Тест: Introduction aux fondamentaux de l'Intelligence Artificielle — 12 въпроса

1. Quelle cause a principalement permis la renaissance récente du Deep Learning et quels en ont été les effets immédiats ?

A. L'augmentation du volume de données, qui a permis d'entraîner des modèles plus complexes.

B. L'amélioration de la puissance de calcul grâce aux GPU et TPU, permettant d'entraîner des réseaux profonds plus efficacement.

C. Les avancées en algorithmes d'apprentissage, qui ont amélioré la convergence des réseaux de neurones.

D. La réduction du coût du stockage, facilitant la gestion de grandes quantités de données.

Answer: (B)

Обяснение

L'augmentation de la puissance de calcul grâce aux GPU et TPU a été une cause déterminante qui a permis d'entraîner efficacement des réseaux de neurones très profonds, conduisant à une amélioration significative des performances dans le Deep Learning. Les autres facteurs, comme le volume de données ou les avancées algorithmiques, ont aussi contribué, mais la cause principale de la renaissance récente est l'amélioration du matériel de calcul.

2. Qu'est-ce que le Machine Learning (ML) dans le contexte de l'Intelligence Artificielle ?

A. Une branche de l'IA qui se concentre uniquement sur la programmation manuelle de règles pour chaque problème.

B. Une technique où l'ordinateur exécute des instructions fixes sans capacité d'apprentissage.

C. Une méthode statique où les systèmes sont programmés pour effectuer des tâches précises sans adaptation.

D. Une branche de l'IA qui permet à un système d'apprendre automatiquement à partir d'expériences (données) sans programmation explicite pour chaque tâche.

Answer: (D)

Обяснение

Le Machine Learning est défini comme une branche de l'Intelligence Artificielle permettant à un système d'apprendre automatiquement à partir de données (expériences) sans programmation explicite pour chaque tâche, en identifiant des patterns dans les données et en construisant un modèle pour généraliser.

3. Quelle est la propriété principale qui caractérise un réseau de neurones récurrent (RNN) dans le traitement des données séquentielles ?

A. Ils réduisent la dimension des données en utilisant une mise en commun.

B. Ils conservent une mémoire de l'information précédente grâce à des connexions récurrentes.

C. Ils utilisent des filtres convolutifs pour extraire des motifs locaux.

D. Ils sont principalement conçus pour traiter des images statiques.

Answer: (B)

Обяснение

Les RNN se distinguent par leur capacité à traiter des données séquentielles en conservant un état interne qui mémorise l'information des étapes précédentes grâce à des connexions récurrentes. Cela leur permet de modéliser des dépendances dans le temps ou la séquence, ce qui n'est pas le cas des autres architectures comme les CNN ou les réseaux feedforward classiques.

4. En quoi la régression linéaire diffère-t-elle principalement des arbres de décision dans les algorithmes classiques ?

A. La régression linéaire modélise uniquement des relations linéaires, tandis que les arbres peuvent modéliser des relations non linéaires.

B. Les arbres sont plus simples à interpréter que la régression linéaire.

C. La régression linéaire nécessite plus de données que les arbres pour fonctionner efficacement.

D. Les arbres de décision ne peuvent pas être utilisés pour des tâches de classification, contrairement à la régression linéaire.

Answer: (A)

Обяснение

La régression linéaire est un modèle simple qui ne peut modéliser que des relations linéaires entre variables, alors que les arbres de décision peuvent capturer des relations non linéaires et des interactions complexes, ce qui représente une différence principale entre ces algorithmes classiques.

5. Qui a formulé ou proposé pour la première fois l'architecture des réseaux de neurones convolutifs ?

A. Geoffrey Hinton

B. Yann LeCun

C. Yoshua Bengio

D. Andrew Ng

Answer: (B)

Обяснение

Yann LeCun est généralement crédité d'avoir formulé et développé l'architecture des réseaux de neurones convolutifs, notamment avec la création de LeNet-5 en 1998, qui a été une étape clé dans l'utilisation des CNN pour la reconnaissance d'images.

6. Quand l'architecture Transformer a-t-elle été introduite dans la littérature scientifique ?

A. 2019

B. 2017

C. 2014

D. 2012

Answer: (B)

Обяснение

L'architecture Transformer a été introduite en 2017 par Vaswani et al. dans leur article 'Attention Is All You Need', marquant une étape majeure dans l'évolution des architectures avancées en Deep Learning.

7. Qu'est-ce qu'un framework de Deep Learning comme TensorFlow ou PyTorch ?

A. Un matériel dédié à l'entraînement de réseaux de neurones

B. Un langage de programmation spécialisé dans l'intelligence artificielle

C. Un environnement logiciel facilitant la conception, l'entraînement et le déploiement de modèles de machine learning et deep learning

D. Une bibliothèque qui permet uniquement de visualiser des données

Answer: (C)

Обяснение

Un framework de Deep Learning comme TensorFlow ou PyTorch est un environnement logiciel qui fournit des outils, des API, et des abstractions pour concevoir, entraîner et déployer des modèles de machine learning et Deep Learning efficacement.

8. Quel est le rôle principal de l'apprentissage supervisé en machine learning ?

A. Réduire la dimension des données pour une meilleure visualisation

B. Découvrir des structures cachées dans des données non étiquetées

C. Apprendre à un agent à maximiser une récompense dans un environnement

D. Prédire une sortie ou une catégorie à partir d'exemples étiquetés

Answer: (D)

Обяснение

L'apprentissage supervisé vise à entraîner un modèle pour qu'il puisse prédire une sortie ou une catégorie à partir d'exemples d'entraînement étiquetés, ce qui est sa fonction principale.

9. Quel est le rôle principal de la gestion responsable des défis de l'IA pour l'avenir ?

A. Assurer la sécurité et l'éthique dans le développement de l'IA

B. Maximiser la vitesse de déploiement des systèmes d'IA

C. Réduire les coûts de développement des nouvelles technologies

D. Augmenter la complexité des algorithmes d'apprentissage automatique

Answer: (A)

Обяснение

Le rôle de la gestion responsable des défis de l'IA est de garantir que ses applications soient sûres, éthiques et bénéfiques pour la société, en limitant les risques et abus potentiels.

10. Comment peut-on utiliser un réseau de neurones convolutifs (CNN) pour améliorer la reconnaissance d'images dans une application industrielle ?

A. En utilisant un CNN pré-entraîné sur un grand jeu de données comme ImageNet, puis en le fine-tunant sur ses propres images

B. En évitant toute étape d'apprentissage et en utilisant un CNN tel quel, sans adaptation aux nouvelles images

C. En remplaçant le CNN par un simple classificateur linéaire, pour accélérer le traitement

D. En entraînant un CNN à partir de zéro sur toutes les images disponibles pour chaque nouvelle tâche

Answer: (A)

Обяснение

L'utilisation efficace d'un CNN dans la reconnaissance d'images consiste souvent à utiliser un modèle pré-entraîné sur un grand jeu de données comme ImageNet, puis à le fine-tuner sur ses propres images pour l'adapter à la tâche spécifique. Cela permet de bénéficier de caractéristiques déjà apprises, ce qui accélère l'apprentissage et améliore la précision, plutôt que d'entraîner un modèle à partir de zéro ou d'utiliser un modèle non adapté.

11. Comment utiliser un modèle de machine learning pour améliorer la détection de fraudes dans une entreprise ?

A. En utilisant un algorithme de ML pour générer aléatoirement des transactions et voir lesquelles sont rejetées.

B. En écrivant un programme fixe qui liste toutes les règles possibles pour détecter une fraude, puis en vérifiant chaque transaction selon ces règles.

C. En supprimant toutes les anciennes données et en ne conservant que les nouvelles transactions pour entraîner un modèle de ML.

D. En entraînant un modèle de ML sur un jeu de données représentatif de transactions frauduleuses et non frauduleuses, puis en déployant ce modèle pour classer de nouvelles transactions.

Answer: (D)

Обяснение

La bonne démarche consiste à entraîner un modèle de machine learning sur un jeu de données représentatif pour qu'il puisse apprendre à distinguer les transactions frauduleuses des légitimes, puis à utiliser ce modèle pour classer de nouvelles transactions. Les autres options sont incorrectes : créer un programme fixe ne tire pas parti de l'apprentissage ; générer aléatoirement des transactions n'est pas une méthode appliquée ; supprimer les anciennes données empêche l'apprentissage basé sur l'historique.

12. Quel est le titre de l'article publié en 2017 qui a introduit l'architecture Transformer, révolutionnant le traitement du langage naturel ?

A. Neural Networks and Attention

B. Sequence to Sequence Models

C. Deep Learning Revolution

D. Attention Is All You Need

Answer: (D)

Обяснение

L'article 'Attention Is All You Need', publié en 2017 par Vaswani et al., a introduit l'architecture Transformer, qui a profondément changé le traitement du langage naturel. Les autres options sont fictives ou incorrectes dans ce contexte.