AI zajmuje się między innymi:

Uczeniem maszynowym

W teście Turinga uczestniczą:

Człowiek i komputer

Racjonalny agent to agent, który:

Działa, kiedy ma rację

Bada otoczenie i działa

AI ma podstawy w takich naukach jak:

Psychologia

Inteligentny agent:

Bada swoje otoczenie

W strukturze inteligentnego agenta wyróżnia się:

Architekturę i program działania

Agent działający na zasadzie odruchów:

Bada, co powoduje jego działanie

Bada jak zmienia się jego otoczenie

W drzewie przeszukiwań

Liść odpowiada stanowi, który, nie został jeszcze rozwinięty

Strategie przeszukiwania oceniane są:

Ze względu na złożoność czasową

Ze względu na złożoność pamięciową

Przeszukiwanie wszerz:

Daje zawsze wyniki, jeśli one istnieją

Które zapisy są zgodne z rachunkiem zdań?

P and Q = TRUE

P=TRUE->Q=FALSE

Tautologia to:

Zdanie, które poddano walidacji

Zdanie, które jest zawsze prawdziwe

Zdanie
x Ssak (x)
Kot(x)

Zdanie jest prawdziwe, jeżeli istnieje x, dla którego jest prawdziwe

Prawa De Morgana:

Są określone dla rachunku zdań i rachunku kwalifikatorów

Agent bazujący na celu:

Używa mechanizmów wnioskowania, poszukiwania i planowania

Reguły wnioskowania z użyciem kwalifikatorów to:

Egzystencjalna eliminacja

Uniwersalna eliminacja

Postać kanoniczna zdania to:

Zdanie atomowe

Implikacja, której przesłanka jest koniunkcja

Rozumowanie w przód polega na:

Wykorzystaniu uogólnionego Modus Ponens

Uogólniona rezolucja:

To inaczej dysjunkcja

W kanonicznym zapisie rezolucji forma spójnikowa:

Polega na zastosowaniu operatorów wynikania

Przyczynami niepewności działania agenta są:

Niekompletność bazy wiedzy

Nadmiarowość reguł w bazie danych

Prawdopodobieństwo 0,8 oznacza:

Przekonanie w 80% o prawdziwości reguły

Prawdopodobieństwo a priori:

To prawdopodobieństwo bezwarunkowe

Do aksjomatów prawdopodobieństwa należą:

Wartość prawdopodobieństwa zawiera się w <1,0>

W strukturze sieci przekonań wyróżniają się

Zbiór zmiennych losowych (węzły sieci)

Krawędzie, które nie muszą być zorientowane

Wnioskowanie diagnostyczne to wnioskowania:

Od efektów do przyczyn

Drzewo przeszukiwania to :

Inna nazwa rozwinięcia danego stanu

Procedura generowania nowego zbioru stanów

Struktura reprezentująca proces przeszukiwania

Spośród niżej wymienionych strategii, optymalne jest:

Przeszukiwanie dwukierunkowe

Przeszukiwanie z iteracyjnym pogłębianiem

Baza wiedzy agenta bazującego na wiedzy to:

Zbiór reprezentacji faktów o otaczającym świecie

Dla danego języka reprezentacji wiedzy, ,syntaktyka to:

Opis możliwych konfiguracji elementów języka, które mogą tworzyć zdania

Procedura wnioskowania może:

Dla danej bazy wiedzy KB generować nowe zdanie wyprowadzane z KB

Dla danej bazy wiedzy KB i danego zdania a badać, czy jest wyprowadzane z KB

Znaleźć dowód dla każdego zdania a, które jest wyprowadzane z bazy wiedzy KB

Wnioskowanie logiczne jest procesem, w którym:

Stosowana jest relacja pociągania pomiędzy zdaniami

Stosowana jest procedura wnioskowania

Stosowana jest procedura wnioskowania zachowująca prawdziwość

Język reprezentacji winien być:

Ekspresywny i ścisły

Niezależny od kontekstu

Nieinterpretowalny na różne sposoby

Zdanie P→Q jest prawdziwe wtedy i tylko wtedy, gdy:

Nie jest tak że P jest prawdziwe a Q jest jednocześnie fałszywe

Aby przejść pozytywnie test Turinga, program powinien:

Przetwarzać język naturalny

Rozumować automatycznie

Adaptować się do nowych okoliczności poprzez uczenie

Racjonalność działania inteligentnego agenta zależy od:

Miary osiągnięć, określającej stopień osiągnięcia sukcesu

Architektura inteligentnego agenta to:

Funkcja realizująca odwzorowanie percepcji w akcję

Określone środowisko, w którym można zrealizować jego program

Aby skonstruować program inteligentnego agenta, trzeba określić:

Możliwe percepcje i akcje

Cele lub miary osiągnięć

Rodzaj środowiska agenta

Agent inteligentny o prostych odruchach dla danej percepcji wybiera odpowiednie akcje, posługując się:

Zbiorem reguł działania

Środowisko agenta grającego w pokera jest:

Epizodyczne

Prosty agent rozwiązujący problemy wybiera akcje, które ma podjąć:

Poprzez sformułowanie celu i problemu oraz poszukiwanie rozwiązania problemu

Problem eksploracji występuje wtedy, gdy:

Agent nie wie, jakie są skutki jego działań i musi skutki swoich działań dopiero poznać

Problem dobrze określony opisany jest poprzez

Przestrzeń stanów

Test osiągnięcia celu

Sposób wyboru rozwiązań bardziej preferowanych

Rozwijanie danego stanu polega na:

Wygenerowaniu nowego zbioru stanów poprzez zastosowanie dostępnych operatorów do istniejącego stanu

Test Laringa umożliwia:

Zbadanie inteligencji operacyjnej danego systemu

Inteligentny agent:

Postrzega otoczenie poprzez sensory

Agent autonomiczny może opierać swoje działania na:

Swoim własnym doświadczeniu

Wiedzy wbudowanej do niego przez jego konstruktora i uwzględniającej szczególne otoczenie w którym ma działać

Dobrze przetestowanym programie, opracowanym na podstawie doświadczenia zgromadzonego przez agenta działającego w identycznym środowisku

W przypadku agenta ukierunkowanego na osiągnięcie celu:

Wybór akcji następuje z uwzględnieniem ich skutków

Znajomość celu ułatwia podjęcie odpowiedniej akcji

Środowisko agenta grającego w szachy jest:

Dostępne

Deterministyczne

Prosty agent rozwiązujący problemy na podstawie danej percepcji:

Poszukuje rozwiązania problemu

Jeśli środowisko agenta jest całkowicie dostępne, to:

Możliwe jest wystąpienie problemu z pojedynczym stanem

Przestrzeń stanów to:

Zbiór możliwych stanów docelowych, osiągalnych ze stanu początkowego przy zastosowaniu dostępnych akcji

Poszukiwanie rozwiązania polega na:

Przeszukiwaniu przestrzeni stanów

---