QCM : Introduction à l’intelligence artificielle (11 questions)

Question 1

1. Quelle définition décrit un algorithme ?

Une suite potentiellement infinie d’instructions qui produit un résultat déterminé

Une suite finie et non ambiguë d’instructions et d’opérations qui résout une classe de problèmes

Une suite finie et non ambiguë d’instructions qui résout un problème unique

Une suite finie d’instructions parfois ambiguës qui résout une classe de problèmes

Explication

Un algorithme comporte un nombre fini d’instructions et d’opérations non ambiguës, destinées à résoudre une classe de problèmes. Le processus potentiellement infini néglige la finitude, les instructions ambiguës négligent la précision, et le problème unique réduit à tort la portée de la définition.

Answer

Une suite finie et non ambiguë d’instructions et d’opérations qui résout une classe de problèmes

Question 2

2. Un système traite des demandes dans un cadre précisément défini avec une tâche spécifique ; un autre devrait combiner plusieurs processus cognitifs pour faire face à des problèmes non spécifiés dans un environnement partiellement indéterminé. Comment les classer ?

Les deux relèvent de l’IA faible, car ils reproduisent des processus cognitifs

Le premier relève de l’IA forte et le second de l’IA faible

Les deux relèvent de l’IA forte, car ils traitent des problèmes informatiques

Le premier relève de l’IA faible et le second de l’IA forte

Explication

L’IA faible vise des processus cognitifs élémentaires et isolés pour des problèmes spécifiques dans des contextes déterminés, tandis que l’IA forte combinerait ces processus pour traiter des problèmes non spécifiés en environnement partiellement indéterminé. L’inversion des catégories confond ces portées, et les deux autres réponses attribuent à tort la même catégorie aux deux systèmes.

Answer

Le premier relève de l’IA faible et le second de l’IA forte

Question 3

3. En quelle année la conférence de Dartmouth marque-t-elle la première utilisation de la terminologie « IA » ?

1950

1956

1943

1957

Explication

La conférence de Dartmouth de 1956 constitue la première utilisation de la terminologie « IA ». 1943 correspond au modèle mathématique de réseau de neurones, 1950 à l’article fondateur de Turing, et 1957 décale l’événement d’un an.

Answer

La première hibernation de l’IA

Answer

La croissance rapide du nombre de combinaisons à examiner lorsque la taille du problème augmente

Answer

Modéliser la relation entre ces deux variables afin d’estimer une valeur du nombre d’habitants.

Answer

L’apprentissage s’appuie sur des milliards de textes, puis la prédiction peut classifier, traduire, résumer ou compléter du texte.

Answer

Des vecteurs proches dans un espace à 300 dimensions

Answer

Pour transformer la représentation de la phrase en une sortie adaptée, comme une traduction ou une classification

Question 4

4. Entre 1974 et 1980, les financements de l’IA prennent fin rapidement face à la complexité algorithmique, à une puissance de calcul limitée et à un manque de données. Comment cette période est-elle qualifiée ?

L’âge d’or éphémère de l’IA

La seconde hibernation de l’IA

Le rebond des systèmes experts

La première hibernation de l’IA

Explication

La période 1974-1980 est qualifiée de première hibernation, en raison des limites techniques et du recul rapide des financements. La seconde hibernation désigne une période ultérieure, l’âge d’or précède cette phase, et le rebond est associé au développement des systèmes experts.

Question 5

5. Que désigne l’explosion combinatoire dans la résolution d’un problème comme le carré magique ?

La répartition uniforme des calculs entre les lignes et les colonnes du carré

La réduction du temps de calcul grâce à l’examen successif de chaque combinaison

La diminution du nombre de solutions possibles quand on ajoute des nombres au carré

La croissance rapide du nombre de combinaisons à examiner lorsque la taille du problème augmente

Explication

L’explosion combinatoire correspond à une hausse très rapide du nombre de combinaisons à tester quand le problème grandit, ce qui rend le calcul impraticable. L’examen successif des combinaisons ne réduit pas ce nombre : il peut au contraire exiger d’en parcourir jusqu’à $(n^2)!$ .

Question 6

6. Dans le générateur de mots v2, quelle probabilité d’apparition est attribuée à la lettre E ?

80 %

14,9 %

0,2 %

50 %

Explication

La version v2 utilise des probabilités apprises, et la lettre E reçoit une probabilité de 14,9 %. La valeur de 0,2 % concerne la lettre Z, tandis que 80 % correspond à un exemple de génération probabiliste de texte.

Question 7

7. Dans une régression linéaire, quel est le rôle de la droite représentée par $y=ax+b$ lorsqu’on étudie le lien entre le nombre de fenêtres et le nombre d’habitants ?

Mesurer la probabilité que chaque nombre de fenêtres apparaisse dans les exemples observés.

Déterminer le nombre de valeurs nécessaires pour achever la phase d’apprentissage.

Modéliser la relation entre ces deux variables afin d’estimer une valeur du nombre d’habitants.

Classer les logements en catégories selon leur nombre de fenêtres et leur nombre d’habitants.

Explication

La droite sert à représenter la relation entre le nombre de fenêtres et celui d’habitants, ce qui permet notamment d’effectuer une prédiction. Le classement en catégories relève d’une tâche de classification, et non de la fonction décrite pour cette régression.

Question 8

8. En quelle année un réseau de neurones à apprentissage profond apprend-il à reconnaître un chat ?

En 2022

En 2016

En 2012

En 1997

Explication

L’année 2012 correspond à l’apprentissage de la reconnaissance d’un chat par un réseau de neurones à apprentissage profond. En 1997, l’événement marquant est la victoire de Deep Blue aux échecs.

Question 9

9. Quelle distinction décrit le mieux l’apprentissage et la prédiction dans le traitement automatique de la langue avec un LLM ?

L’apprentissage s’appuie sur des milliards de textes, puis la prédiction peut classifier, traduire, résumer ou compléter du texte.

L’apprentissage construit un vecteur de pensée de dimension 1000, puis la prédiction estime le nombre d’habitants à partir de fenêtres.

L’apprentissage traduit des phrases, puis la prédiction recherche des mots proches dans un espace vectoriel à 300 dimensions.

L’apprentissage produit des probabilités pour les catégories d’images, puis la prédiction associe une image à un mot.

Explication

L’apprentissage d’un LLM de traitement de la langue porte sur de très grands corpus, tandis que la prédiction permet d’effectuer diverses tâches textuelles. L’encodage en vecteur de pensée correspond à une étape décrite pour l’analyse et le décodage des phrases, et non à la distinction générale entre apprentissage et prédiction visée ici.

Question 10

10. Dans l’apprentissage des représentations de mots, quelle géométrie permet de représenter la proximité de sens entre deux mots ?

Des vecteurs de même longueur dans un espace à deux dimensions

Des mots classés selon leur fréquence dans une liste

Des vecteurs proches dans un espace à 300 dimensions

Des phrases associées à un vecteur de pensée à 1000 dimensions

Explication

Chaque mot est associé à un vecteur dans un espace à 300 dimensions, et les mots de sens proche y sont rapprochés. Le vecteur de pensée à 1000 dimensions concerne l’encodage des phrases, et non la représentation individuelle des mots.

Question 11

11. Pourquoi un vecteur de pensée est-il décodé en fonction de la tâche demandée ?

Pour réentraîner le réseau sur la phrase avant de produire une réponse

Pour transformer la représentation de la phrase en une sortie adaptée, comme une traduction ou une classification

Pour attribuer à chaque mot une position fixe dans un espace de sens à 300 dimensions

Pour remplacer la phrase par une liste de probabilités de lettres indépendantes

Explication

Le décodage utilise le vecteur qui encode la phrase afin de produire le type de résultat correspondant à la tâche, par exemple une traduction ou une classification. L’espace de 300 dimensions concerne la représentation des mots, et non le décodage du vecteur de pensée.

QCM : Introduction à l’intelligence artificielle (11 questions)

Questions et réponses du QCM

1. Quelle définition décrit un algorithme ?

2. Un système traite des demandes dans un cadre précisément défini avec une tâche spécifique ; un autre devrait combiner plusieurs processus cognitifs pour faire face à des problèmes non spécifiés dans un environnement partiellement indéterminé. Comment les classer ?

3. En quelle année la conférence de Dartmouth marque-t-elle la première utilisation de la terminologie « IA » ?

4. Entre 1974 et 1980, les financements de l’IA prennent fin rapidement face à la complexité algorithmique, à une puissance de calcul limitée et à un manque de données. Comment cette période est-elle qualifiée ?

5. Que désigne l’explosion combinatoire dans la résolution d’un problème comme le carré magique ?

6. Dans le générateur de mots v2, quelle probabilité d’apparition est attribuée à la lettre E ?

7. Dans une régression linéaire, quel est le rôle de la droite représentée par $y=ax+b$ lorsqu’on étudie le lien entre le nombre de fenêtres et le nombre d’habitants ?

8. En quelle année un réseau de neurones à apprentissage profond apprend-il à reconnaître un chat ?

9. Quelle distinction décrit le mieux l’apprentissage et la prédiction dans le traitement automatique de la langue avec un LLM ?

10. Dans l’apprentissage des représentations de mots, quelle géométrie permet de représenter la proximité de sens entre deux mots ?

11. Pourquoi un vecteur de pensée est-il décodé en fonction de la tâche demandée ?

Révisez avec les flashcards

Approfondir avec la fiche

Cours similaires

Framework .NET et bases du C#

Modules prédéfinis en informatique

Algorithmique basique en Python

Codage de l’information et informatique

Graphes et programmation dynamique

Python et représentation des données

Crée tes propres QCM

QCM : Introduction à l’intelligence artificielle (11 questions)

Questions et réponses du QCM

1. Quelle définition décrit un algorithme ?

2. Un système traite des demandes dans un cadre précisément défini avec une tâche spécifique ; un autre devrait combiner plusieurs processus cognitifs pour faire face à des problèmes non spécifiés dans un environnement partiellement indéterminé. Comment les classer ?

3. En quelle année la conférence de Dartmouth marque-t-elle la première utilisation de la terminologie « IA » ?

4. Entre 1974 et 1980, les financements de l’IA prennent fin rapidement face à la complexité algorithmique, à une puissance de calcul limitée et à un manque de données. Comment cette période est-elle qualifiée ?

5. Que désigne l’explosion combinatoire dans la résolution d’un problème comme le carré magique ?

6. Dans le générateur de mots v2, quelle probabilité d’apparition est attribuée à la lettre E ?

7. Dans une régression linéaire, quel est le rôle de la droite représentée par y=ax+by=ax+by=ax+b lorsqu’on étudie le lien entre le nombre de fenêtres et le nombre d’habitants ?

8. En quelle année un réseau de neurones à apprentissage profond apprend-il à reconnaître un chat ?

9. Quelle distinction décrit le mieux l’apprentissage et la prédiction dans le traitement automatique de la langue avec un LLM ?

10. Dans l’apprentissage des représentations de mots, quelle géométrie permet de représenter la proximité de sens entre deux mots ?

11. Pourquoi un vecteur de pensée est-il décodé en fonction de la tâche demandée ?

Révisez avec les flashcards

Approfondir avec la fiche

Cours similaires

Framework .NET et bases du C#

Modules prédéfinis en informatique

Algorithmique basique en Python

Codage de l’information et informatique

Graphes et programmation dynamique

Python et représentation des données

Crée tes propres QCM

7. Dans une régression linéaire, quel est le rôle de la droite représentée par $y=ax+b$ lorsqu’on étudie le lien entre le nombre de fenêtres et le nombre d’habitants ?