Crowdly
Додати до Chrome
Questions Bank (1562233 total)
Pendekatan "thinking rationally" dalam AI berfokus pada:
Peniruan keputusan manusia dalam konteks ketidakpastian lingkungan.
0%
Menciptakan sistem yang mampu berpikir dan bertindak dalam skenario serupa manusia.
0%
Membangun agen yang hanya berfokus pada memaksimalkan output kinerja sistem.
0%
Penggunaan algoritma machine learning untuk mendeteksi pola tersembunyi dalam data.
0%
Pembuatan sistem yang bisa berpikir berdasarkan logika formal yang tidak terbantahkan.
0%
Переглянути це питання
Seorang agen AI diberi tugas untuk mewarnai peta Australia di mana tidak ada dua wilayah yang bersebelahan boleh memiliki warna yang sama. Warna yang tersedia adalah merah, hijau, dan biru. Bagaimana agen AI sebaiknya menyusun strateginya untuk menyelesaikan masalah ini?
Agen harus menggunakan pencarian acak untuk menemukan solusi yang valid.
0%
Agen harus menggunakan algoritma constraint satisfaction untuk mengurangi jumlah kombinasi warna yang mungkin dengan memeriksa tetangga terlebih dahulu.
0%
Agen harus mengevaluasi setiap kombinasi warna secara bersamaan dan memilih solusi terbaik.
0%
Agen harus menggunakan heuristik greedy untuk memilih warna berdasarkan tetangga yang paling sedikit warnanya.
0%
Agen harus mencoba semua kombinasi warna sampai menemukan yang tepat.
0%
Переглянути це питання
Dalam tugas mengemudi otomatis, agen AI mengetahui bahwa ada kemungkinan tinggi bahwa kendaraan di depannya akan berhenti tiba-tiba. Bagaimana agen AI harus merespons informasi ini?
Mengabaikan informasi ini karena belum ada konfirmasi visual yang cukup.
0%
Berhenti sepenuhnya untuk menghindari kecelakaan.
0%
Mengurangi kecepatan secara bertahap untuk mempersiapkan kondisi mendadak tersebut.
0%
Meminta masukan lebih lanjut dari pengguna sebelum membuat keputusan.
0%
Melanjutkan dengan kecepatan yang sama sampai sensor mengkonfirmasi bahwa kendaraan di depan benar-benar berhenti.
0%
Переглянути це питання
Dalam permainan Wumpus World, agen mendeteksi stench di ruang (3,3). Berdasarkan informasi ini, agen mencoba mengidentifikasi lokasi Wumpus. Bagaimana agen sebaiknya menganalisis situasi?
Wumpus ada di (4,4).
0%
Wumpus sudah mati.
0%
Wumpus mungkin ada di (2,3).
0%
Wumpus berada di (2,2).
0%
Wumpus berada di (3,2).
0%
Переглянути це питання
Dalam CSP dengan variabel tak terbatas, agen AI harus memastikan bahwa setiap variabel memiliki nilai yang konsisten dengan constraint yang ada. Bagaimana agen sebaiknya menangani variabel dengan domain yang sangat besar?
Menggunakan pencarian acak untuk menemukan nilai yang sesuai.
0%
Memeriksa setiap nilai dalam domain hingga menemukan yang sesuai.
0%
Menggunakan brute force untuk mencoba semua nilai yang mungkin.
0%
Menggunakan teknik propagasi batas untuk mengurangi jumlah pilihan dalam domain yang besar.
0%
Mengabaikan domain besar dan memilih nilai secara acak.
0%
Переглянути це питання
Jika agen AI di Wumpus World mendeteksi stench di (1,2) dan breeze di (2,1), agen menyimpulkan bahwa ada Wumpus di salah satu ruang tetangga. Apa yang harus dilakukan selanjutnya?
Memastikan ruang (1,3) aman sebelum bergerak.
0%
Kembali ke (1,1) untuk evaluasi lebih lanjut.
0%
Menunggu hingga Wumpus bergerak.
0%
Bergerak ke (2,3) untuk memeriksa situasi.
0%
Masuk ke (1,3) dan menembakkan panah.
0%
Переглянути це питання
Seorang agen AI yang menggunakan strategi pencarian berbasis biaya harus menemukan rute terpendek di sebuah peta. Bagaimana agen ini seharusnya mempertimbangkan faktor biaya dalam setiap langkahnya?
Mengabaikan biaya dan hanya fokus pada jarak terdekat.
0%
Menggunakan algoritma pencarian berbasis lebar tanpa memperhitungkan faktor biaya.
0%
Mengutamakan rute yang paling sering dilalui oleh agen sebelumnya.
0%
Menggunakan algoritma A* yang menggabungkan biaya langkah dan jarak menuju tujuan.
0%
Memilih rute yang hanya meminimalkan waktu tempuh tanpa memperhitungkan biaya.
0%
Переглянути це питання
Dalam sebuah simulasi optimasi portofolio investasi, agen AI menggunakan hill climbing untuk menemukan alokasi terbaik. Namun, agen sering kali terjebak pada solusi yang tidak optimal. Bagaimana agen ini bisa menghindari terjebak pada solusi suboptimal?
Menggunakan restart acak dan memulai dari titik awal yang berbeda.
0%
Mengabaikan langkah-langkah kecil dan fokus pada solusi besar.
0%
Meningkatkan sensitivitas terhadap perubahan kecil dalam alokasi.
0%
Menghentikan pencarian ketika agen menemukan solusi pertama.
0%
Menyimpan setiap langkah yang diambil dan menghindari langkah yang sama.
0%
Переглянути це питання
Sebuah agen AI di dunia perdagangan saham memiliki akses ke data pasar yang sangat fluktuatif. Jika agen harus membuat keputusan dalam kondisi ketidakpastian, bagaimana agen tersebut seharusnya bertindak?
Menggunakan algoritma pembelajaran yang menggabungkan semua informasi terbaru dan memprediksi hasil yang paling mungkin.
0%
Membeli saham berdasarkan tren masa lalu yang sama.
0%
Mengambil tindakan acak untuk memaksimalkan diversifikasi keputusan.
0%
Membeli atau menjual berdasarkan intuisi algoritmik yang telah diprogram.
0%
Mengabaikan fluktuasi pasar dan mengikuti strategi jangka panjang tetap.
0%
Переглянути це питання
Dalam penerapan algoritma genetic, sebuah agen AI bertugas mengoptimalkan konfigurasi jaringan komputer. Setelah beberapa generasi, agen mulai menunjukkan hasil yang serupa pada setiap iterasi. Apa yang harus dilakukan untuk meningkatkan keanekaragaman solusi?
Menambah populasi secara acak tanpa melakukan mutasi.
0%
Menghentikan pencarian dan menerima hasil yang ada.
0%
Membiarkan agen memilih solusi berdasarkan kemiripan dari generasi sebelumnya.
0%
Menggabungkan solusi yang sama menjadi satu untuk mempercepat proses.
0%
Meningkatkan tingkat mutasi untuk memperkenalkan variasi dalam generasi berikutnya.
0%
Переглянути це питання
Попередня
1
Більше сторінок
136736
136737
136738
136739
136740
Більше сторінок
156224
Наступна
Telegram
Instagram
TikTok
Question Bank
Умови використання
Зв'яжіться з нами
Додати до Chrome