Ответы к тестам НМО: «Введение в искусственный интеллект для здравоохранения»

1. Где применяются системы поддержки принятия решений?

1) бизнес, финансы, здравоохранение; +
2) игровая индустрия и развлечения;
3) компьютерная графика и звук;
4) только в образовании.

2. Для чего используется ИИ в медицинской диагностике?

1) анализирует рентгеновские и МРТ-снимки, помогает в постановке диагноза; +
2) выписывает рецепты;
3) выполняет бухгалтерский учет;
4) записывает пациентов.

3. Для чего используются полносвязные нейронные сети

1) для обработки неструктурированных данных; +
2) для анализа временных рядов;
3) для генерации изображений;
4) для поиска в базе данных.

4. Как ИИ помогает в финансовой аналитике?

1) анализирует данные и прогнозирует тренды на рынке; +
2) настраивает банкоматы;
3) сканирует паспорта;
4) управляет кассами.

5. Какие из перечисленных систем являются голосовыми помощниками?

1) Siri от Apple и Алиса от Яндекса; +
2) Da Vinci Surgical System и Boston Dynamics;
3) Netflix и YouTube;
4) Финансовые аналитические платформы.

6. Какие математические методы способствуют развитию моделей ИИ?

1) линейная алгебра, оптимизация, вероятность и статистика; +
2) исторические методы;
3) тригонометрия и геометрия;
4) философия и социология.

7. Какие методы относятся к глубокому обучению?

1) сверточные нейронные сети, рекуррентные сети и автокодировщики; +
2) SQL-запросы и регулярные выражения;
3) гистограммы, деревья решений и линейные модели;
4) методы опросов и интервью.

8. Какие методы относятся к машинному обучению?

1) регрессия, классификация, кластеризация, снижение размерности; +
2) запись, чтение, удаление файлов;
3) интерпретация, анализ, поиск ошибок;
4) шифрование, архивирование, трансляция.

9. Какие методы относятся к обучению без учителя?

1) кластерный анализ, автоэнкодеры, метод главных компонент; +
2) градиентный бустинг и регуляризация;
3) деревья решений, случайный лес;
4) логистическая регрессия, линейная регрессия.

10. Какова цель обработки естественного языка в системах искусственного интеллекта?

1) обеспечить интуитивное взаимодействие человека с машиной с помощью естественного языка; +
2) поиск информации в структурированных базах данных;
3) распознавать объекты на изображениях с помощью нейронных сетей;
4) сжатие текстовых файлов для хранения в памяти.

11. Какое направление ИИ анализирует тексты?

1) обработка естественного языка; +
2) визуализация;
3) оптимизация;
4) робототехника.

12. Какой орган рекомендуется создавать для эффективного решения проблем применения больших языковых моделей (БЯМ) в практической медицине?

1) экспертный совет по применению БЯМ в практической медицине; +
2) государственный регулятор здравоохранения;
3) текстовые базы без интеграции с поисковыми данными;
4) технический комитет по разработке программного обеспечения.

13. Какой семинар считается точкой отсчета ИИ как науки?

1) Дартмутский семинар 1956 года; +
2) Кембриджская конференция;
3) Семинар в MIT;
4) Симпозиум в Принстоне.

14. Какой этический принцип должен соблюдаться при использовании ИИ для подбора персонала?

1) недопущение дискриминации по полу, расе, возрасту и другим характеристикам; +
2) автоматический отбор по зарплате;
3) отбор по образованию только;
4) предпочтение молодым кандидатам.

15. Кто предложил термин «искусственный интеллект»?

1) Алан Тьюринг;
2) Джон Маккарти; +
3) Марвин Минский;
4) Рэй Соломонов.

16. Почему важна безопасность и приватность данных в медицинских системах ИИ?

1) для защиты личной информации пациентов и предотвращения утечек; +
2) для оптимизации расхода лекарств;
3) для уменьшения нагрузки на врачей;
4) чтобы повысить скорость диагностики.

17. Почему ИИ в автономных автомобилях должен обладать способностью адаптироваться?

1) чтобы улучшать работу и реагировать на изменяющиеся дорожные условия; +
2) чтобы предупреждать водителя о погоде;
3) чтобы самостоятельно менять цвет машины;
4) чтобы экономить энергию батареи.

18. Рекуррентные нейронные сети лучше всего подходят для

1) обработки последовательных данных, таких как текст или аудио; +
2) обработки видео;
3) обработки статичных структур;
4) распознавания объектов на фото.

19. Сверточные нейронные сети применяются для

1) обработки изображений и видео; +
2) обработки аудиоданных;
3) обработки табличных данных;
4) поиска в базах данных.

20. Чем отличается обучение с подкреплением от классического машинного обучения?

1) отсутствием датасета, учителем является среда; +
2) использованием размеченных данных;
3) обязательным наличием правильных ответов;
4) фиксированными тренировочными примерами.

21. Что включает в себя задача вывода решения?

1) логический вывод, вероятностные методы, машинное и глубокое обучение; +
2) ввод текстовой информации;
3) ручной подбор решений;
4) только математические формулы.

22. Что входит в задачи машинного обучения?

1) классификация, регрессия, кластеризация, понижение размерности; +
2) запись данных;
3) разработка оборудования;
4) системное администрирование.

23. Что делает агент в обучении с подкреплением?

1) взаимодействует со средой и получает награду; +
2) получает инструкции;
3) решает тесты;
4) слушает лекции.

24. Что делают системы поддержки принятия решений?

1) анализируют данные и предоставляют рекомендации; +
2) заменяют решения человека полностью;
3) создают графические интерфейсы;
4) управляют сетевыми соединениями.

25. Что измеряет специфичность модели?

1) долю правильно классифицированных отрицательных случаев; +
2) долю правильно классифицированных положительных случаев;
3) процент ошибок;
4) среднее значение точности и полноты.

26. Что измеряет чувствительность модели?

1) долю правильно классифицированных положительных случаев; +
2) долю правильно классифицированных отрицательных случаев;
3) процент неправильных прогнозов;
4) среднее значение точности и ошибки.

27. Что означает классификация в машинном обучении?

1) определение принадлежности объектов к классам; +
2) выделение аномалий;
3) оптимизация функций;
4) предсказание числового значения.

28. Что означает термин «многослойные нейронные сети»?

1) нейроны сгруппированы в слои, каждый нейрон связан со всеми нейронами следующего слоя; +
2) нейроны работают независимо и не образуют слоёв;
3) нейроны связаны только внутри одного слоя;
4) нейроны соединены между собой случайным образом.

29. Что позволяет делать глубокое обучение?

1) автоматически извлекать признаки из данных; +
2) обрабатывать данные вручную;
3) упрощать программный код;
4) хранить информацию в облаке.

30. Что показывает точность модели?

1) процент правильных прогнозов от общего числа прогнозов; +
2) процент неправильных прогнозов;
3) процент правильных положительных прогнозов;
4) среднее значение точности и полноты.

31. Что получает агент после выполнения действия в среде?

1) обратную связь в виде награды; +
2) новый датасет;
3) обучающий набор данных;
4) ошибку классификации.

32. Что предлагается создать для улучшения работы больших языковых моделей в медицине?

1) профильные редакции больших языковых моделей; +
2) международные медицинские конференции;
3) общедоступные базы данных;
4) универсальные языковые модели.

33. Что представляет собой метод деревьев решений?

1) правила «если. то. » с внутренними узлами и листьями; +
2) вероятностный метод на основе теоремы байеса;
3) математическая модель, имитирующая мозг;
4) метод линейной регрессии.

34. Что представляют собой большие языковые модели?

1) искусственные нейронные сети для обработки естественного языка; +
2) алгоритмы обработки изображений;
3) программы для создания таблиц;
4) системы управления файлами.

35. Что такое галлюцинация больших языковых моделей?

1) генерация несуществующих знаний; +
2) обработка медицинских изображений;
3) оптимизация модели;
4) улучшение качества данных.

36. Что такое глубокое обучение?

1) подмножество машинного обучения, использующее искусственные нейронные сети; +
2) интерфейс взаимодействия между человеком и машиной;
3) математическая формула для подсчёта ошибки модели;
4) метод группировки данных без обучения.

37. Что такое зависимая переменная в контексте обучения с учителем?

1) то, что модель должна предсказать; +
2) название файла с данными;
3) номер обучающей выборки;
4) формат входного изображения.

38. Что такое кластерный анализ?

1) группировка похожих объектов; +
2) загрузка данных;
3) классификация по меткам;
4) тест.

39. Что такое нейронная сеть?

1) модель, которая имитирует работу нейронов человеческого мозга для обработки информации; +
2) вредоносная программа;
3) график данных;
4) компьютерный архив.

40. Что такое ошибка модели?

1) процент неправильных прогнозов от общего числа прогнозов; +
2) процент правильных отрицательных прогнозов;
3) процент правильных положительных прогнозов;
4) среднее значение полноты и чувствительности.

41. Что такое полнота модели?

1) процент правильных прогнозов среди всех положительных примеров; +
2) процент неправильных прогнозов;
3) процент правильных прогнозов среди всех отрицательных примеров;
4) среднее гармоническое точности и доли правильных ответов.

42. Что характерно для обучения с учителем?

1) наличие меток или значений, которые нужно предсказать; +
2) обучение без примеров;
3) отсутствие выходной переменной;
4) работа с неразмеченными данными.

43. Что является задачей компьютерного зрения?

1) распознавание и классификация изображений; +
2) выполнение математических вычислений;
3) сжатие графических файлов;
4) создание голосовых интерфейсов.

44. Что является фундаментальной основой для многих алгоритмов и моделей ИИ?

1) математика; +
2) биология;
3) лингвистика;
4) физика.

45. Что является целью задачи создания дружелюбного интерфейса?

1) обеспечение интуитивного взаимодействия между человеком и машиной; +
2) оптимизация скорости алгоритма;
3) сжатие больших объёмов данных;
4) улучшение качества изображения.