Crowdly
Додати до Chrome
Questions Bank (1562233 total)
Sebuah agen AI menghadapi masalah "horizon effect" saat bermain catur. Bagaimana agen tersebut dapat mengatasi masalah ini?
Menghindari penggunaan alpha-beta pruning dan beralih ke pencarian acak.
0%
Menggunakan fungsi evaluasi yang lebih canggih untuk mengidentifikasi langkah yang berisiko.
0%
Menghentikan pencarian saat mencapai langkah yang terlihat aman.
0%
Memperpanjang kedalaman pencarian secara acak untuk menghindari langkah-langkah yang berbahaya.
0%
Menggunakan teknik singular extension untuk memperpanjang pencarian pada langkah-langkah penting.
0%
Переглянути це питання
Seorang agen AI sedang bermain poker, sebuah permainan dengan informasi yang tidak sempurna. Apa strategi terbaik untuk agen tersebut?
Menggunakan algoritma minimax untuk memaksimalkan nilai utilitas di setiap langkah.
❌
Selalu memilih langkah berdasarkan strategi tetap yang tidak berubah.
❌
Mengabaikan informasi yang tidak tersedia dan hanya bermain berdasarkan informasi yang terlihat.
❌
Menggunakan model probabilistik untuk memperkirakan langkah-langkah lawan berdasarkan kartu tersembunyi.
✅
Memperlakukan setiap lawan sebagai bagian dari lingkungan yang deterministik.
❌
Переглянути це питання
Apa yang menjadi pembeda antara agen yang bertindak rasional dengan agen yang berpikir secara rasional?
Agen yang berpikir rasional lebih canggih dibandingkan agen yang bertindak rasional.
0%
Tidak ada perbedaan signifikan antara kedua jenis agen tersebut.
0%
Agen yang berpikir rasional hanya berfokus pada perilaku manusia, sedangkan agen yang bertindak rasional berfokus pada output kognitif.
0%
Agen yang berpikir rasional melakukan semua perhitungan dalam waktu terbatas, sedangkan agen yang bertindak rasional tidak.
0%
Agen yang berpikir rasional menggunakan logika formal, sedangkan agen yang bertindak rasional berfokus pada tindakan optimal.
0%
Переглянути це питання
Dalam sebuah sistem penelusuran online, sebuah agen harus memilih strategi pencarian yang paling efisien dalam lingkungan yang tidak sepenuhnya diamati. Bagaimana agen ini harus bertindak dalam situasi dengan observasi terbatas?
Menggunakan pencarian berbasis heuristik yang mengabaikan informasi yang tidak teramati.
0%
Melakukan pencarian acak hingga menemukan solusi.
0%
Memperbaiki observasi terlebih dahulu sebelum melakukan pencarian lebih lanjut.
0%
Menggunakan conditional plan yang mempertimbangkan semua kemungkinan observasi.
0%
Menghentikan pencarian ketika tidak ada informasi yang cukup.
0%
Переглянути це питання
Dalam sebuah permainan catur, MAX ingin memilih langkah yang paling optimal berdasarkan algoritma minimax. Bagaimana cara MAX memilih langkah yang tepat?
Memilih langkah yang paling sedikit melibatkan interaksi dengan lawan.
0%
Memilih langkah yang paling cepat untuk mencapai kondisi terminal.
0%
Memilih langkah yang memaksimalkan keuntungan jangka pendek.
0%
Memilih langkah yang menghasilkan minimax value tertinggi, mengingat MIN akan mencoba meminimalkan nilai tersebut.
0%
Memilih langkah yang secara acak mengarah ke hasil maksimal.
0%
Переглянути це питання
Dalam masalah pengisian warna peta, bagaimana cara agen AI memastikan bahwa setiap wilayah memiliki warna yang berbeda dari tetangga terdekatnya?
Membiarkan tetangga memiliki warna yang sama dan memeriksa hasil di akhir.
❌
Menggunakan arc consistency untuk menghapus warna yang tidak mungkin dari setiap wilayah.
✅
Menggunakan pencarian acak untuk menemukan solusi yang valid.
❌
Mengisi warna berdasarkan urutan wilayah tanpa memeriksa constraint.
❌
Menggunakan algoritma brute force untuk mencoba setiap kombinasi warna.
❌
Переглянути це питання
Seorang agen robotik sedang mengeksplorasi lingkungan yang sangat besar menggunakan simulated annealing. Mengapa simulated annealing lebih cocok daripada hill climbing untuk masalah ini?
Simulated annealing memprioritaskan pencarian solusi di area yang lebih dekat dengan tujuan.
❌
Hill climbing tidak memanfaatkan heuristik yang tersedia.
❌
Hill climbing tidak cocok untuk lingkungan dengan banyak solusi suboptimal.
❌
Simulated annealing lebih cepat karena mengabaikan langkah yang buruk.
❌
Simulated annealing menggunakan pemanasan dan pendinginan untuk menyeimbangkan pencarian global dan lokal.
✅
Переглянути це питання
Agen AI menggunakan algoritma Monte Carlo Tree Search (MCTS) dalam permainan Go. Apa manfaat utama dari menggunakan MCTS dibandingkan algoritma alpha-beta?
MCTS dapat memeriksa lebih banyak kemungkinan hasil dalam waktu yang lebih singkat.
❌
MCTS bekerja lebih baik dalam permainan dengan evaluasi nilai yang sulit, seperti Go.
✅
MCTS mengabaikan cabang yang tidak relevan, memungkinkan pencarian lebih dalam.
❌
MCTS menggunakan algoritma yang lebih sederhana, membuatnya lebih mudah diimplementasikan.
❌
MCTS lebih cepat karena tidak memerlukan evaluasi heuristik di setiap simpul.
❌
Переглянути це питання
Agen AI sedang memecahkan masalah penjadwalan pekerja di mana setiap pekerja hanya dapat menangani satu tugas pada satu waktu. Bagaimana agen ini sebaiknya menangani constraint ini?
Mengabaikan constraint dan membiarkan pekerja menangani lebih dari satu tugas.
❌
Memilih tugas secara acak untuk setiap pekerja dan memeriksa hasil akhirnya.
❌
Menggunakan constraint disjunktif untuk memastikan tidak ada tugas yang tumpang tindih.
✅
Menggunakan forward checking untuk memeriksa konflik tugas setelah penugasan.
❌
Mengizinkan konflik dan menyelesaikannya di akhir.
❌
Переглянути це питання
Alpha-beta pruning memungkinkan agen AI untuk memangkas sebagian besar cabang dari game tree yang tidak relevan. Dalam situasi apa pruning ini menjadi paling efektif?
Saat permainan berada dalam posisi terminal.
❌
Saat agen hanya mempertimbangkan satu langkah ke depan.
❌
Ketika urutan langkah disusun secara optimal, mengurangi jumlah simpul yang perlu dievaluasi.
✅
Ketika hanya ada dua kemungkinan langkah pada setiap giliran.
❌
Ketika agen bermain dengan langkah acak.
❌
Переглянути це питання
Попередня
1
Більше сторінок
136739
136740
136741
136742
136743
Більше сторінок
156224
Наступна
Telegram
Instagram
TikTok
Question Bank
Умови використання
Зв'яжіться з нами
Додати до Chrome