QCM : Apprentissage des machines et IA (10 questions)

Questions et réponses du QCM

1. Un appareil suit une série de règles fixées à l’avance pour trier des objets, sans apprendre à partir d’exemples. Comment caractériser son fonctionnement ?

Comme un apprentissage guidé par des récompenses et des pénalités
Comme un modèle ajusté à partir des résultats de ses actions
Comme un système automatique qui applique des règles définies
Comme une intelligence artificielle qui apprend à partir de données

Comme un système automatique qui applique des règles définies

Explication

Un système automatique réalise des tâches en appliquant des règles définies, tandis qu’une intelligence artificielle apprend. L’apprentissage à partir de données confond automatisme et IA, l’ajustement d’un modèle reprend le mécanisme de l’IA, et les récompenses ou pénalités caractérisent le renforcement.

2. Deux outils résolvent des problèmes : dans le premier, le programmeur écrit les règles exécutées par le programme; dans le second, un modèle est ajusté avec des exemples. Quelle distinction s’applique ?

Le premier est un programme classique; le second relève de l’intelligence artificielle
Le premier relève de l’intelligence artificielle; le second est un programme classique
Les deux relèvent de l’intelligence artificielle, car ils produisent des résultats
Les deux sont des programmes classiques, car ils exécutent des opérations

Le premier est un programme classique; le second relève de l’intelligence artificielle

Explication

Dans un programme classique, le programmeur écrit les règles que le programme exécute; en IA, un modèle est construit ou ajusté à partir de données. L’option qui inverse les deux mécanismes confond leurs rôles, tandis que produire un résultat ne suffit pas à caractériser un système comme IA.

3. Dans l’apprentissage d’un modèle, comment appelle-t-on une information utilisée pour cet apprentissage ?

Une tâche
Une donnée
Un résultat
Un modèle

Une donnée

Explication

Une donnée est une information utilisée pour l’apprentissage d’un modèle. Le modèle est la représentation apprise, la tâche est ce que le système doit réaliser et le résultat est ce qu’il produit.

4. Une équipe entraîne une IA avec des données nombreuses, mais peu variées et peu représentatives des cas rencontrés ensuite. Quelle conséquence est la plus probable ?

Les résultats peuvent être moins pertinents dans certains cas
Les résultats seront forcément équilibrés grâce au grand nombre
La diversité des données n’aura pas d’effet sur les résultats
Le modèle ne pourra pas être construit à partir de ces données

Les résultats peuvent être moins pertinents dans certains cas

Explication

La quantité, la qualité et la diversité des données influencent les résultats; des données peu variées ou peu représentatives peuvent rendre le modèle moins performant dans certaines situations. Un grand nombre ne garantit pas l’équilibre, la diversité compte, et ces données peuvent tout de même servir à construire un modèle.

5. Quelle méthode d’apprentissage exploite des exemples étiquetés pour relier des caractéristiques à une catégorie ?

L’apprentissage non supervisé
L’apprentissage par ajustement manuel
L’apprentissage supervisé
L’apprentissage par renforcement

L’apprentissage supervisé

Explication

L’apprentissage supervisé s’appuie sur des exemples dont les réponses ou catégories sont déjà indiquées. L’apprentissage non supervisé, lui, recherche des ressemblances dans des données sans réponses fournies à l’avance.

6. Quelles caractéristiques des données favorisent un modèle fiable et des résultats pertinents et équilibrés ?

Des données diversifiées, mais peu représentatives
Des données nombreuses, mais issues de cas similaires
Des données suffisantes, variées et représentatives
Des données représentatives, mais limitées en quantité

Des données suffisantes, variées et représentatives

Explication

Des données suffisantes, variées et représentatives favorisent la fiabilité du modèle ainsi que des résultats pertinents et équilibrés. Des données nombreuses mais similaires manquent de diversité, ce qui peut limiter les performances dans certaines situations.

7. Quel rôle jouent les tests, les vérifications et l’interprétation des résultats d’une IA ?

Permettre de repérer et d’évaluer les erreurs ou les biais possibles
Modifier automatiquement les règles définies par les concepteurs
Remplacer les données utilisées pour construire le modèle
Garantir que les réponses du système sont toujours exactes

Permettre de repérer et d’évaluer les erreurs ou les biais possibles

Explication

Tester, vérifier et interpréter les résultats permet d’examiner les réponses de l’IA et de rester vigilant face aux erreurs ou aux biais. Ces démarches ne garantissent pas à elles seules l’exactitude des réponses, contrairement à ce que suggère un distracteur.

8. En quoi les IA actuelles diffèrent-elles de l’apprentissage humain d’après leurs conditions de fonctionnement ?

Elles reproduisent des règles fixes écrites par leurs concepteurs, sans ajuster de modèle à partir de données.
Elles construisent leurs connaissances à partir de récompenses, sans dépendre des exemples passés ni des choix de conception.
Elles sont entraînées sur des exemples passés et leur fonctionnement dépend aussi des données et des choix de leurs concepteurs.
Elles apprennent principalement par des échanges sociaux, indépendamment des données et des décisions de leurs concepteurs.

Elles sont entraînées sur des exemples passés et leur fonctionnement dépend aussi des données et des choix de leurs concepteurs.

Explication

Les IA actuelles sont entraînées sur des exemples du passé et leur fonctionnement dépend des données utilisées ainsi que des choix de conception. L’apprentissage par récompenses peut constituer une méthode d’entraînement, mais le document ne le présente pas comme le mode général qui définit l’apprentissage humain.

9. Qu’est-ce qui permet à un système automatique d’exécuter une tâche sans apprendre comme le ferait une intelligence artificielle ?

L’ajustement d’un modèle à partir des résultats de ses actions
L’application de règles définies à l’avance pour guider son fonctionnement
La recherche de ressemblances entre des données sans réponses fournies
L’utilisation de récompenses pour modifier ses choix après chaque action

L’application de règles définies à l’avance pour guider son fonctionnement

Explication

Un système automatique accomplit une tâche en appliquant des règles définies, tandis qu’une intelligence artificielle apprend à partir de données ou des résultats de ses actions. L’ajustement d’un modèle décrit plutôt le fonctionnement de l’intelligence artificielle.

10. Une équipe veut créer un modèle pour reconnaître des fruits à partir de leurs caractéristiques. Comment doit-elle utiliser les données pour construire ce modèle ?

Utiliser les données comme résultats finaux, sans construire de représentation apprise.
Fournir des exemples permettant au modèle d’apprendre les caractéristiques utiles à la reconnaissance.
Inscrire dans le programme toutes les règles de reconnaissance avant de fournir des exemples.
Remplacer les exemples par une liste de tâches que le système exécutera mécaniquement.

Fournir des exemples permettant au modèle d’apprendre les caractéristiques utiles à la reconnaissance.

Explication

Les données servent d’exemples à partir desquels le modèle est construit ou ajusté pour accomplir une tâche. Inscrire d’avance toutes les règles correspond à l’exécution d’un programme classique, plutôt qu’à l’apprentissage du modèle à partir des données.

Révisez avec les flashcards

Mémorisez les réponses avec 10 flashcards sur Apprentissage des machines et IA.

Comment un système automatique réalise-t-il ses tâches ?

Selon des règles définies.

Qu’est-ce qu’une donnée utilisée dans l’apprentissage d’un modèle ?

Une information utilisée pour apprendre un modèle.

Qu’est-ce qu’un modèle appris à partir de données ?

Une représentation apprise pour réaliser une tâche.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Apprentissage des machines et IA.

Voir la fiche →

Cours similaires

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM