность модели, чтобы обеспечить возможность работы на ограниченных ресурсах

Проект … в области искусственного интеллекта способствовал повышению интереса к глубокому обучению

Говоря о том, существует ли унифицированная международная норма по регулированию технологий искусственного интеллекта, можно утверждать, что …

• такая норма уже полностью реализована
• разработка такой нормы еще в процессе
• разработка такой нормы пока что только в проекте, и на сегодняшний день лишь частично согласованы рекомендации по ней
• разработка такой нормы на сегодняшний день неактуальна

... относится к эволюционным алгоритмам

• Алгоритм SVM
• Алгоритм А*
• Генетический алгоритм
• Метод к-средних

В 1956 г. на … конференции был впервые введен термин «искусственный интеллект»
_{Тип ответа: Текcтовый ответ}

Количественно оценить потенциальные угрозы внедрения искусственного интеллекта позволяет индекс …

• развития
• риска
• устойчивости
• выполнения
  

Одним из основателей области искусственного интеллекта был …

• Алан Тьюринг
• Джон Маккарти
• Дуглас Хартри
• Норберт Винер
  

Назначение конечных устройств в контексте искусственного интеллекта заключается в …

• обеспечении высокой производительности для обучения моделей
• исполнении легких задач и быстром принятии решений
• управлении высокоскоростными сетями между узлами
• анализе больших данных в облаке

Сопоставьте примеры применения искусственного интеллекта с соответствующими отраслями:
_{Тип ответа: Сопоставление}

• A. Автономное вождение
• B. Системы адаптивного обучения
• C. Оценка кредитного риска
• D. - транспорт
• E. - образование
• F. - финансы

Сопоставьте типы данных с их примерами:
_{Тип ответа: Сопоставление}

• A. Структурированные данные
• B. Полуструктурированные данные
• C. Неструктурированные данные
• D. SQL-базы
• E. XML и JSON
• F. тексты и изображения

Расположите устройства в порядке уменьшения их размеров и ролей в экосистеме искусственного интеллекта, начиная с самых крупных:

• 1) центры обработки данных (ЦОД)

---

• 2) шлюзы

---

• 3) конечные устройства

Говоря о влиянии, которое искусственный интеллект оказывает на отрасли экономики, следует отметить ...

• увеличение затрат на рабочую силу
• оптимизацию процессов и снижение затрат
• сложности в управлении ресурсами
• увеличение числа рабочих мест

Исследователь анализирует перспективные направления развития искусственного интеллекта (ИИ) и отмечает усиление внимания к вопросам этики и прозрачности алгоритмов.

• Какой принцип является ключевым для создания этичного ИИ?
• Максимальная производительность и скорость обработки данных
• Ограничение доступа к данным для минимизации обучающих выборок
• Объяснимость и справедливость принимаемых решений
• Полная автономия системы без вмешательства человека

Говоря о данных и знаниях в контексте искусственного интеллекта (ИИ), можно утверждать, что ... (укажите 3 варианта ответа)
данные - это всегда структурированная информация, готовая к использованию без дополнительной обработки

• знания - это организованная и интерпретированная информация, помогающая принимать решения
• преобразование данных в знания включает этапы сбора, очистки, анализа и интерпретации данных
• полностью неструктурированные данные не могут применяться в системах искусственного интеллекта
• онтологии и семантические сети - это методы представления знаний в ИИ-системах
• знания и данные можно использовать взаимозаменяемо в построении интеллектуальных систем

Говоря о ключевых особенностях и этапах развития искусственного интеллекта (ИИ), можно утверждать, что … (укажите 3 варианта ответа)

• термин «искусственный интеллект» был впервые введён в 1956 году на Дартмутской конференции
• символьный ИИ в основном базировался на статистических методах и больших данных
• машинное обучение стало доминирующим подходом в период с 1980-х по 2010-е гг.
• глубокое обучение использует многослойные нейронные сети для решения сложных задач
• экспертные системы легко масштабировались и не имели ограничений в применении
• современные системы не уделяют большого внимания объяснимости решений искусственного интеллекта

Специалист по разработке систем искусственного интеллекта (ИИ) анализирует тенденции развития технологий в области медицины с использованием ИИ. В соответствии с мировыми трендами, он рассматривает разные направления применения ИИ в этой области.
Какие направления наиболее перспективны для внедрения ИИ в медицинскую практику? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••}

• Автоматизированная диагностика на основе изображений (например, рентген, МРТ)
• Создание кросс-платформенных приложений для ведения медицинских карт
• Персонализированная медицина на основе генетических данных
• Моделирование экономических процессов в здравоохранении

Разработчик системы искусственного интеллекта планирует внедрить облачную платформу для обучения своих моделей. Разработчик выбирает облачную платформу из трех вариантов: AWS SageMaker, Google Vertex AI и Microsoft Azure ML. Какие факторы должны быть учтены при выборе подходящей облачной платформы для задач глубокого обучения? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••}

• Стоимость использования платформы
• Поддержка необходимых фреймворков для разработки (например, TensorFlow, PyTorch)
• Возможности интеграции с существующими корпоративными средами
• Доступность на глобальном уровне и скорость подключения к Интернету

Организация планирует создать систему управления клиентскими данными. У этой организации есть возможность собирать данные из различных источников, таких как веб-формы, анкетные исследования и сторонние API. К каким типам будут относиться данные, собранные через веб-формы? (Укажите 2 варианта ответа)
_{Тип ответа: Множественный выбор ••}

• Структурированные данные, поскольку они собраны в определенных полях и можно применять SQL-запросы для их обработки
• Неструктурированные данные, так как они могут содержать свободные текстовые поля и не имеют заранее определенной структуры
• Полуструктурированные данные, так как они могут содержать метаданные и не всегда следуют жесткой схеме, но все же могут быть частично организованы
• Синтетические данные, так как они сгенерированы системой для аналитических целей

Какая зависимость изображена на картинке?

• прямая
• линейная
• полиномиальная

Экономический прирост отрасли ΔV при внедрении искусственного интеллекта рассчитывается по формуле (где: α – коэффициент влияния искусственного интеллекта, PAI – уровень проникновения искусственного интеллекта, Gsector – рост отрасли или ключевой фактор роста в отрасли)

• ΔV= α × (PAI × Gsector)
• ΔV= (PAI × Gsector) : α
• ΔV= α × (PAI : Gsector)
• ΔV= α × (PAI – Gsector)

Исследователь анализирует эволюцию аппаратных средств для искусственного интеллекта (ИИ) и отмечает переход от универсальных процессоров к специализированным ускорителям в XXI веке.
Что стало ключевой причиной появления специализированных ускорителей, таких как TPU и NPU?

В числе характерных особенностей нейроморфных процессоров применительно к искусственному интеллекту – …

• высокое энергопотребление
• имитация работы биологических нейронных сетей и асинхронная обработка данных
• универсальная архитектура для любых вычислений
• использование только центрального процессора CPU

В группе изучающих нейронные сети обсуждаются функции активации, которые помогают моделям справляться с проблемой исчезающего градиента и обеспечивают плавное сжатие значений в промежутке от -1 до 1, то есть центрирование по нулю.
Какая функция активации широко применяется в скрытых слоях нейронных сетей и характеризуется такими свойствами?

Нужно преобразовать значения признака x так, чтобы они находились в диапазоне от 0 до 1, сохраняя при этом относительные пропорции между значениями. Это делается для улучшения обучения моделей машинного обучения, чтобы исключить влияние масштаба признаков. Необходимо математически выразить нормализацию признака в диапазоне [0, 1] по методу min-max. Какая формула для этого используется?

К проблемам при работе с данными следует отнести…

• стандартизацию данных
• пропуски и шум
• использование современных алгоритмов
• кодирование категориальных признаков

Специалист по разработке систем искусственного интеллекта (ИИ) анализирует тенденции развития технологий в области медицины с использованием ИИ. В соответствии с мировыми трендами, он рассматривает разные направления применения ИИ в этой области. Какие направления наиболее перспективны для внедрения ИИ в медицинскую практику? (Укажите 2 варианта ответа)

Специалист по машинному обучению работает над проектом по созданию модели для предсказания цен на жилье. Для этой задачи ему необходимо выбрать метод регрессии. Какой метод подходит для выполнения данной задачи (с учетом того, что у специалиста есть обучающая выборка с размеченными данными)? Ответ обоснуйте.

Основная задача системы обработка естественного языка (NLP) заключается в том, чтобы преобразовать неструктурированные текстовые данные в понятные и структурированные форматы. Какой подход может использоваться для выполнения этой задачи?

Что такое каппа-архитектура?

• архитектура, в которой можно выполнять как обработку в реальном времени, так и пакетную обработку
• архитектура, которая объединяет потоковую обработку данных в режиме реального времени с результатами пакетной аналитики
• архитектура, которая работает в многопоточности
  

Что является самой НЕ объемной проблемой в машинном обучении?

Что является самой объемной проблемой в машинном обучении?

Что является началом процесса машинного обучения?

Что является самой объемной проблемой в машинном обучении?

• агрегация данных
• маркировка данных
• чистка данных
  

В числе характеристик нейроморфных процессоров – … (укажите 2 варианта ответа)

Какая зависимость изображена на картинке?

Что такое парсинг данных?

Что такое biase?

Что такое гомоскедастичность данных?

Что такое каппа-архитектура?

Что такое гомоскедастичность данных?

• свойства данных, используемых для создания новых модулей структуры FPG.
• свойство данных, используемых для построения модели линейной регрессии, которое заключается в том, что их дисперсия вдоль прямой регрессии является постоянной.
• свойства данных, используемых для моделирования бинарной переменной отклика, принимающей значения 1 и 0.

Что такое biase?

• выбор
• разброс
• смещение

Что является самой объемной проблемой в машинном обучении?

• агрегация данных
• маркировка данных
• чистка данных

Что такое парсинг данных?

• вывод информации в базу данных
• работа с данными при помощи SQL
• один из процессов оцифровки

Что такое EDA?

Что такое распределение пуассона?

Алгоритм Backpropagation:

• Состоит в случайном подборе весов модели до тех пор, пока не будет достигнут оптимальный набор параметров, минимизирующий ошибку
• Используется только для оптимизации полносвязных нейросетей
• Последовательном вычислении градиентов по весам модели, начиная с последнего слоя, по предактивациям соответствующего слоя и градиентам по весам следующего

Что такое машинный перевод?

• Обучающая выборка выбрана из нормального распределения по всем признакам
• композиционный алгоритм над решающими деревьями, основанный на идее голосования классификаторов, проводимого особым способом, с приписыванием константных весов каждому классификатору
• процесс перевода текстов с одного естественного языка на другой с помощью специальной компьютерной программы

Архитектура полносвязной нейронные сети основана на идее

• обобщения низкоуровневых признаков и генерирования на их основе более высокоуровневых
• Построения разделяющей гиперплоскости
• Минимизации лосс-функции без использования градиентных методов

Эмпирический риск вводится исходя из предположения, что

• Оценка качества работы алгоритма на обучающей выборке примерно совпадает с ожидаемым качеством работы алгоритма вне ее
• Обучающая выборка выбрана из нормального распределения по всем признакам
• Оценка риска только на обучающей выборке – более правильный подход, чем оценка риска на всех возможных данных

Случайный лес – это:

• Составление композиционного алгоритма при помощи подбора случайных алгоритмов машинного обучения и их последующего голосования
• Композиционный алгоритм (обычно над решающими деревьями), основанный на идее построения нового элемента композиции на каждой итерации таким образом, что следующее приближение вектора ответов алгоритма отличается от текущего на градиент ошибки
• Метод голосования решающих деревьев, каждое из которых было обучено на собственной подвыборке объектов и подвыборке признаков

Решающие деревья обладают следующими свойствами:

• Плохо интерпретируются, чувствительны к шуму, иногда отказывают в классификации данных
• Строят разделяющую гиперплоскость, не чувствительны к шуму, не переобучаются
• Легко обрабатывают пропуски данных, хорошо интерпретируются, исключают отказы классификации, обрабатывают разнотипные и неотмасштабированные данные
• Способны решать лишь задачу регрессии

Процедура LearnID3 состоит в:

• Последовательном построении решающего дерева посредством поиска предиката с максимальной информативностью на каждом шаге и разделении обучающей выборки на две части по этому предикату до тех пор, пока не будет достигнуто нужное число вершин в дереве
• Последовательном построении решающего дерева посредством разбиения обучающей выборки на случайные подвыборки с сохранением отношения числа элементов одного класса к числу элементов другого класса
• В индексации вершин решающего дерева особым способом
• В особом способе полива тропических растений в наших широтах

Недостатки k-means:

• Необходимость подбирать k, неустойчивость от выбора начального приближения центров кластеров
• Неинтерпретируемость
• Плохое качество работы

Метод K-Means - Это :

• Метрический метод классификации, основанный на усреднении расстояний до k ближайших соседей
• Метод кластеризации
• Метод валидации модели, основанный на усреднении ошибки по к прогонам модели на тестовых данных

Метод опорных векторов (Support Vectors Machine, SVM):

• Строит оптимальную разделяющую гиперплоскость, максимизируя ширину полосы между двумя классами
• Аппроксимирует искомую функцию, обучаясь при помощи градиентных методов, решает задачу регрессии
• Проводит гиперповерхность, минимизируя сумму квадратов расстояний элементов обучающей выборки до этой гиперповерхности

Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Выбор модели машинного обучения происходит на этапе:

• Выбора семейства F
• Оценки качества выбранной функции f из семейства F
• Поиска наилучшей функции из семейства F

Задача понижения размерности признакового пространства – это задача

• Обучения с учителем
• Обучения без учителя
• Обучения с подкреплением

Задача автоматической идентификации марки машины по ее изображению – это задача

• Регрессии
• Бинарной классификации
• Многоклассовой классификации

Задача автоматического выделения похожих новостных статей без размеченной выборки – это задача

• Регрессии
• Бинарной классификации
• Кластеризации

Если мы предсказываем среднюю стоимость машины в зависимости от ее класса, то класс представляет собой

• Бинарный признак
• Непрерывный признак
• Категориальный признак

Если мы предсказываем средние затраты на обслуживание машины, то максимальная скорость разгона машины – это

• Бинарный признак
• Непрерывный признак
• Номинальный признак

Градиентный бустинг - это:

• Усиление обобщающей способности модели посредством использования нескольких градиентных методов оптимизации
• Композиционный алгоритм (обычно над решающими деревьями), основанный на идее построения нового элемента композиции на каждой итерации таким образом, что следующее приближение вектора ответов алгоритма отличается от текущего на градиент ошибки
• Композиционный алгоритм над решающими деревьями, основанный на идее голосования классификаторов, проводимого особым способом, с приписыванием константных весов каждому классификатору

Выберете верное утверждение:

• Для линейной регрессии возможно аналитически найти решение задачи минимизации эмпирического риска только в одномерном случае
• Линейная регрессия допускает аналитическое решение задачи минимизации суммы квадратов расстояния от предсказанных меток до верных ответов в случае любой размерности
• Для линейной регрессии не существует решения задачи минимизации эмпирического риска

Выберете верное утверждение:

• Логистическая регрессия решает задачу регрессии
• Логистическая регрессия нужна для поиска оптимальных маршрутов грузоперевозок
• Логистическая регрессия решает задачу классификации

В каком случае метрика accuracy будет репрезентативной

• Когда все виды ошибок имеют для нас одинаковую важность, и может быть дисбаланс классов
• Когда все виды ошибок имеют для нас одинаковую важность, но дисбаланса классов быть не должно
• Когда дисбаланс классов может быть, и ошибки могут иметь любое соотношение важности

Исследователь работает с набором данных, содержащим текстовые сообщения, изображения и видео.
К каким типам будут относиться данные из этого набора, содержащие текстовую информацию? (Укажите 2 варианта ответа)

• Полуструктурированные данные, так как текстовые данные могут иметь теги или метаданные
• Неструктурированные данные, так как текстовые данные не имеют заранее определенной структуры и могут содержать разнообразные форматы
• Структурированные данные, так как текстовые данные можно организовать в таблицы
• Синтетические данные, так как они могут быть сгенерированы для анализа текстовых сообщений

Период «символьного искусственного интеллекта» характеризуется …

• использованием многослойных нейронных сетей
• созданием систем на основе логических правил и знаний
• применением статистических методов

Инженер по аппаратному обеспечению разрабатывает специализированное устройство для выполнения задач глубокого обучения, используя архитектуру нейропроцессоров. Он выбирает между различными типами процессоров для своей системы.
Какой тип процессора будет наилучшим выбором для задач глубокого обучения, требующих высокой производительности и энергоэффективности? (Укажите 2 варианта ответа)

• Центральные процессорные устройства (CPU), так как они универсальны и могут выполнять широкий спектр задач
• Графические процессорные устройства (GPU), поскольку они предназначены для параллельных вычислений и обеспечивают высокую производительность в обучении нейронных сетей
• Тензорные процессорные устройства (TPU), так как они оптимизированы для глубокого обучения и способны выполнять сложные операции с матрицами с высокой плотностью операций
• Нейроморфные процессоры, так как они эффективно обрабатывают задачи распознавания образов и имеют высокую энергоэффективность

Разработчик системы искусственного интеллекта планирует внедрить облачную платформу для обучения своих моделей. Разработчик выбирает облачную платформу из трех вариантов: AWS SageMaker, Google Vertex Al и Microsoft Azure ML.
Какие факторы должны быть учтены при выборе подходящей облачной платформы для задач глубокого обучения? (Укажите 2 варианта ответа)

• Стоимость использования платформы
• Поддержка необходимых фреймворков для разработки (например, TensorFlow, PyTorch)
• Возможности интеграции с существующими корпоративными средами
• Доступность на глобальном уровне и скорость подключения к Интернету

Расположите типы данных в порядке от наиболее организованных к наименее структурированным:

• 1 структурированные
• 2 полуструктурированные
• 3 неструктурированные

Назначение конечных устройств в контексте искусственного интеллекта заключается в ...

• обеспечении высокой производительности для обучения моделей
• исполнении легких задач и быстром принятии решений
• управлении высокоскоростными сетями между узлами
• анализе больших данных в облаке

Неверно, что ... является частью процесса обучения модели

• сбор данных
• формулирование задачи
• разработка аппаратного обеспечения
• оценка качества модели

Для решения проблемы недостатка обучающих данных в сфере искусственного интеллекта существуют такие перспективные направления, как ... (укажите 2 варианта ответа)

• аугментация данных
• регуляризация
• обучение на обогащенных выборках
• использование виртуальных машин

Расположите типы процессоров для задач искусственного интеллекта в порядке возрастания уровня их вычислительной мощности (от низкой к высокой вычислительной мощности):

• 1 CPU
• 2 нейроморфные процессоры
• 3 GPU
• 4 TPU

Сопоставьте примеры применения искусственного интеллекта с соответствующими отраслями:

• A. Автономное вождение
• B. Системы адаптивного обучения
• C. Оценка кредитного риска
• D. транспорт
• E. образование
• F. финансы

Сопоставьте примеры применения искусственного интеллекта с соответствующими отраслями:

• A. Автоматизированная диагностика
• B. Прогнозирование загрязнения
• C. Оценка риска рецидива
• D. Персонализированная медицина
• E. медицина
• F. экология
• G. правосудие
• H. образование

Сопоставьте важнейшие события в истории искусственного интеллекта и соответствующие годы:

• A. Создание шахматной программы Deep Blue
• B. Презентация термина «искусственный интеллект»
• C. Разработка первой нейронной сети
• D. Предложение идеи теста Тьюринга
• E. 1997 г.
• F. 1956 г.
• G. 1958 г.
• H. 1950 г.

Для экспертов в области искусственного интеллекта необходимы ... (укажите 3 варианта ответа)

• технологические навыки
• знания из области права
• знания из области гуманитарных наук
• только специализированные знания по математике

Говоря о том, существует ли унифицированная международная норма по регулированию технологий искусственного интеллекта, можно утверждать, что ...

• такая норма уже полностью реализована
• разработка такой нормы еще в процессе
• разработка такой нормы пока что только в проекте, и на сегодняшний день лишь частично согласованы рекомендации по ней
• разработка такой нормы на сегодняшний день неактуальна

Такой метод, как ..., используется для минимизации значения функции потерь в нейронных сетях

• деревья решений
• градиентный спуск
• метод главных компонент
• алгоритм к-средних

Методом решения задач в классическом искусственном интеллекте является ... метод, который использует способ рассуждения от общего к частному

Ключевым фактором улучшения моделей искусственного интеллекта (ИИ) в 2010-х гг. стало ...

• увеличение объемов доступных данных
• уменьшение сложности алгоритмов
• падение интереса к ИИ
• увеличение числа специалистов в области ИИ

Количественно оценить потенциальные угрозы внедрения искусственного интеллекта позволяет индекс ...

• развития
• риска
• устойчивости
• выполнения