5 kviz pitanja, odgovora i objašnjenja koja otkrivaju koliko razumete veštačku inteligenciju nove generacije

Napomena: Kviz pitanja su generisana na osnovu prvog poglavlja iz knjige "Izgradnja agentnih sistema veštačke inteligencije".

Kviz: Osnove generativne veštačke inteligencije

Proverite svoje razumevanje osnovnih pojmova generativne veštačke inteligencije!

Pitanje 1:

Koja je osnovna razlika između generativnih i diskriminacionih modela?
A) Generativni modeli razlikuju klase podataka.
B) Diskriminacioni modeli generišu nove uzorke.
C) Generativni modeli uče raspodelu podataka i generišu nove primere.

Pitanje 2:

Koji model koristi dve neuronske mreže – generator i diskriminator – koje se međusobno takmiče?
A) Autoregresivni model
B) Varijacioni autokoder
C) Generativna suparnička mreža

Pitanje 3:

Koji model koristi poziciono kodiranje i mehanizam samopažnje?
A) GAN (Generative Adversarial Network)
B) Transformator
C) VAE (Variational Autoencoder)

Pitanje 4:

Koji je glavni izazov u obuci generativnih modela?
A) Nedostatak kreativnosti kod ljudi
B) Nedostatak tehničke dokumentacije
C) Visoki troškovi računarskih resursa

Pitanje 5:

Koja je funkcija beta-varijacionog autokodera u odnosu na obični VAE?
A) Potpuno ignoriše latentni prostor
B) Ne koristi rekonstrukciju podataka
C) Omogućava bolje razdvajanje karakteristika podataka

Odgovori i objašnjenja

Pitanje 1 – Tačan odgovor: C
Generativni modeli uče raspodelu podataka i mogu da generišu nove uzorke slične onima na kojima su obučavani. Diskriminacioni modeli služe za klasifikaciju.
Zašto su A i B netačni: A se odnosi na diskriminacione modele, dok B zamenjuje njihove uloge.

Pitanje 2 – Tačan odgovor: C
Generativne suparničke mreže (GAN) funkcionišu kao dinamički odnos između generatora i diskriminatora, gde svaki pokušava da nadmudri drugog.
Zašto su A i B netačni: Autoregresivni modeli rade sekvencijalno, a VAE koristi kodiranje-dekodiranje bez suparništva.

Pitanje 3 – Tačan odgovor: B
Transformatori koriste napredne mehanizme pažnje, uključujući samopažnju i poziciono kodiranje, što ih čini pogodnim za obradu sekvencijalnih podataka.
Zašto su A i C netačni: GAN i VAE nemaju ovakve strukture i mehanizme.

Pitanje 4 – Tačan odgovor: C
Trening generativnih modela često zahteva izuzetne resurse – skupu opremu, mnogo vremena i visoke troškove električne energije.
Zašto su A i B netačni: Kreativnost ljudi nije tehnička prepreka, a tehnička dokumentacija je dostupna.

Pitanje 5 – Tačan odgovor: C
Beta-varijacioni autokoder omogućava bolje razdvajanje i interpretaciju karakteristika podataka putem podešavanja odnosa između rekonstrukcije i latentnog prostora.
Zašto su A i B netačni: A pogrešno pretpostavlja da se latentni prostor zanemaruje, dok B pogrešno tvrdi da se ne vrši rekonstrukcija.