Припрема за први тест
Основни појмови
1. Шта је интелигенција?
Способност система да самостално опажа, разуме и делује у променљивом окружењу.
2. Шта је вештачка интелигенција?
Научна област рачунарских наука која се бави развојем интелигентних система користећи информационе технологије.
3. Шта је Турингов тест?
Тест који је осмислио Алан Тјуринг 1950., којим се проверава да ли машина може да показује интелигентно понашање које се не разликује од људског.
4. Који је услов за пролазак Туринговог теста?
Ако приликом интеракције човека и машине, човек не може да одреди да ли комуницира са другим човеком или машином.
5. Поређај по реду кораке у развоју система вештачке интелигенције.
- Прикупљање и унос података
- Припрема података
- Тренирање модела
- Евалуација модела
- Примена система
- Праћење и одржавање система
- Етичка и регулаторна разматрања
Традиционалне области вештачке интелигенције
6. Чиме је посвећена област Представљање знања и резоновање (енгл. Knowledge Representation and Reasoning) у вештачкој интелигенцији?
Посвећена је представљању информација у облику који рачунарски систем може да користи за решавање сложених задатака.
7. Дате су правила закључивања: ко има кашаљ и температуру тај има грип, и ко има кашаљ, а нема температуру тај има упалу грла. Чињенице су: Марко има кашаљ и температуру, а Јована има кашаљ и нема температуру. Формализуј чињенице и правила закључивања и напиши закључке.
Чињенице:
ИмаТемпературу(Марко)ИмаКашаљ(Марко)ИмаКашаљ(Јована)¬ИмаТемпературу(Јована)
Правила закључивања:
∀ x: ИмаТемпературу(x) ∧ ИмаКашаљ(x) → ИмаГрип(x)∀ x: ¬ИмаТемпературу(x) ∧ ИмаКашаљ(x) → ИмаУпалуГрла(x)
Закључци:
ИмаТемпературу(Марко) ∧ ИмаКашаљ(Марко) → ИмаГрип(Марко)¬ИмаТемпературу(Јована) ∧ ИмаКашаљ(Јована) → ИмаУпалуГрла(Јована)
8. Шта је Продукциони систем (енгл. Production System) у вештачкој интелигенцији?
Модел представљања знања који се заснива на концепту правило(услов, акција) тј. на правилима продукције.
9. Прикажи функционисање продукционог система за лексикографско сортирање карактера, ако је дефинисана база карактера C,B,A,C,A, правила продукције 1. B,A(B,A → A,B), 2. C,A(C,A → A,C) и 3. C,B(C,B → B,C) и стратегија: ако постоји више доступних правила, онда примени прво наведено правило.
| Итерација | База | Применљива правила | Примени правило |
|---|---|---|---|
| СТАРТ | CBACA | 1., 2., 3. | 1. |
| 1. | CABCA | 2. | 2. |
| 2. | ACBCA | 2., 3. | 2. |
| 3. | ACBAC | 1., 3. | 1. |
| 4. | ACABC | 2. | 2. |
| 5. | AACBC | 3. | 3. |
| 6. | AABCC | / | СТОП |
10. Шта је Експертски систем (енгл. Expert System) у вештачкој интелигенцији?
Систем који решава реалне проблеме из различитих области које захтевају људску експертизу.
Модерне области вештачке интелигенције
11. Шта је интелигентни агент (енгл. Intelligent Agent) у вештачкој интелигенцији?
Систем који самостално опажа окружење, доноси одлуке и предузима акције како би остварио одређени циљ.
12. Чиме се бави област рачунарска визија (енгл. Computer Vision) у вештачкој интелигенцији?
Бави се системима који могу да анализирају и разумеју визуелне информације (слике и видео записе).
13. Шта су неуронске мреже (енгл. Neural Network) у вештачкој интелигенцији?
Систем вештачких неурона међусобно повезаних у слојеве, где сваки неурон има улазни слој за пријем података од споља, скривенe слојеве за обраду података и учење и излазни слој за представљање резултата.
14. Чиме се бави област машинско учење (енгл. Machine Learning) у вештачкој интелигенцији?
Бави се развојем система који могу да уче из података и побољшавају своје перформансе без експлицитног програмирања.
15. Објасни надгледано учење (енгл. Supervised Learning) у машинском учењу и дај пример.
На основу неозначеног скупа података систем учи да означава нове податке. На пример, систем може да одреди цену било ког стана на основу квадратуре и локације, ако су познате цене већ продатих станова са квадратуром и локацијом.
16. Објасни ненадгледано учење (енгл. Unsupervised Learning) у машинском учењу и дај пример.
На основу означеног скупа података систем учи да означава нове податке. На пример, ако су дати подаци са квадратуром и локацијама станова без познатих цена, систем може самостално да групише станове по сличности.
17. Шта представља дубоко учење (енгл. Deep Learning) у машинском учењу.
Систем који користи вишеслојне неуронске мреже за препознавање сложених образаца у подацима.
18. Објасни учење подстицајем (енгл. Reinforcement Learning) у машинском учењу.
Систем који учи кроз интеракцију са окружењем тако што добија награде за добре одлуке и казне за лоше.
19. Шта је генеративна вештачка интелигенција (енгл. Generative AI)?
Систем који може да генерише нове садржаје (текст, слике, звук, видео) на основу података на којима је трениран.
20. Чиме се бави област обрада природних језика (енгл. Natural Language Processing - NLP) у вештачкој интелигенцији?
Бави се системима који могу да разумеју, тумаче и генеришу природне (људске) језике.
21. Шта је велики језички модел (енгл. Large Language Model — LLM) у вештачкој интелигенцији?
Врста дубоке неуронске мреже тренирана на великим количинама текстуалних података која може да разуме и генерише људски језик.