Тест с ответами по теме «Искусственный интеллект, нейросети, виртуальная реальность в урологии — как и для чего используют» | Тесты НМО с ответами

1. В медицине языковые модели НЕ применяются для

1) академического письма;
2) перевода текстов, в т.ч. клинических рекомендаций;
3) анализа КТ и МРТ изображений;+
4) создание текстов, написания материалов для пациентов.

2. В основе компьютерного зрения лежат

1) простые алгоритмы;
2) рекуррентные нейронные сети;
3) сверточные нейронные сети;+
4) трансформеры.

3. В основе проблемы черного ящика лежат все нижеперечисленные факторы, кроме

1) вероятностный принцип выдачи результата;
2) неточный или сложный запрос;+
3) архитектура нейросети;
4) множественность циклов обработки информации.

4. В основе систем поддержки принятия врачебных решений лежит

1) база клинических рекомендаций;+
2) трансформеры;
3) способность анализировать КТ и МРТ изображения;
4) рекуррентные нейронные сети.

5. В современном представлении концепция искусственного интеллекта сформирована в

1) XVIII веке;
2) XXI веке;
3) XX веке;+
4) XII веке.

6. Глубокое обучение – это

1) ветвь искусственного интеллекта, в которой логика работы программы строится по аналогии с нервной системой человека, т.е. цепочек узкоспециализированных нейронов;
2) подвид машинного обучения, построенный на основе технологии нейронных сетей;+
3) компьютерная программа, способная имитировать когнитивные функции человека — логическое мышление, обучение, запоминание;
4) ветвь искусственного интеллекта, функции которой заключаются в возможности самосовершенствования одного или нескольких аспектов программы.

7. Искусственный интеллект – это

1) технология, построенная для исполнения алгоритмически простых команд, без возможности самосовершенствования;
2) априорное свойство компьютерных программ, необходимое для исполнения простых алгоритмов;
3) свойство живой материи, необходимое для адаптации к изменяющимся условиям окружающей среды;
4) технология обработки данных, которая имитирует умственные процессы человека, такие как логическое мышление, обучение, запоминание.+

8. К возможностям компьютерного зрения относятся

1) выделение подозрительных участков на изображениях;+
2) предварительная разметка изображений;+
3) самостоятельный анализ изображений;+
4) создание алгоритмов скрининга и диагностики заболеваний.

9. К недостаткам программ глубокого обучения относится

1) потребность в больших объемах данных для тренировки и совершенствования программы;+
2) проблема черного ящика;+
3) неочевидность выявляемых закономерностей для стороннего наблюдателя;+
4) зависимость от оператора.

10. К областям применения компьютерного зрения НЕ относится разметка и интерпретация

1) температуры тела пациента;+
2) КТ-изображений;
3) гистологических препаратов;
4) МРТ-изображений.

11. К ограничениям систем поддержки принятия врачебных решений относят

1) узкий спектр применения;+
2) отсутствие клинического мышления у программы;+
3) возможность предоставления практикующему специалисту второго или третьего мнения;
4) требовательность к качеству формулировок вводимых данных.+

12. К основным слоям в сверточных нейронных сетях НЕ относится

1) рекуррентный;+
2) сверточный;
3) группирующий;
4) классифицирующий.

13. К основным функциональным задачам компьютерного зрения относятся

1) кластеризация;
2) локализация;+
3) сегментация;+
4) классификация.+

14. К основным функциям программ машинного обучения относится

1) конволюция;
2) классификация;+
3) регрессия;+
4) кластеризация.+

15. К причинам формирования искусственных галлюцинаций у языковых моделей относятся

1) низкое качество работы оператора при разметке исходных данных и контроле выходных данных;
2) принцип работы ИИ, приоритет задачи над точностью;+
3) поверхностная оценка информации;+
4) отсутствие критического мышления у нейросети.+

16. Какое из нижеперечисленных утверждений НЕ верно?

1) программы глубокого обучения способны обучаться самостоятельно;
2) качество работы программ глубокого обучения ограничено качеством предварительной подготовки тренировочной выборки;+
3) качество работы программ глубокого обучения сильно зависит от объема тренировочной выборки;
4) при разработке программ машинного обучения необходим оператор для контроля входных и выходных данных.

17. Какой признак из нижеперечисленных типичен для машинного обучения?

1) для тренировки программы необходим оператор;+
2) исполнение кода программы сопряжено с использованием нейросетевых технологий;
3) программа способна обучаться самостоятельно, без контроля оператора;
4) отсутствует необходимость разметки исходных данных и контроля выходных данных.

18. Компьютерное зрение применяется для

1) обработки медицинского изображения в случае низкого качества снимка: удаление шума, повышение контрастности и чёткости снимка;+
2) прямой коммуникации с пациентом;
3) количественной оценки анатомических образований;+
4) выделения зон интереса, включающих патологические участки.+

19. Компьютерное зрение – это

1) область искусственного интеллекта, предназначенная для управления станками с числовым программным управлением;
2) область искусственного интеллекта, связанная с анализом изображений и видео;+
3) область искусственного интеллекта, предназначенная для формирования текста;
4) изображение, получаемое объективом веб камеры компьютера.

20. Машинное обучение – это

1) ветвь искусственного интеллекта, функции которой заключаются в возможности самосовершенствования одного или нескольких аспектов программы;+
2) компьютерная программа, способная имитировать когнитивные функции человека – логическое мышление, обучение, запоминание;
3) ветвь ИИ, построенная на основе технологии нейронных сетей;
4) ветвь искусственного интеллекта, в которой логика работы программы строится по аналогии с нервной системой человека, т.е. цепочек узкоспециализированных нейронов.

21. Нейронные сети – это

1) ветвь ИИ, построенная на основе технологии нейронных сетей;
2) ветвь искусственного интеллекта, функции которой заключаются в возможности самосовершенствования одного или нескольких аспектов программы;
3) ветвь искусственного интеллекта, в которой логика работы программы строится по аналогии с нервной системой человека, т.е. цепочек узкоспециализированных нейронов;+
4) компьютерная программа, способная имитировать когнитивные функции человека — логическое мышление, обучение, запоминание.

22. По мере расширения тренировочных баз в рекуррентных нейронных сетях невозможно

1) появление логической самосогласованности тезисов генерируемого текста;
2) появление новых, изначально не планировавшихся возможностей нейросети;
3) осуществить переход архитектуры сети с глубокого обучения на машинное;+
4) повышение эффективности работы нейросети.

23. При создании программ машинного обучения возможны все перечисленные концепции, кроме

1) обучение без учителя с контролем данных на выходе;+
2) обучение без учителя с контролем данных на входе;
3) обучение с учителем с контролем данных на входе;
4) обучение с учителем с контролем данных на выходе.

24. Рекуррентные нейронные сети применяются для

1) проектирования автопилотной навигации;
2) написания текста;+
3) управления станками с числовым программным управлением;
4) сегментации изображений.

25. Рекуррентные нейронные сети также называются

1) реактивными машинами;
2) трансформерами;+
3) терраформаторами;
4) конволюторами.

26. Система поддержки принятия врачебных решений – это

1) область искусственного интеллекта, предназначенная для управления станками с числовым программным управлением;
2) область искусственного интеллекта, связанная с анализом изображений и видео;
3) область искусственного интеллекта, предназначенная для формирования текста;
4) программное обеспечение, позволяющее путем интерпретации собираемой информации поддерживать принятие врачом решения на всех этапах лечебно-диагностического процесса.+

27. Типичным недостатком для программ глубокого обучения является

1) проблема черного ящика;+
2) зависимость от оператора;
3) необходимость предварительной разметки исходных данных и контроля выходных данных;
4) невозможность работы за пределами тренировочной выборки.

28. Что из нижеперечисленного НЕ типично для программ глубокого обучения?

1) программа способна обучаться самостоятельно, без контроля оператора;
2) для тренировки программы необходим оператор;+
3) исполнение кода программы сопряжено с использованием нейросетевых технологий;
4) отсутствует необходимость разметки исходных данных и контроля выходных данных.

29. Что из нижеперечисленного не может рассматриваться в качестве средства преодоления недостатков существующих нейросетей?

1) межуниверситетская и международная кооперация;
2) формирование больших сетевых хранилищ информации;
3) сбор Big Data;
4) сужение объема рынка нейросетевых технологий.+

Специальности для предварительного и итогового тестирования:

Урология.