AI Perceptron & DSS-ES-KBS

Question 1

Vad är en perceptron?

Answer 1

En perceptron är den enklaste typen av artificiellt neuralt nätverk som består av en enda neuronnod som tar emot flera inputsignaler, summerar dem och genererar en output baserat på om summan överstiger ett visst tröskelvärde.

Question 2

Hur fungerar artificiella neurala nätverk (ANN)?

Answer 2

ANN fungerar genom att skapa ett nätverk med randomiserade vikter, skicka data genom nätverket, och justera vikterna baserat på om nätverket korrekt klassificerar data eller inte. Detta upprepas tills nätverket kan klassificera data korrekt.

Question 3

Vad är målet med att träna ett neuralt nätverk?

Answer 3

Målet är att nätverket ska lära sig att klassificera bilder eller data det inte tidigare har sett genom att använda en stor mängd träningsdata.

Question 4

Hur är en perceptron uppbyggd?

Answer 4

En perceptron består av flera inputnoder som summerar inkommande signaler, vikter som justerar signalernas påverkan, och en tröskelvärde som bestämmer outputen.

Question 5

Vad är funktionen av vikterna (W) i en perceptron?

Answer 5

Vikterna används för att justera nätverket så att det ger önskat resultat, vilket kallas att träna nätverket.

Question 6

Hur fungerar ett perceptron?

Answer 6

Om de summerade signalerna som kommer in till huvudnoden
överstiger ett visst, förutbestämt tröskelvärde ➜ Output blir 1
Om de summerade signalerna understiger värdet ➜ Output blir 0

Question 7

Beskriv en enkel träningsalgoritm för en perceptron.

Answer 7

Om outputen är korrekt, ändras inget. Om outputen är 1 men skulle vara 0, sänks vikterna för alla aktiva inputs. Om outputen är 0 men skulle vara 1, höjs vikterna för alla aktiva inputs.

Question 8

Vad är supervised learning?

Answer 8

Supervised learning innebär att nätverket tränas med träningsdata som redan har svar (labels) och därefter testas med testdata för att mäta noggrannheten innan det används för att klassificera ny data.

Question 9

Vad handlar AI-teknologi om enligt presentationen?

Answer 9

AI-teknologi handlar om maskinautomation av intellektuella uppgifter kopplade till beslutsfattande och åtgärder.

Question 10

Vilka nivåer av organisation finns inom ett företag och vilka typer av beslut fattas på varje nivå?

Answer 10

Strategisk nivå: Långsiktiga mål och strategier (t.ex. marknadspositionering, expansion, investeringar).
Taktisk nivå: Implementering av strategier (t.ex. resursallokering, målsättning, samordning).
Operativ nivå: Dagliga aktiviteter (t.ex. produktionsscheman, kundservice, kvalitetskontroll).

Question 11

Vilka är de tre typerna av beslut baserat på struktureringsgrad?

Answer 11

Ostrukturerade beslut: Engångsbeslut utan standardprocedur, hög intuition.
Semistrukturerade beslut: Delvis strukturerade med stöd av informationssystem.
Strukturerade beslut: Kan automatiseras, har väldefinierad procedur.

Question 12

Vilka är faserna i en logisk beslutsfattandeprocess enligt H. Simon?

Answer 12

Intelligence Phase: Insamling och bearbetning av data.
Design Phase: Generering av alternativ och kriterier.
Choice Phase: Val av bästa alternativ.
Implementation Phase: Implementering och uppföljning.

Question 13

Vilka är de tre stegen i det pragmatiska tillvägagångssättet för beslutsfattande och vad innebär det?

Answer 13

Problem Initiation and Ideal Solution
Feasibility Analysis and Evaluating
Choice and Action.
Ett pragmatiskt tillvägagångssätt betonar att identifiering av problem, lösning och handling är sammanflätade och påverkar varandra.

Question 14

Vad är ett beslutstödsystem/decision support systems (DSS)?

Answer 14

Ett interaktivt informationssystem designat för att hjälpa beslutsfattare i en organisation. Det består av hårdvara, mjukvara, data och matematiska/statistiska modeller.

Question 15

Vilka är de fyra typerna av beslutstödsystem (DSS)?

Answer 15

Communication-driven DSS
Data-driven DSS
Document-driven DSS
Knowledge-driven DSS

Question 16

Vad är ett Communication-driven DSS och vad är dess syfte?

Answer 16

Ett Communication-driven DSS fokuserar på att underlätta kommunikation och samarbete bland beslutsfattare inom en organisation. Det inkluderar verktyg som videokonferenser, snabbmeddelanden och plattformar för gemensam dokumentredigering. Syftet är att förbättra delningen av information, idéer och insikter bland intressenter involverade i beslutsprocessen.

Question 17

Vad är ett Data-driven DSS och hur fungerar det?

Answer 17

Ett Data-driven DSS använder stora mängder data för att stödja beslutsfattandeprocesser. Det utnyttjar olika dataanalystekniker, såsom data mining, statistisk analys och prediktiv modellering, för att extrahera värdefulla insikter från datakällor. Det hjälper beslutsfattare att identifiera mönster, trender och relationer i data, vilket gör att de kan fatta informerade beslut baserat på bevis och analys.

Question 18

Vad är ett Document-driven DSS och vad är dess fokus?

Answer 18

Ett Document-driven DSS fokuserar på att hantera och analysera ostrukturerad information som lagras i dokument, rapporter och andra textuella källor. Dessa system använder text mining, naturlig språkbehandling och dokumenthanteringstekniker för att extrahera relevant information från dokument och ge insikter till beslutsfattare.

Question 19

Vad är ett Knowledge-driven DSS och hur fungerar det?

Answer 19

Ett Knowledge-driven DSS är designat för att utnyttja expertkunskap och domänspecifika regler för att stödja beslutsfattandeprocesser. Dessa system inkorporerar vanligtvis expertsystem, regelbaserat resonerande och kunskapsrepresentationstekniker för att fånga och formalisera kunskap från mänskliga experter. Knowledge-driven DSS hjälper beslutsfattare genom att tillhandahålla rekommendationer, råd och förklaringar baserade på etablerade regler och expertis inom ett specifikt område.

Question 20

Vilka är huvudkomponenterna i ett DSS?

Answer 20

Database: Innehåller intern och extern data.
Model base: Innehåller matematiska och statistiska modeller.
User interface: Används av användarna för att komma åt DSS.
DSS engine: Hanterar och koordinerar de stora komponenterna.

Question 21

Vilka funktioner inkluderar DSS för att stödja beslutsfattande?

Answer 21

What-if analysis
Goal-seeking
Sensitivity analysis
Exception/Ad hoc reporting analysis

Other funktioner: Graphical analysis, forecasting, simulation, statistical analysis, and modeling
analysis

Question 22

Vad är Business Intelligence (BI) och vad är dess syfte?

Answer 22

BI är en gren av DSS designad för att tillhandahålla information relaterad till organisationens kritiska framgångsfaktorer. Det hjälper beslutsfattare att identifiera trender och potentiella problem genom att integrera information från flera källor och presentera den i en enhetlig och förståelig form.

Question 23

Vad är ett expertsystem?

Answer 23

Ett datorbaserat system som efterliknar en mänsklig experts beslutsfattande förmåga. Det är en typ av kunskapsbaserat system där kunskapen har hämtats från en expert inom ett specifikt område.

Question 24

Vilka är huvudkomponenterna i ett expertsystem?

Answer 24

Knowledge base: Innehåller domänspecifik kunskap.
Inference engine: Drar slutsatser från kunskapsbasen.
User interface: Användargränssnittet
Databas

Question 25

Ge exempel på tidiga expertsystem och deras användningsområden.

Answer 25

MYCIN: Medicinsk diagnos av sjukdomar.
DENDRAL: Användes inom kemisk masspektrometri för att identifiera kemiska komponenter.
PROSPECTOR: Geologisk dataanalys för mineraler.
XCON/R1: Konfigurering av datorsystem.

Question 26

Hur används expertsystem i verkliga scenarier?

Answer 26

Cancer Decision Support Tool: Används i medicinsk sektor för tidig diagnos av sjukdomar.
Rules-Based Expert System in Agriculture: Diagnoserar olika typer av skadedjur som kan skada grödor.
Intelligent Tutoring System: Erbjuder skräddarsydda lärandeupplevelser för studenter.

Question 27

Vilka är begränsningarna med expertsystem?

Answer 27

Kan inte generalisera genom analogi för att resonera om nya situationer.
Kunskapsanskaffningsflaskhals på grund av den tidskrävande och arbetsintensiva processen att bygga ett expertsystem.

Question 28

Vilka två grundläggande aspekter är viktiga i design och utveckling av system som hjälper beslutsfattande?

Answer 28

De två grundläggande aspekterna är Kunskapsrepresentation och Resonerande/Inferens, båda nära sammankopplade med artificiell intelligens (AI).

Question 29

Varför är ett “välfungerande system” utan innehåll (kunskap) inte värt mycket?

Answer 29

Utan meningsfullt innehåll eller kunskap saknar systemet förmåga att effektivt analysera data, fatta informerade beslut eller tillhandahålla värdefulla resultat.

Question 30

Vad är resonerandets (reasoning) roll i intelligenta system?

Answer 30

Resonerande fungerar som den kognitiva kärnan (hjärnan) i intelligenta system. Precis som hjärnan bearbetar information och fattar beslut i biologiska organismer, tillåter resonerande algoritmer AI-system att tolka data och göra informerade val.

Question 31

Varför är kunskapsrepresentation viktig i designen av intelligenta system?

Answer 31

Effektiv representation av kunskap är grunden för att dessa system ska fungera effektivt och erbjuda värdefullt stöd till beslutsfattare genom att korrekt fånga och organisera relevant kunskap. Genom att exakt fånga och organisera relevant kunskap kan systemen erbjuda insikter, rekommendationer och lösningar som är i linje med expertis och domänspecifika regler.

Question 32

Hur säkerställer man att dessa system kan effektivt utnyttja tillgänglig information för att underlätta informerade beslutsfattandeprocesser?

Answer 32

Genom att prioritera kunskapsrepresentation säkerställs det att dessa system kan effektivt utnyttja tillgänglig information för att underlätta informerade beslutsfattandeprocesser.

Question 33

Ge ett exempel på hur kunskap kan representeras i ett expertsystem.

Answer 33

Kunskap i ett expertsystem kan representeras på flera sätt, inklusive IF-THEN regler, till exempel: “IF du är hungrig THEN ät.”

Question 34

Vad är produktionssystem och hur representeras kunskap i dem?

Answer 34

Produktionssystem är regelbaserade expertsystem (populära idag) där kunskap representeras som flera regler som specificerar vad som bör eller inte bör dras för slutsatser från olika situationer. Reglerna kan uttryckas i IF-THEN-format.

Question 35

Vad är inferens reasoning och varför är det viktigt i beslutsstödsystem?

Answer 35

Inferens innebär att dra logiska slutsatser och göra deduktioner baserat på tillgänglig information och kunskap. Det är viktigt för att dessa system ska kunna behandla input, bedöma situationer och generera meningsfulla utdata eller rekommendationer.

Question 36

Vilka är de två huvudsakliga metoderna för inferens?

Answer 36

Forward chaining (data-driven): Resonerar från fakta till slutsatser.
Backward chaining (goal-driven): Resonerar bakåt från en hypotes till de fakta som stödjer hypotesen.

Question 37

Vilka är de tre kategorisystemen för beslutsfattande?

Answer 37

Decision Support Systems (DSS)
Expert Systems (ES)
Knowledge-Based Systems (KBS)

Question 38

Vilka två grundläggande aspekter är viktiga i design och utveckling av system som hjälper beslutsfattande, och hur är de sammankopplade med AI?

Answer 38

Kunskapsrepresentation
Resonerande/Inferens
Dessa aspekter är nära sammankopplade med artificiell intelligens (AI).