Baza

Question 1

PRAKTYCZNO-POZNAWCZA

Answer 1

Celem badania SI jest wspomaganie i substytucja pracy umysłowej człowieka oraz zrozumienia ludzkiego sposobu myślenia.

Question 2

POZNAWCZO-FILOZOFICZNA

Answer 2

SI to twórcza kontynuacja filozofii w kierunku zrozumienia budowy bytów inteligentnych.

Question 3

POZNAWCZO-KONSTRUKTYWNA

Answer 3

SI to dziedzina zajmująca się analizą możliwości kreacji sztucznych bytów posiadających cechy inteligentne.

Question 4

PRAKTYCZNO-INŻYNIERSKA

Answer 4

SI to teoria i praktyka budowy maszyn inteligentnych.

Question 5

SILNA SI

Answer 5

silna SI to hipoteza mówiąca o systemie rzeczywiście inteligentnym zdolnym myśleć jak człowiek.

Question 6

SŁABA SI

Answer 6

Słaba SI nie próbuje naśladować ludzkiego umysłu w pełnym zakresie. Wykonuje konkretne funkcje z niezwykłą precyzją i efektywnością.

Question 7

PEAS

Answer 7

Performance measure - miara jakości działania
Envoirment - środowisko
Actuators - mechanizmy wykonawcze
Sensors - czujniki

Question 8

Rodzaje Agentów

Answer 8

Agent refleksowy - podejmuje działania wyłącznie na podstawie aktualnych obserwacji oraz wbudowanych reguł.

Agent refleksowy z modelem świata - dysponuje modelem świata pozwalającym wyznaczyć przykładowy stan środowiska.

Agent celowy - ma wyznaczony cel, który określa, jakie stany są pożądane.

Agent użyteczny - wybiera najlepszy spośród wielu sposobów aby osiągnąć cel.

Question 9

RACHUNKI PREDYKATÓW

Answer 9

Term - reprezentuje obiekt, może być stałą zmienną bądź funkcją.

Predykat - relacja na zbiorze termów. Przypisuje prawdę lub fałsz w zależności od spełnialności relacji.

Formuła atomowa - Zapis predykatu z zestawem termów Q(A), P(x,f(A)).

Konceptualizacja - wybór zestawu symboli, którymi można opisać obiekty i relacje pewnego świata.

Question 10

Ontologie

Answer 10

Ontologia - dział filozofii odpowiadający na pytania o strukturę rzeczywistości.

Inż. Ontologiczna - zajmuję się ogólną i elastyczną reprezentacją świata.

Ontologia wyższa - definiuje ramy dla koncepcji reprezentacji świata, oraz definiuje i hierarchicznie klasyfikuje obiekty i zdarzenia ze świata.

Question 11

SYSTEMY DOWODZENIA TWIERDZEŃ

Answer 11

Poprawny - można z jego pomocą wywnioskować fałsz jedynie ze zbioru niespełnialnych przesłanek (może być prawda dla niespełnialnych, nigdy fałsz dla spełnialnych)

Kompletny - można z jego pomocą wywnioskować fałsz z każdego zbioru niespełnialnych przesłanek (fałsz dla niespełnialnych, może fałsz dla spełnialnych)

Pełny - poprawny i kompletny (Fałsz tylko dla niespełnialnych)

Question 12

DNF/CNF

Answer 12

DNF - alternatywa koniunkcji literałów (P and Q) or (not P and Q)

CNF - Koniunkcja alternatyw literałów (P or Q) and (not P or Q)

Question 13

Reprezentacja zmian czasu w logice

Answer 13

Logiki czasowe - fakty zachodzą w określonych momentach czasowych. Czas i jego własności są wbudowane w teorię.

Rachunek sytuacji - dodane zostają sytuacje będące wynikiem ciągu akcji i zawarte zazwyczaj są jako argument. Dodane zostają Fluenty - funkcje i relacje podlegające zmianom w czasie.

Question 14

Przeszukiwanie jednostanowego zadania

Answer 14

• stan początkowy
• działanie lub funkcja następstwa
• test osiągnięcia celu
• koszt drogi

Question 15

POSZUKIWANIA

Answer 15

INFORMOWANE - polega na rozwiązaniu zadania wykorzystując dodatkową wiedzę specyficzną dla zadania. Wykorzystują funkcję opartą na heurezie szacującą koszt osiągnięcia celu. Algorytmy: Best first, greedy best-first, A*

NIEINFORMOWANE - polega na rozwiązaniu zadania wykorzystując tylko dane definiujące zadanie. Algorytmy: BFS, DFS, na ograniczoną głębokość, pogłębianie iteracyjne, dwukierunkowe

Question 16

Rodzaje zadań poszukiwań

Answer 16

Najprostsze:
- deterministyczne, obserwowalne
Trudniejsze:
- nieobserwowalne
- niedeterministyczne lub obserwowalne częściowo
- nieznana przestrzeń stanów

Question 17

FUNKCJA HEURYSTYCZNA

Answer 17

Heureza - uproszczenie, odgadnięcie prawidłowości redukujące koszt rozwiązania problemu / h(n) koszt osiągnięcia z n do celu

Heurystyka dopuszczalna - nigdy nie przeszacowuje kosztu osiągnięcia celu h(n) <= rzeczywisty koszt

Heurystyka zgodna - dla każdego węzła n każdy następnik n’ generowany działaniem a spełnia nierówność trójkąta
h(n) <= c(n, a, n’) + h(n’)

Heurystyka dominująca - jeżeli dwie heurystyki h1 h2 są dopuszczalne spełniają zależność h*(n) >=h2(n)>=h1(n) dla każdego węzła to h2 dominuje nad h1

Question 18

Zadania/Problemy ML

Answer 18

• rozpoznawanie mowy
• rozpoznawanie pisma odręcznego
• przetwarzanie i rozumienie obrazów
• kierowanie pojazdem

Question 19

METODY SELEKCJI

Answer 19

Koło ruletki - każdemu osobnikowi zostaje przydzielony wycinek koła którego wielkość jest proporcjonalna do wartości funkcji dopasowania.

Selekcja rankingowa - osobniki zostają posortowane względem funkcji dopasowania. Do dalszego rozrodu przechodzi n najlepiej przystosowanych osobników.

Turniejowa - wybiera się losowo n osobników i spośród nich wybiera się najlepszego, powtarzać tyle ile powinno być osobników w nowej populacji.

Question 20

Ontologia górna i dziedzinowa

Answer 20

Ontologia górna - opisuję pojęcia świata rzeczywistego nienależące do żadnej dziedziny problemowej

Ontologie dziedzinowe - wprowadzają ujednoliconą terminologię, semantykę i definiują model danych określonej dziedziny problemowej

Question 21

MODELE ŚWIATA

Answer 21

Zamknięty - dotyczy logiki, nie posiada domyślnych faktów o świecie

Otwarty - dotyczy człowieka, zdobywa fakty poprzez rozumowanie

Question 22

Klauzula Horna

Answer 22

Klauzula w której formuła logiczns w której najwyżej jeden element jest niezanegowany

Question 23

SCHEMAT UCZENIA MASZYNOWAGO

Answer 23

NIENADZOROWANE

• redukcja wymiarów
• klasteryzacja
• systemy rekomendacyjne

NADZOROWANE

• klasyfikacja
• regresja

ZE WZMOCNIENIEM

Question 24

PRZEUCZENIE I ZAPOBIEGANIE

Answer 24

PRZEUCZENIE - na skutek długiego procesu uczenia sieć dostosowuje się do błędów(szumów) w danych testowych i zaczyna traktować je jako poprawne

ZAPOBIEGANIE:

• Zbiory walidacyjne - zatrzymywanie uczenia gdy błędy na zbiorze walidacyjnym zaczynają rosnąć
• Regularyzacja - modyfikacja funkcji kosztu w taki sposób aby sieć uczyła się w bardziej pożądany sposób
• Dropout - wielokrotne usuwanie losowych neuronów w trakcie uczenia. Po zakończeniu uczenia przywracane i usuwane inne

Question 24

Relacje w sieciach semantycznych

Answer 24

• ISA (is a) - relacja pomiędzy indywiduum a jego klasą
• HASA (has a) - relacja część-całość
• AKO (a kind of) - relacja pomiędzy podklasą a nadklasą

Question 25

Perceptron

Answer 25

Najprostszy element decyzyjny obliczający decyzje na podstawie sumy ważonej zmiennych wejściowych

Question 26

Sieci głębokie

Answer 26

Posiadają wiele warstw ukrytych. Zamiast generować końcowe wyniki w jednym kroku tworzone są warstwy abstrakcji do analizy problemu.

Question 27

RDF

Answer 27

PODSTAWOWE POJĘCIA

• ZASOBY - można myśleć jako o obiektach o których chcemy mówić: ludzie, miejsca
• WŁAŚCIWOŚCI - opisują relacje binarne między zasobami np. prowadzi kurs, kieruje
• STWIERDZENIA - stwierdzają posiadanie właściwości przez zasoby. Stwierdzenie jest trójką obiekt-atrybut-wartość - składa się z zasobu właściwości i wartości(zasoby lub literały)