Искусственный интеллект 1. Основы искусственного интеллекта 1. Ядро правила вывода (продукции) называют недетерминированным, если при выполнимости условия □ Правая часть (действие) выполняется обязательно; □ Правая часть (действие) может выполняться и не выполняться. 2. Верно ли, с точки зрения формальной логики, что содержание мысли не оказывает никакого влияния на правильность рассуждений? □ Ошибочно; □ Верно. 3. Какие из приведенных высказываний являются сложными? □ Дует ветер и идет дождь; □ Дует ветер, идет дождь; □ Ветер в дождь не дует. 4. Укажите основные требования к делению: □ Должно производиться только по 1 основанию; □ Члены деления должны быть взаимоисключающими; □ Должно быть исчерпывающим; □ Непрерывность деления. 5. При дихотомии признак способен принимать ____ значения. 6. В каком отношении находятся имена «треугольник» и «прямоугольный треугольник»? □ Подчинение; □ Пересечение; □ Равнозначность; □ Исключение. 7. Машина вывода это □ Совокупность программных и аппаратных средств ИИ; □ Программа, управляющая перебором правил; □ Компьютер, на котором происходит вывод. 8. В каком отношении находятся имена «летчик» и «космонавт» □ Подчинение; □ Исключение; □ Равнозначность; □ Другое. 9. Основание деления это: □ Признак, по которому производится деление; □ Первоначальный объем делимого понятия; □ Минимальный и неделимый остаток после деления. 1 10. Приведите примеры неточных имен: □ Неизвестный солдат; □ Высокий человек; □ Тинэйджер; □ Молодой человек. 11. Логическая операция, в результате которой из одного или нескольких принятых утверждений (посылок) получается новое утверждение – 12. Укажите равнозначные имена □ Сын и внук; □ Круг и окружность; □ Квадрат и равносторонний прямоугольник; □ Эллипс и круг. 13. Определенная, внутренне обусловленная связь утверждений – 14. Приведите примеры общих имен: □ Планета «Венера»; □ Мужчина, женщина; □ «Естественный спутник Юпитера». 15. Наука о законах и операциях правильного мышления – 16. Имена Солнце, «естественный спутник земли» являются: □ Общими; □ Единичными; □ Собственными. 17. Какое число продукций считается критическим, с точки зрения обеспечения корректности работы системы? 18. Упрощенно, в теории семантических категорий выделяют следующие категории: □ Отношения; □ Высказывания; □ Имена; □ Функторы. 19. Основными проблемами при обслуживании системы продукций являются: □ Поддержание непротиворечивости; □ Обеспечение корректности; □ Обеспечение эффективности вывода. 20. Обобщение – переход от частного к общему характерен для: □ Индукции; □ Дедукции. 21. Укажите тип цепочки рассуждений: «Поскольку это животное ест бананы и висит на хвосте и громко кричит, то возможно, что это обезьяна». □ Обратная цепочкам рассуждений; □ Прямая цепочка рассуждений. 2 22. Индуктивное умозаключение: □ Является истинным, если не были нарушены правила вывода; □ Может быть как истинным, так и ошибочным; □ Всегда является истинным. 23. Укажите тип цепочки рассуждений: «Если это крокодил, то у него должен быть хвост и сам он должен быть зеленый». □ Прямая цепочка рассуждений; □ Обратная цепочка рассуждений. 24. Индуктивное умозаключение опирается на: □ Логический закон; □ Фактические или психологические формальные основания. 25. Приведите примеры неточных имен. □ Совершеннолетний человек; □ Крупный специалист; □ Красивая девушка; □ Тинэйджер; □ Неизвестный солдат. 26. Искусственный интеллект – это: □ Набор математических методов и программ; □ Программная система, имитирующая на компьютере мышление человека; □ Совокупность средств, наделяющих ЭВМ некоторыми чертами разума. 27. Программы искусственного интеллекта отличаются от всех остальных: □ Языком, на котором написаны; □ Наличием особой структуры; □ Способностью к самообучению; □ Быстродействием. 28. Максимальный размер базы знаний в продукционной модели не превышает: □ 1500 записей; □ 100 записей задач; □ 65534 записей; □ 500 записей. 29. Основные области исследований в искусственном интеллекте: □ Интеллектуальные информационные системы; □ Имитация творческих процессов; □ Игровые задачи; □ Информационные системы на знаниях; □ Интеллектуальные работы. 30. Системы искусственного интеллекта предназначены для решения: □ Задач, структура решения которых вообще неизвестна; □ Хорошоструктурированных задач; □ Слабоструктурированных задач. 3 31. Дедуктивное умозаключение: □ Может быть как истинным, так и ошибочным; □ Всегда является истинным; □ Является истинным, если не были нарушены правила вывода. 2. Представления для структурированных объектов 1. Какие из перечисленных систем основаны на семантической сети? □ CASNET; □ MYСIN; □ Shopin; □ PROSPECTOR. 2. По количеству типов отношений семантические сети делят на: □ С конечным числом отношений и с бесконечным; □ Однородные и не однородные; □ Унарные, бинарные, тернарные и т.п. 3. Основной недостаток семантической сети: □ Сложность построения; □ Сложность вывода; □ Большие требования по ресурсом памяти. 4. Сети, в которых отношения связывают два объекта, называют: □ Двоичными; □ Однородными; □ Бинарными. 5. Типичными задачами для применения семантической сети являются: □ Медицинская диагностика; □ Анализ естественного языка; □ Расчеты на прочность. 6. Характерной особенностью семантических сетей является обязательное наличие следующих типов отношений: □ Класс – элемент класса; □ Свойство – значение; □ Часть – целое; □ Пример элемента класса. 7. Семантические сети чаще всего применяются в предметных областях: □ С хорошо установленной таксономией; □ С бесконечным числом отношений. 8. Понятиями обычно выступают: □ Абстрактные или конкретные объекты; □ Отношения; □ Действия. 4 9. В семантической сети объектам, концепциям, событиям или понятиям обычно соответствуют: □ Дуги; □ Узлы; □ Отношения. 10. N-арная сеть это: □ Состоящая из N вершин; □ Состоящая из N типов отношений; □ В которой есть отношения, связывающие более двух понятий. 11. Семантическая сеть – это □ Иерархическая классификационная структура; □ Орентированный граф, в котором вершины – понятия, а дуги – отношения. 12. Характерным свойством, позволяющим исключить дублирование информации в узлах нижнего уровня (если такая информация уже есть в узле верхнего уровня) является свойство: 13. Чем ограничено количество фреймов при моделировании? □ Объемом ОЗУ; □ 256 штук; □ 1000 штук; □ Не ограничено. 14. Укажите известные Вам модели представления знаний. □ Продукционная модель; □ Семантические сети; □ Фреймовая модель; □ Базы данных. 15. Основной недостаток представления знаний на семантических сетях – □ Простота построения семантических сетей; □ Сложность вывода на семантических сетях; □ Требование большого объема памяти. 16. Эквивалентное преобразование Y=ax+b, a>0, b in R допустимо для: □ Шкалы отношений; □ Интервальной шкалы; □ Циклической шкалы; □ Абсолютной шкалы; □ Шкалы разностей. 17. Шкалу слабого порядка можно определить так: □ Либо А<=B, либо A>=B; □ Если A>=B, B>=C, то A+B>=C; □ Если A>=B, и B>=C, то A>=C. 18. Абсолютную единицу имеет: □ Шкала разностей; □ Номинальная шкала; □ Абсолютная шкала. 5 19. Шкалу, удовлетворяющую следующим аксиомам: 1) если А<B, то B >A; 2) если A>B, B>C, то A>C, можно назвать: □ Порядковой; □ Неизвестной мне шкалой; □ Метрической. 20. Математическое определение «Если А<B, то B>A» может относиться к следующей измерительной шкале: □ Шкала значений; □ Денежная шкала; □ Порядковая шкала; □ Другая. 21. Шкала компаса является □ Разностной; □ Интервальной; □ Абсолютной. 22. Эквивалентное преобразование Y=ax, a>0 допустимо для □ Абсолютной шкалы; □ Шкалы разностей; □ Шкалы отношений; □ Интервальной шкалы; □ Циклической шкалы. 23. К настоящему моменту сложились следующие основные языки описания выбора: □ Язык предпочтений; □ Сориты и силлогизмы; □ Бинарные отношения; □ Стохастический язык; □ Критериальный язык; □ Экспертные системы. 24. Длина, вес, деньги, электрическое сопротивление измеряются на: □ Интервальной шкале; □ Номинальной шкале; □ Шкале отношений; □ Абсолютной шкале. 25. Можно ли вычислять дисперсию для показаний, снятых с интервальной шкалы? □ Допустимо; □ Это бессмысленно; □ Нежелательно. 26. Шкалу, удовлетворяющую аксиомам: 1) если А=Р и В>0, то А+В=Р+Q, A+B=B+A; 2) если A=P и B+Q, то A+B=P+Q; 3) (A+B)+C=A+(B+C) можно отнести к: □ Относительным шкалам; □ Неизвестному мне типу шкал; □ Номинальным шкалам; 6 □ Интервальным шкалам. 27. Сформируйте множество Парето по сроку окупаемости и затратам на проект: □ (16 лет $ 2100); □ (13 лет $2000); □ (12 лет $2100). 28. Множество Парето это □ Множество недоминирующих альтернатив; □ Множество, содержащее только одну альтернативу; □ Множество, содержащее все наилучшие альтернативы. 29. 1806 год, 1941 год, 1966 год. Перед вами типичный пример □ Номинальной шкалы; □ Шкалы интервалов; □ Абсолютной шкалы. 30. Красный, синий, зеленый. Перед Вами типичный пример □ Шкалы разностей; □ Номинальной шкалы; □ Интервальной шкалы; □ Цветовой шкалы. 31. Абсолютный ноль имеют: □ Шкала отношений; □ Абсолютная шкала; □ Интервальная шкала; □ Номинальная шкала. 32. К основным свойствам объектов относят: □ Инкапсуляция; □ Наследование; □ Полиморфизм. 33. Может ли один и тот же терминал входить в 2 разных фрейма одной системы? □ Может; □ Зависит от контекста; □ Не может. 34. При зрительном восприятии образов системы фреймов используются следующим образом: различные фреймы соответствуют □ Процессам, происходящим в объекте; □ Перемещению наблюдателя вокруг объекта; □ Перемещению объекта, описанного фреймом. 35. Методы или «правила» при описании объекта в современных языках программирования делят на: □ Виртуальные; □ Статические; □ Динамические; □ Полиморфные; 7 36. Нижние уровни фрейма-экземпляра: □ Называются «Маркерами»; □ Заполнены характерными примерами или данными; □ Пусты. 37. Объекты-экземпляры, которые во время выполнения программы могут принимать различные формы представления от объекта своего типа до любого из потомков называют: □ Виртуальными; □ Динамическим; □ Полиморфными. 38. Фрейм может быть описан при помощи правил продукций: □ Да; □ Нет; □ Зависит от контекста. 39. Для обмена данными в ООП используется □ Глобальная переменная; □ Механизм «сообщений»; □ Локальная переменная. 40. Для фреймов характерно свойство наследования по AKO связям: □ Нет; □ Да; □ Зависит от контекста. 41. Инкапсуляция это – □ Механизм обеспечения наследования в объектах; □ Способ объединения кода и данных в объектах; □ Совершенно бессмысленное слово. 42. Представление знаний фреймами эффективно при: □ Проектировании микросхем; □ Распознавании текста; □ Анализе пространственных сцен; □ Автоматическом переводе. 43. Вершины фрейма заполнены □ «Заданиями»; □ Пусты; □ Терминальными фактами. 44. Представление знаний фреймами значительно более эффективно, чем при помощи: □ Правил продукций; □ Эффективность зависит от решаемой задачи; □ Семантических сетей; □ Нечеткой логики. 45. Фрейм – структура для представления знаний 8 □ Об объектах без четкой структуры; □ О стереотипной ситуации; □ О визуальных объектах. 46. Фреймы могут объединяться в сети □ Да; □ Могут, но это бессмысленно; □ Нет. 47. Терминалы фрейма-образца заполнены □ Совершенно пусты; □ Переменными; □ Так называемыми «Заданиями отсутствия»; □ Терминальными фактами. 48. Фрейм, как модель для представления знаний предложена □ Булем; □ М. Минским; □ Дж. Бэконом; □ Аристотелем. 3. Архитектура систем искусственного интеллекта 1. Процедура приятия решений предполагает наличие: □ Эксперта; □ Инженера; □ Аналитика; □ Пользователя; □ ЛПР. 2. К основным этапам задачи выбора следует отнести: □ Сужение множества альтернатив; □ Уточнение альтернатив; □ Определение множества целей выбора; □ Упорядочение альтернатив; □ Порождение множества альтернатив. 3. Задачи выбора классифицируют по: □ Применяемому математическому аппарату; □ Типу множества альтернатив; □ Степени согласованности целей; □ Ответственности за выбор; □ Режиму и последствиям выбора. 4. Усвоение знаний 1. Что такое интенсионал понятия? □ Внутреннее содержание понятия; □ Определение или описание некоторого понятия через его свойства; □ Внешнее содержание понятия. 9 2. Что такое экстенсионал понятия? □ Расширение данного понятия; □ Набор конкретных фактов, соответствующих данному понятию; □ Набор близких по смыслу понятий. 3. Расположите понятия в порядке их появления при изучении некоторого объекта. □ Знания – информация – данные; □ Данные – информация – знания; □ Информация – данные – знания; □ Знания – данные – информация. 4. К какому классу относятся понятия: «автобусы», «пассажиры», «двигатели внутреннего сгорания»? □ Сложный класс; □ Простой класс. 5. В каком случае Вы применили бы логико-лингвистическую модель? □ Расчет себестоимости продукции; □ Оценка материального ущерба; □ Решение дифференциальных уравнений; □ Прогноз курса доллара на следующий год; □ Постановка диагноза. 6. Что такое мышление? □ Совокупность процедур, работающих строго в рамках знания; □ Способность делать выводы; □ Процедуры, позволяющие системе вводить информацию. 7. Всегда истинным является: □ Категорическое умозаключение; □ Логическое заключение; □ Индуктивное умозаключение; □ Дедуктивное умозаключение. 8. Перечислите известные Вам особенности знаний. □ Корректность; □ Связность; □ Структурированность; □ Целостность; □ Внутренняя интерпретируемость; □ Непротиворечивость. 5. Формальные системы для представления знаний 1. Основными языками представления знаний на сегодняшний день являются: □ Семантические сети; □ Фреймы; □ Правила продукций; □ Бинарные отношения; □ Логика. 2. Укажите известные Вам виды классификаций. 10 □ □ □ □ □ Тезарус; Иерархическая классификации; Оффсетная классификация; Алфавитно-предметная классификация; Фасетная классификация. 3. Знания □ Могут быть как активны, так и пассивны; □ Всегда пассивны; □ Всегда активны. 4. Множество предметов, каждому из которых присущи признаки, отраженные в содержании соответствующего понятия – 5. Декларативная информация овеществлена в □ Процедурах; □ Данных. 6. Данные □ Всегда активны; □ Всегда пассивны; □ Могут быть как активны, так и пассивны. 7. Процедурная информация овеществлена в □ Программах; □ Логической модели; □ Данных. 6. Основы экспертных систем 1. Типичный состав экспертной системы включает: □ Решатель; □ Интерфейс пользователя; □ Редактор базы знаний; □ База знаний; □ Подсистема объяснений. 2. Главное отличие экспертных систем от других программных средств: □ Способность к обучению; □ Наличие базы знаний; □ Способность давать советы. 3. Экспертные системы предназначены для решения: □ Узкого круга специализированных задач; □ Слабоструктурированных задач; □ Медицинских задач; □ Задач, алгоритм решения которых вообще не известен. 4. Разработка экспертной системы включает следующие этапы: □ Доработка до промышленной экспертной системы; □ Выбор проблемы; 11 □ □ □ □ □ Поддержка; Макетирование; Стыковка экспертной системы; Разработка прототипа; Оценка экспертной системы. 5. В реальном времени способны работать ___________ экспертные системы. 6. В квазидинамических экспертных системах время □ Изменяется непрерывно; □ Изменяется с фиксированным интервалом; □ Не учитывается и не изменяется; □ Изменяется с большей скоростью, чем в реальности. 7. При разработке экспертных систем выделяют несколько форм знаний: □ Знания на языках представления зданий (формализация поля знаний); □ Материализованные знания (монографии, статьи, учебники, и т.п.); □ Знания в памяти человека; □ Поле знаний (полуформализованное описание знаний в памяти человека и материализованных знаний); □ Базы знаний на машинных носителях. 8. Гибридная экспертная система – это система □ Использующая гибридную модель представления знаний; □ Не являющаяся экспертной в полном смысле этого слова; □ Агрегирующая стандартные прикладные программы с экспертной системой. 12 Ключ к тесту 1. Основы искусственного интеллекта 1) 2; 2) 2; 3) 1,2; 4) 2,3; 5) 2; 6) 1; 7) 3; 8) 2; 9) 1; 10) 2,4; 11) умозаключение; 12) 2; 13) вывод; 14) 2; 15) логика; 16) 2,3; 17) 100; 18) 1,3,4; 19) 2; 20) 1; 21) 2; 22) 2; 23) 2; 24) 2; 25) 2,3; 26) 2,3; 27) 2; 28) 3; 29) 2,3; 30) 1,3. 2. Представления для структурированных объектов 1) 1; 2) 2; 3) 2; 4) 3; 5) 2; 6) 1,3; 7) 1; 8) 1,2,3; 9) 2; 10) 2; 11) 2; 12) наследование; 13) 4; 14) 1,2,3; 15) 2; 16) 2; 17) 3; 18) 1,3; 19) 1; 20) 3; 21) 1; 22) 1,2; 23) 1,5; 24) 1; 25) 1; 26) 1; 27) 1,2; 28) 3; 29) 1; 30) 2; 31) 2,3; 32) 1,2,3; 33) 1; 34) 2,3; 35) 4; 36) 2; 37) 1; 38) 2; 39) 2; 40) 2; 41) 2; 42) 3; 43) 2; 44) 2; 45) 2; 46) 1; 47) 4; 48) 2. 3. Архитектура систем искусственного интеллекта 1) 1,5; 2) 1,4,5; 3) 2,4. 4. Усвоение знаний 1) 2; 2) 2; 3) 3; 4) 1; 5) 5; 6) 2; 7) 4; 8) 3,5;. 5. Формальные системы для представления знаний 1) 1,2,3; 2) 2,4,5; 3) 3; 4) экземпляры; 5) 2,6) 3; 7) 1. 6. Основы экспертных систем 1) 1,2,3,4,5; 2) 2; 3) 2,3,4; 4) 1,4,6,7; 5) динамические; 6) 2; 7) 2,3,4; 8) 3. 13