Set Domande

INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Generato il 08/04/2022 18:43:25

N° Domande Aperte 8
N° Domande Chiuse 64
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Indice
Indice Lezioni .......................................................................................................................... p. 2
Lezione 001 ............................................................................................................................. p. 3
Lezione 002 ............................................................................................................................. p. 5
Lezione 003 ............................................................................................................................. p. 7
Lezione 004 ............................................................................................................................. p. 9
Lezione 005 ............................................................................................................................. p. 11
Lezione 006 ............................................................................................................................. p. 12
Lezione 007 ............................................................................................................................. p. 14
Lezione 008 ............................................................................................................................. p. 15
Lezione 011 ............................................................................................................................. p. 16
Lezione 012 ............................................................................................................................. p. 17

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 2/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 001
01. Quando nasce il termine "Intelligenza Artificiale"?

1999

2012

1966

1956

02. Cosa sono i sistemi esperti?

Sistemi che uniscono meccanismi deduttivi a conoscenza specifica

Sistemi specializzarti per il riconoscimento di immagini

Sistemi in grado di risolvere qualsiasi problema

Sistemi in grado di lavorare in qualsiasi contesto

03. Quale tecnologia viene introdotta negli anni '80?

Reti neurali profonde

Sistemi esperti

Backpropagation e reti neurali

Logica fuzzy

04. Perchè passa la moda delle reti neurali?

Le reti neurali sono una tecnologia vecchia

Prende piede il Deep Learning

Nascono nuove tecnologie

Le reti neurali sono difficili da progettare ed allenare

05. Perchè nel 2012 tornano di moda le reti neurali?

Abbiamo abbastanza dati per allenarle

Tutte le altre risposte

Esiste la tecnologia per progettare le reti neurali

Avanzamenti nell'hardware

06. Cosa si intende con il termine di Machine Learning?

Sistemi esperti

Macchine progettare per imparare

Algoritmi di apprendimento basati sui dati

Prime forme di intelligenza artificiale

07. Qual è la differenza tra Machine Learning ed Intelligenza Artificiale?

L'IA è un ramo del Machine Learning

Il Machine Learning è un ramo dell'Intelligenza Artificiale

Machine Learning ed IA non hanno nulal in comune

Nessuna, sono la stessa cosa

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 3/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

08. Come funziona il Machine Learning?

Estrae informazioni (pattern) dai dati

Il modello cerca le differenze tra I dati

Il modello impara da pochi esempi

Estrae dati dai pattern

09. Quali di questi NON è uno dei motivi per cui il Machine Learning ha avuto successo?

Incremento delle capacità computazionali

GPU come accelleratori di calcolo

Teoria nuova ed innovativa

La disponibilità di una grande quantità di dati

10. Cosa erano in grado di fare i primi sistemi intelligenti (Anni '60)?

Sistemi in grado di lavorare in qualsiasi contesto

Sistemi in grado di risolvere qualsiasi problema

Sistemi che uniscono meccanismi deduttivi a conoscenza specifica

Sistemi specializzati per il riconoscimento di immagini

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 4/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 002
01. Cos'è l'unsupervised learning?

Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente

Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)

Nessuna delle risposte

Un paradigma di learning in cui il modello riceve tanti dati senza annotazione

02. Cosa permette ad un agente di capire se ha scelto una azione giusta nel reinforcement learning?

Lo stato

L'azione successiva

Il reward

Nessuna delle risposte

03. In cosa consiste il clustering?

Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono

Nessuna delle risposte

Il modello impara a predire valori constinui

Il modello impara ad assegnare una classe ad un pattern

04. In cosa consiste il task di classificazione?

Nessuna delle risposte

Il modello impara a predire un valore constinuo

Il modello impara ad assegnare una classe ad un pattern

Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono

05. Cos'è il reinforcement learning?

Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente

Un paradigma di learning in cui il modello riceve tanti dati senza annotazione

Nessuna delle risposte

Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)

06. In cosa consiste il task di regressione?

Nessuna delle risposte

Il modello impara a predire valori constinui

Il modello impara ad assegnare una classe ad un pattern

Il modello impara a ragruppare i dati

07. Cos'è il supervised learning?

Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)

Nessuna delle risposte

Un paradigma di learning in cui il modello riceve tanti dati senza label

Un paradigma di learning in cui il modello deve capire come integragire con l'ambiente

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 5/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

08. Cos'è un pattern categorico?

Nessuna delle risposte

Valore tipicamente continuo

Valori estratti da segnali (e.g.: imamgini o suoni)

Valori associati a caratteristiche qualitative e alla presenza di una caratteristica

09. Cos'è un pattern numerico?

Valore associato a caratteristiche misurabili

Valore associato alle presenza o meno di una caratteristica

Nessuna delle risposte

Valore associato a caratteristiche qualitative

10. Cosa si intende con il termine pattern?

Sinonimo di Machine Learning

Una rete neurale

I dati utilizzati per allenare le reti neurali

I livelli di una rete neurale

11. Machine Learning e Intelligenza Artificiale sono la stessa cosa?

Il Machine learning è un ramo dell'Intelligenza Artificiale

L'IA è un ramo del Machine Learning

Si, sono la stessa cosa

No, non hanno nulla in comune

12. Quale di questi non è un tipo di learning?

Nessuna delle risposte

Supervised Learning

Unsupervised Learning

Reinforcement Learning

13. Enunciare e descrivere i tre principali tipi di learning

14. Definire il problema di regressione

15. Definire il problema di classificazione

16. Descrivere il concetto di pattern

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 6/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 003
01. Cosa indica la definizione di IA debole?

Macchina che esprime un comportamento intelligente

Macchina con scarse capacità computazionali

Macchina con intelligenza limitata

Nessuna delle risposte

02. Cosa indica la definizione di IA forte?

Macchina in grado di superare il test totale di Turing

Macchina con coscienza del sè

Macchina con intelligenza spiccata

Macchina con elevata capacità computazionale

03. Cosa deve essere in gradi di fare una macchina intelligente?

Tutte le altre risposte

Rappresentare la conoscenza

Elaborare il linguaggio naturale

Ragionare automaticamente

04. Quale di queste abilità non viene testata dal test totale di Turing?

Manipalozione di oggetti (robotica)

Percezione uditiva

Percezione visiva (vista)

Percezione olfattiva (olfatto)

05. Qual è lo scopo del "Test di turing Totale"?

Nessuna delle risposte

Migliorare le capacità di una macchina intelligente

Aumentare la complessità del test

Estendere il test ad altre abilità tra cui la manipolazione di ogetti e la percezione

06. Quale caratteristiche deve avere una macchina per essere intelligente secondo Turing?

Nessuna delle risposte

Deve saper eseguire algoritmi complessi

Deve saper processare dati

Deve saper concatenare idee ed esprimerle

07. Qual è lo scopo del test di Turing?

Capire se una macchina mostra un comportamento intelligente

Nessuna delle risposte

Capire se una macchina è dotata di coscienza

Capire se una macchina è in grado di eseguire algoritmi

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 7/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

08. Come funziona il test di Turing?

Una macchina viene sostituita al giocatore e deve porre domane agli altri partecipanti

Nessuna delle risposte

Uno dei partecipanti (e.g.: l'uomo) al gioco dell'imitazione viene sostituito da una macchina che deve imitare il comportamento umano

Viene testata la capacità di una macchina di eseguire algoritmi

09. Cos'è il gioco dell'imitazione?

Nessuna delle risposte

Un gioco in cui una macchina deve imitare una donna

Un gioco in cui il giocatore deve capire chi degli altri partecipanti sia l'uomo e chi la donna tramite delle domande

Un gioco in cui i partecipanti devono imitarsi a vicenda

10. Cosa è una macchina di Turing?

Una macchina ideale in gradi di eseguire algoritmi

Una macchina intelligente

Nessuna delle risposte

Una macchina reale in gradi di eseguire algoritmi

11. Illustrare il test di turing e il suo funzionamento

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 8/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 004
01. Cosa è uno stato astratto di un problema reale?

Insieme di stati reali

Combinazione complessa degli stati reali

L'insieme degli oepratori

Nessuna delle risposte

02. Quale di questi non è una misura delle prestazioni di un sisteam di ricerca?

Costo di ricerca

Capacità di trovare la soluzione

Tutte le altre risposte

Bontà della soluzione

03. Un problema di contingenza è un problema:

Non deterministico, inaccessibile

Nessuna delle risposte

Deterministico, inaccessibile

Deterministico, accessibile

04. Cosa è un agente risolutore di problemi?

Un sistema che trova sequenze di azioni in grado di massimizzare le prestazioni

Nessuna delle risposte

Il modello impara a ragruppare i dati in base a caratteristiche comuni

Un sistema che imita il comportamento umano per risolvere problemi

05. Quali di questi elementi NON definisce un problema a stato singolo?

Stato iniziale

Nessuna delle risposte

Insieme degli operatori

Learning rate

06. Cosa è un algoritmo di ricerca?

Un paradigma di learning in cui il modello riceve tanti dati con label (annotazione)

Nessuna delle risposte

Un algoritmo che prende come input un problema e restituisce una soluzione nella forma di una sequenza di azioni

Il modello impara a ragruppare i dati in base a caratteristiche comuni senza sapere cosa contengono

07. Come è definito un problema di contingenza?

Un problema che non può verificarsi nel mondo reale

Un problema in cui l'agente deve affrontare un intero albero di possibili azioni, ciascun ramo è una situazione che si potrebbe presentare

Nessuna delle risposte

Un problema ideale

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 9/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

08. Come è definito un problema di esplorazione?

Un problema che non può verificarsi nel mondo reale

Nessuna delle risposte

Un problema in cui l'agente deve affrontare un intero albero di possibili azioni, ciascun ramo è una situazione che si potrebbe presentare

Un problema in cui l'agente non conosce gli effetti delle proprie azioni

09. Un problema a stato singolo è un problema:

Nessuna delle risposte

Deterministico, accessibile

Deterministico, inaccessibile

Non deterministico, inaccessibile

10. Un problema a stato multiplo è un problema:

Non deterministico, inaccessibile

Deterministico, accessibile

Nessuna delle risposte

Deterministico, inaccessibile

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 10/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 005
01. In base a cosa vengono valutate le strategie di ricerca?

Complessità temporale e spaziale

Tutte le risposte

Ottimalità

Completezza

02. Come funziona la ricerca breadth first (ricerca in ampiezza)?

Prova tutti i possibili limiti di profondità a partire da l=0

Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso

Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro

Si espande prima il nodo radice e poi successivamente tutti i nodi generati

03. Come funziona la ricerca a costo uniforme?

Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso

Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro

Si espande prima il nodo radice e poi successivamente tutti i nodi generati

Prova tutti i possibili limiti di profondità a partire da l=0

04. Come funziona la ricerca depth-first (ricerca in profondità)?

Si espande prima il nodo radice e poi successivamente tutti i nodi generati

Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso

Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro

Prova tutti i possibili limiti di profondità a partire da l=0

05. Come funziona la ricerca ad approfondimento iterativo?

Si espande prima il nodo radice e poi successivamente tutti i nodi generati

Prova tutti i possibili limiti di profondità a partire da l=0

Si espande sempre il nodo di confine con il costo di cammino ��(��) più basso

Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro

06. La ricerca in ampiezza garantisce di trovare sempre la soluzione?

Si, viene trovata per prima la soluzione del nodo obiettivo più in alto

La soluzione potrebbe non essere mai trovata

Nessuna delle risposte

Si, viene trovata per prima la soluzione del nodo obiettivo più in basso

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 11/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 006
01. La ricerca greedy NON è?

Ottimale

Completa

Tutte le risposte

Nessuna delle risposte

02. La ricerca A* NON è?

Nessuna delle risposte

Tutte le risposte

Completa

Ottimale

03. Cosa è una funzione euristica?

Una funzione che ha il compito di selezionare il nodo che sembra condurre alla soluzione ottimale del problema

Una funzione che valuta l'errore dell'algoritmo di ricerca

Nessuna delle risposte

Una funzione che da garanzie sulla soluzione e sul tempo impiegato per trovarla

04. Cosa è la ricerca informata?

Un tipo di ricerca che espande sempre il nodo di confine con il costo di cammino ��(��) più basso

Un tipo di ricerca che prova tutti i possibili limiti di profondità a partire da l=0

Nessuna delle risposte

Un tipo di ricerca che utilizza la conoscenza specifica del problema per dare un indizio alla soluzione del problema

05. Come funziona l'algoritmo di ricerca A*?

Utilizza un funzione di ricerca euristica ammissibile

Nessuna delle risposte

Questa ricerca ordina i nodi in modo che venga espanso prima quello con valutazione migliore

La ricerca mira ad assicurarsi il boccone più grosso prima possibile senza valutare se questa sia la mossa davvero migliore alla fine

06. Come funziona l'algoritmo di ricerca greedy?

Nessuna delle risposte

Questo algoritmo di ricerca espande prima il nodo radice e poi successivamente tutti i nodi generati

La ricerca mira ad assicurarsi il boccone più grosso prima possibile senza valutare se questa sia la mossa davvero migliore alla fine

Questa ricerca ordina i nodi in modo che venga espanso prima quello con valutazione migliore

07. Come funziona l'algoritmo di ricerca best-first?

Si espande sempre uno dei nodi al livello più profondo dell’albero, poi si torna indietro

Si espande prima il nodo radice e poi successivamente tutti i nodi generati

I nodi vengono ordinati in modo che venga espanso prima quello con valutazione migliore

Nessuna delle risposte

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 12/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

08. Quali di questi è un algoritmo di ricerca informata?

Ricerca greedy

Tutte le risposte

Ricerca best-first

Ricerca A*

09. Quali di questi NON è un algoritmo di ricerca informata?

Ricerca best-first

Ricerca A*

Ricerca breadth first

Ricerca greedy

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 13/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 007
01. Qual è il nome del neurone artificiale?

Nessuna delle risposte

Percettrone

MLP

Assone

02. A cosa corrisponde l'output del percettrone nel neurone biologico?

Dendriti

Nucleo

Assone

Nessuna delle risposte

03. A cosa corrisponde la funzione calcolata dal percettrone nel neurone biologico?

Dendriti

Assone

Nessuna delle risposte

Nucleo

04. Quale operazione applica il neurone sugli input?

Solo la somma

Somma seguita da peso

Peso seguito da somma

Solo il peso

05. Cosa è il peso?

Nessuna delle risposte

Il valore per cui viene moltiplicato l'input al percettrone

Un parametro della funzione di attivazione

IL valore per cui viene moltiplicato l'output del percettrone

06. Quale è la sequenza completa di operazioni eseguite dal percettrone?

1) Peso degli input; 2) somma degli input pesati; 3) fuzione di attivazione

1) funzione di attivazione; 2) Peso degli input; 3) somma dei risultati

1) somma degli input; 2) peso del risultato; 3) funzione di attivazione

Nessuna delle risposte

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 14/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 008
01. A cosa servono le funzioni di attivazione?

Migliorare le performance del percettrone

Introdurre una non linearità

Pesare gli input al percettrone

Nessuna delle risposte

02. Descrivere il ruolo della funzione di attivazione

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 15/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 011
01. Descrivere la funione della loss e presentare alcuni esempi di loss function

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 16/17
 Set Domande: INTELLIGENT SYSTEMS B
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Vecchio Giuseppe

Lezione 012
01. Descrivere la backpropagation e l'allenamento di reti neurali

© 2016 - 2022 Università Telematica eCampus - Data Stampa 08/04/2022 18:43:25 - 17/17
Powered by TCPDF (www.tcpdf.org)