Która sytuacja najlepiej pokazuje wykorzystanie uczenia maszynowego?
Odpowiedź: Program uczy się z opisanych zdjęć liści, a potem rozpoznaje kategorię nowego zdjęcia.
W uczeniu maszynowym system analizuje przykładowe dane i tworzy reguły przydatne do przetwarzania nowych danych. Pozostałe przykłady wykonują z góry ustalone polecenia.
Sprawdź źródło wyjaśnienia ↗
Które działania mogą być zastosowaniami sztucznej inteligencji?
Odpowiedź: Rozpoznawanie wypowiadanych słów na podstawie wzorców dźwięku. • Tworzenie obrazu na podstawie tekstowego opisu użytkownika.
AI jest wykorzystywana między innymi do rozpoznawania mowy i generowania treści. Proste sortowanie lub stała reakcja przycisku mogą działać według zwykłego algorytmu bez uczenia maszynowego.
Sprawdź źródło wyjaśnienia ↗
Czym są dane treningowe podczas uczenia prostego modelu rozpoznającego owoce?
Odpowiedź: Są przykładami, na podstawie których model wykrywa zależności potrzebne do działania.
Dane treningowe to przykłady przekazane podczas uczenia. Model analizuje je, tworzy reguły i później używa poznanych zależności do pracy z nowymi danymi.
Sprawdź źródło wyjaśnienia ↗
Uczeń trenuje model rozróżniający jabłka i gruszki. Który zestaw jest przykładem danych z etykietami?
Odpowiedź: Zdjęcia owoców, z których każde poprawnie oznaczono jako jabłko albo gruszka.
Etykieta wskazuje poprawną kategorię przykładu. W klasyfikacji nadzorowanej model otrzymuje dane razem z przypisanymi klasami, z których ma nauczyć się rozróżnienia.
Sprawdź źródło wyjaśnienia ↗
Model kot–pies uczono prawie wyłącznie na jasnych zdjęciach zwierząt wykonanych z przodu. Które skutki są prawdopodobne?
Odpowiedź: Model może częściej mylić zwierzęta na ciemnych zdjęciach albo widziane z boku. • Skład danych treningowych może wpływać na to, dla jakich nowych zdjęć model działa lepiej.
Model uczy się na dostarczonych danych, dlatego mało zróżnicowane przykłady mogą ograniczyć jego działanie w innych warunkach. Sama liczba podobnych zdjęć nie usuwa tej luki.
Sprawdź źródło wyjaśnienia ↗
Po wytrenowaniu klasyfikatora dwóch rodzajów liści uczeń chce sprawdzić jego działanie. Która próba jest najbardziej miarodajna?
Odpowiedź: Użyć osobnych, poprawnie opisanych zdjęć obu rodzajów liści, których nie było w treningu.
Zbiór testowy służy do sprawdzania modelu na przykładach innych niż uczące. Dzięki temu można ocenić, czy model stosuje poznane zależności do nowych danych.
Sprawdź źródło wyjaśnienia ↗
Które treści może tworzyć generatywna sztuczna inteligencja?
Odpowiedź: Nowy tekst odpowiadający opisowi i wskazanej formie wypowiedzi. • Obraz wygenerowany na podstawie opisu sceny.
Generatywna AI tworzy nowe przykłady treści, między innymi teksty i obrazy, wykorzystując wzorce poznane z danych. Wynik może być użyteczny, ale nadal wymaga oceny człowieka.
Sprawdź źródło wyjaśnienia ↗
Który prompt daje narzędziu AI najjaśniejszą informację o oczekiwanym wyniku?
Odpowiedź: Ułóż pięć krótkich pytań dla klasy 4 o warstwach lasu; po każdym dodaj odpowiedź jednym zdaniem.
Precyzyjny prompt podaje temat, odbiorcę, zakres i oczekiwany format. Dzięki temu narzędzie ma więcej kontekstu, choć szczegółowe polecenie nadal nie gwarantuje prawdziwości odpowiedzi.
Sprawdź źródło wyjaśnienia ↗
Chatbot podał przekonująco brzmiącą datę ważnego wydarzenia, ale nie wskazał źródła. Co powinien zrobić uczeń?
Odpowiedź: Sprawdzić datę w niezależnym, wiarygodnym źródle przed użyciem jej w pracy.
Model może wytworzyć wiarygodnie brzmiącą, lecz błędną informację. Ważne twierdzenie należy potwierdzić w innym, wiarygodnym źródle, a nie oceniać po tonie wypowiedzi.
Sprawdź źródło wyjaśnienia ↗
Które działania chronią prywatność podczas korzystania z publicznego narzędzia AI?
Odpowiedź: Nie wpisywać danych osobowych, prywatnej korespondencji ani poufnych informacji. • Korzystać zgodnie z zasadami szkoły, regulaminem usługi i wskazówkami zaufanej osoby dorosłej.
Dane przekazane narzędziu mogą być przechowywane lub analizowane przez dostawcę, dlatego nie wolno ujawniać informacji osobowych i poufnych. Uczeń powinien stosować zatwierdzone zasady korzystania.
Sprawdź źródło wyjaśnienia ↗
Jaką rolę powinien zachować człowiek, gdy AI pomaga przygotować szkolny materiał?
Odpowiedź: Sprawdzić fakty, ocenić przydatność, poprawić wynik i odpowiadać za ostateczną pracę.
AI może wspierać uczenie, ale nie powinna zastępować rozumowania ani odpowiedzialności ucznia i nauczyciela. Człowiek ocenia wynik, weryfikuje fakty i stosuje zasady zadania.
Sprawdź źródło wyjaśnienia ↗
Model rozpoznaje ptaki na zdjęciach. Które obserwacje poprawnie opisują wpływ danych na jego wyniki?
Odpowiedź: Brak nocnych zdjęć może utrudnić rozpoznawanie ptaków sfotografowanych po zmroku. • Analiza pomyłek może wskazać kategorie lub warunki słabo reprezentowane w danych. • Uprzedzenia obecne w przykładach mogą zostać utrwalone w działaniu wyuczonego systemu.
Model uczy się z dostarczonych przykładów, więc ich różnorodność, poprawność i możliwe uprzedzenia mają znaczenie. Oglądanie błędów pomaga odkryć braki, których samo powielanie danych nie naprawi.
Sprawdź źródło wyjaśnienia ↗