1. Где применяются системы поддержки принятия решений?
1) бизнес, финансы, здравоохранение; +
2) игровая индустрия и развлечения;
3) компьютерная графика и звук;
4) только в образовании.
2. Для чего используется ИИ в медицинской диагностике?
1) анализирует рентгеновские и МРТ-снимки, помогает в постановке диагноза; +
2) выписывает рецепты;
3) выполняет бухгалтерский учет;
4) записывает пациентов.
3. Для чего используются полносвязные нейронные сети
1) для обработки неструктурированных данных; +
2) для анализа временных рядов;
3) для генерации изображений;
4) для поиска в базе данных.
4. Как ИИ помогает в финансовой аналитике?
1) анализирует данные и прогнозирует тренды на рынке; +
2) настраивает банкоматы;
3) сканирует паспорта;
4) управляет кассами.
5. Какие из перечисленных систем являются голосовыми помощниками?
1) Siri от Apple и Алиса от Яндекса; +
2) Da Vinci Surgical System и Boston Dynamics;
3) Netflix и YouTube;
4) Финансовые аналитические платформы.
6. Какие математические методы способствуют развитию моделей ИИ?
1) линейная алгебра, оптимизация, вероятность и статистика; +
2) исторические методы;
3) тригонометрия и геометрия;
4) философия и социология.
7. Какие методы относятся к глубокому обучению?
1) сверточные нейронные сети, рекуррентные сети и автокодировщики; +
2) SQL-запросы и регулярные выражения;
3) гистограммы, деревья решений и линейные модели;
4) методы опросов и интервью.
8. Какие методы относятся к машинному обучению?
1) регрессия, классификация, кластеризация, снижение размерности; +
2) запись, чтение, удаление файлов;
3) интерпретация, анализ, поиск ошибок;
4) шифрование, архивирование, трансляция.
9. Какие методы относятся к обучению без учителя?
1) кластерный анализ, автоэнкодеры, метод главных компонент; +
2) градиентный бустинг и регуляризация;
3) деревья решений, случайный лес;
4) логистическая регрессия, линейная регрессия.
10. Какова цель обработки естественного языка в системах искусственного интеллекта?
1) обеспечить интуитивное взаимодействие человека с машиной с помощью естественного языка; +
2) поиск информации в структурированных базах данных;
3) распознавать объекты на изображениях с помощью нейронных сетей;
4) сжатие текстовых файлов для хранения в памяти.
11. Какое направление ИИ анализирует тексты?
1) обработка естественного языка; +
2) визуализация;
3) оптимизация;
4) робототехника.
12. Какой орган рекомендуется создавать для эффективного решения проблем применения больших языковых моделей (БЯМ) в практической медицине?
1) экспертный совет по применению БЯМ в практической медицине; +
2) государственный регулятор здравоохранения;
3) текстовые базы без интеграции с поисковыми данными;
4) технический комитет по разработке программного обеспечения.
13. Какой семинар считается точкой отсчета ИИ как науки?
1) Дартмутский семинар 1956 года; +
2) Кембриджская конференция;
3) Семинар в MIT;
4) Симпозиум в Принстоне.
14. Какой этический принцип должен соблюдаться при использовании ИИ для подбора персонала?
1) недопущение дискриминации по полу, расе, возрасту и другим характеристикам; +
2) автоматический отбор по зарплате;
3) отбор по образованию только;
4) предпочтение молодым кандидатам.
15. Кто предложил термин "искусственный интеллект"?
1) Алан Тьюринг;
2) Джон Маккарти; +
3) Марвин Минский;
4) Рэй Соломонов.
16. Почему важна безопасность и приватность данных в медицинских системах ИИ?
1) для защиты личной информации пациентов и предотвращения утечек; +
2) для оптимизации расхода лекарств;
3) для уменьшения нагрузки на врачей;
4) чтобы повысить скорость диагностики.
17. Почему ИИ в автономных автомобилях должен обладать способностью адаптироваться?
1) чтобы улучшать работу и реагировать на изменяющиеся дорожные условия; +
2) чтобы предупреждать водителя о погоде;
3) чтобы самостоятельно менять цвет машины;
4) чтобы экономить энергию батареи.
18. Рекуррентные нейронные сети лучше всего подходят для
1) обработки последовательных данных, таких как текст или аудио; +
2) обработки видео;
3) обработки статичных структур;
4) распознавания объектов на фото.
19. Сверточные нейронные сети применяются для
1) обработки изображений и видео; +
2) обработки аудиоданных;
3) обработки табличных данных;
4) поиска в базах данных.
20. Чем отличается обучение с подкреплением от классического машинного обучения?
1) отсутствием датасета, учителем является среда; +
2) использованием размеченных данных;
3) обязательным наличием правильных ответов;
4) фиксированными тренировочными примерами.
21. Что включает в себя задача вывода решения?
1) логический вывод, вероятностные методы, машинное и глубокое обучение; +
2) ввод текстовой информации;
3) ручной подбор решений;
4) только математические формулы.
22. Что входит в задачи машинного обучения?
1) классификация, регрессия, кластеризация, понижение размерности; +
2) запись данных;
3) разработка оборудования;
4) системное администрирование.
23. Что делает агент в обучении с подкреплением?
1) взаимодействует со средой и получает награду; +
2) получает инструкции;
3) решает тесты;
4) слушает лекции.
24. Что делают системы поддержки принятия решений?
1) анализируют данные и предоставляют рекомендации; +
2) заменяют решения человека полностью;
3) создают графические интерфейсы;
4) управляют сетевыми соединениями.
25. Что измеряет специфичность модели?
1) долю правильно классифицированных отрицательных случаев; +
2) долю правильно классифицированных положительных случаев;
3) процент ошибок;
4) среднее значение точности и полноты.
26. Что измеряет чувствительность модели?
1) долю правильно классифицированных положительных случаев; +
2) долю правильно классифицированных отрицательных случаев;
3) процент неправильных прогнозов;
4) среднее значение точности и ошибки.
27. Что означает классификация в машинном обучении?
1) определение принадлежности объектов к классам; +
2) выделение аномалий;
3) оптимизация функций;
4) предсказание числового значения.
28. Что означает термин "многослойные нейронные сети"?
1) нейроны сгруппированы в слои, каждый нейрон связан со всеми нейронами следующего слоя; +
2) нейроны работают независимо и не образуют слоёв;
3) нейроны связаны только внутри одного слоя;
4) нейроны соединены между собой случайным образом.
29. Что позволяет делать глубокое обучение?
1) автоматически извлекать признаки из данных; +
2) обрабатывать данные вручную;
3) упрощать программный код;
4) хранить информацию в облаке.
30. Что показывает точность модели?
1) процент правильных прогнозов от общего числа прогнозов; +
2) процент неправильных прогнозов;
3) процент правильных положительных прогнозов;
4) среднее значение точности и полноты.
31. Что получает агент после выполнения действия в среде?
1) обратную связь в виде награды; +
2) новый датасет;
3) обучающий набор данных;
4) ошибку классификации.
32. Что предлагается создать для улучшения работы больших языковых моделей в медицине?
1) профильные редакции больших языковых моделей; +
2) международные медицинские конференции;
3) общедоступные базы данных;
4) универсальные языковые модели.
33. Что представляет собой метод деревьев решений?
1) правила "если..., то..." с внутренними узлами и листьями; +
2) вероятностный метод на основе теоремы байеса;
3) математическая модель, имитирующая мозг;
4) метод линейной регрессии.
34. Что представляют собой большие языковые модели?
1) искусственные нейронные сети для обработки естественного языка; +
2) алгоритмы обработки изображений;
3) программы для создания таблиц;
4) системы управления файлами.
35. Что такое галлюцинация больших языковых моделей?
1) генерация несуществующих знаний; +
2) обработка медицинских изображений;
3) оптимизация модели;
4) улучшение качества данных.
36. Что такое глубокое обучение?
1) подмножество машинного обучения, использующее искусственные нейронные сети; +
2) интерфейс взаимодействия между человеком и машиной;
3) математическая формула для подсчёта ошибки модели;
4) метод группировки данных без обучения.
37. Что такое зависимая переменная в контексте обучения с учителем?
1) то, что модель должна предсказать; +
2) название файла с данными;
3) номер обучающей выборки;
4) формат входного изображения.
38. Что такое кластерный анализ?
1) группировка похожих объектов; +
2) загрузка данных;
3) классификация по меткам;
4) тест.
39. Что такое нейронная сеть?
1) модель, которая имитирует работу нейронов человеческого мозга для обработки информации; +
2) вредоносная программа;
3) график данных;
4) компьютерный архив.
40. Что такое ошибка модели?
1) процент неправильных прогнозов от общего числа прогнозов; +
2) процент правильных отрицательных прогнозов;
3) процент правильных положительных прогнозов;
4) среднее значение полноты и чувствительности.
41. Что такое полнота модели?
1) процент правильных прогнозов среди всех положительных примеров; +
2) процент неправильных прогнозов;
3) процент правильных прогнозов среди всех отрицательных примеров;
4) среднее гармоническое точности и доли правильных ответов.
42. Что характерно для обучения с учителем?
1) наличие меток или значений, которые нужно предсказать; +
2) обучение без примеров;
3) отсутствие выходной переменной;
4) работа с неразмеченными данными.
43. Что является задачей компьютерного зрения?
1) распознавание и классификация изображений; +
2) выполнение математических вычислений;
3) сжатие графических файлов;
4) создание голосовых интерфейсов.
44. Что является фундаментальной основой для многих алгоритмов и моделей ИИ?
1) математика; +
2) биология;
3) лингвистика;
4) физика.
45. Что является целью задачи создания дружелюбного интерфейса?
1) обеспечение интуитивного взаимодействия между человеком и машиной; +
2) оптимизация скорости алгоритма;
3) сжатие больших объёмов данных;
4) улучшение качества изображения.