Quiz: Introduction à l'intelligence artificielle — 12 Fragen

1. En quoi l'intelligence artificielle diffère-t-elle des applications spécifiques comme la traduction automatique ou la cybersécurité ?

A. L’intelligence artificielle ne traite pas de données, contrairement à la traduction automatique et à la cybersécurité qui analysent uniquement les données textuelles.

B. L’intelligence artificielle est une capacité générale d’un système à percevoir, traiter et décider avec autonomie, tandis que la traduction automatique ou la cybersécurité sont des domaines d’application spécifiques de cette capacité.

C. La cybersécurité et la traduction automatique sont des systèmes entièrement autonomes sans intervention humaine, ce qui n’est pas le cas de l’intelligence artificielle.

D. La traduction automatique et la cybersécurité fonctionnent sans algorithmes, contrairement à l’intelligence artificielle qui repose sur eux.

Answer: (B)

Erklärung

La définition générale de l’IA souligne sa capacité autonome à percevoir, traiter et décider, tandis que la traduction automatique et la cybersécurité sont des exemples concrets d’applications utilisant cette capacité, comme indiqué dans le passage. À revoir : Définitions, concepts fondamentaux et applications courantes de l’intelligence artificielle. Appui du cours : « - Intelligence Artificielle : Capacité d’un système informatique à percevoir son environnement, traiter et interpréter des données, prendre des décisions et accomplir des objectifs spécifiques avec un certain niveau d’autonomie, en s’appuyant sur des… »

2. En quoi la machine d’Anticythère diffère-t-elle de la machine de Turing ?

A. La machine d’Anticythère est un mécanisme mécanique antique pour calculer les positions astronomiques, tandis que la machine de Turing est un modèle théorique d’ordinateur capable d’exécuter des algorithmes.

B. La machine d’Anticythère est un automate anthropomorphe, alors que la machine de Turing est une horloge à éléphant.

C. La machine d’Anticythère est conçue pour exécuter des algorithmes, tandis que la machine de Turing calcule les positions astronomiques.

D. La machine d’Anticythère est un modèle théorique d’ordinateur, alors que la machine de Turing est un automate mécanique antique.

Answer: (A)

Erklärung

La machine d’Anticythère est un mécanisme mécanique antique grec pour calculer les positions astronomiques, un des premiers automates connus. La machine de Turing, inventée en 1936, est un modèle théorique d’ordinateur capable d’exécuter des algorithmes, ce qui montre leur différence fondamentale en fonction et époque. À revoir : Origines historiques, premières machines automates et test de Turing. Appui du cours : « - **Machine d’Anticythère** : Un mécanisme mécanique antique grec conçu pour calculer les positions astronomiques, considéré comme l’un des premiers automates connus. - **Machine de Turing** : Un modèle théorique d’ordinateur inventé en 1936, capable… »

3. Qu'est-ce que le perceptron dans le contexte des premières approches de l'intelligence artificielle ?

A. Un système d'intelligence artificielle basé sur la manipulation de symboles et règles explicites

B. Un modèle de neurone artificiel simple introduit en 1958, utilisant un algorithme basé sur des couches de neurones mais incapable de résoudre des problèmes non-linéaires

C. Un chatbot développé en 1966 imitant un psychologue

D. Un programme symbolique capable de prouver des théorèmes mathématiques simples

Answer: (B)

Erklärung

Le perceptron est défini comme un modèle de neurone artificiel simple introduit en 1958, utilisant un algorithme basé sur des couches de neurones, mais incapable de résoudre des problèmes non-linéaires comme le XOR, contrairement aux autres options qui décrivent d'autres systèmes ou concepts. À revoir : Approches symbolique et connexionniste de l’intelligence artificielle et leurs limites initiales (1950-1974). Appui du cours : « Perceptron : Modèle de neurone artificiel simple introduit en 1958, utilisant un algorithme basé sur des couches de neurones, mais incapable de résoudre des problèmes non-linéaires comme le XOR, ce qui a freiné les recherches en réseaux neuronaux. »

4. Pour relancer un projet d'intelligence artificielle durant le premier hiver de l’IA, quelle stratégie aurait été la plus adaptée pour surmonter la stagnation ?

A. Augmenter les attentes pour stimuler l'innovation malgré les contraintes techniques

B. Réduire encore plus le financement pour se concentrer sur des projets plus petits

C. Ignorer les limitations matérielles et se focaliser uniquement sur le développement logiciel

D. Améliorer les algorithmes et augmenter la puissance de calcul pour résoudre des problèmes complexes

Answer: (D)

Erklärung

La stagnation du premier hiver de l’IA était causée par des limitations algorithmiques, une puissance de calcul insuffisante et une réduction du financement. Améliorer les algorithmes et la puissance de calcul aurait permis de mieux résoudre les problèmes complexes et potentiellement relancer les avancées. À revoir : Période de stagnation et désillusion de l’IA (premier hiver, 1974-1980). Appui du cours : « Le premier hiver de l’IA est une période de stagnation due à des attentes irréalistes non satisfaites par les technologies disponibles. Les systèmes d’IA étaient coûteux à développer et incapables de résoudre des problèmes complexes à cause de limitations… »

5. Quand s'est déroulé le renouveau de l'intelligence artificielle marqué par le développement des systèmes experts ?

A. De 1960 à 1967

B. De 1990 à 1997

C. De 1980 à 1987

D. De 1970 à 1977

Answer: (C)

Erklärung

La période 1980 à 1987 est explicitement mentionnée comme celle du renouveau de l’IA avec les systèmes experts, ce qui correspond à la bonne réponse. Les autres périodes ne sont pas indiquées dans le texte. À revoir : Renouveau avec les systèmes experts et second hiver de l’IA (1980-1993). Appui du cours : « 1980 – 1987 : Renouveau de l’IA avec les Systèmes Experts • Un système expert est un programme qui répond à des questions ou résout des problèmes dans un domaine de connaissance donné, à l'aide de règles logiques dérivées de la connaissance des experts… »

6. En quelle année l'algorithme de rétropropagation du gradient a-t-il été introduit ?

A. 1986

B. 1995

C. 1972

D. 2001

Answer: (A)

Erklärung

Le texte indique clairement que l'algorithme de rétropropagation du gradient a été introduit en 1986, ce qui a permis d'entraîner efficacement les réseaux neuronaux multicouches. À revoir : Renaissance de l’IA connexionniste avec la rétropropagation et réseaux neuronaux profonds. Appui du cours : « Rétropropagation du gradient : Algorithme introduit en 1986 permettant d’entraîner efficacement les réseaux neuronaux multicouches en ajustant les poids pour minimiser l’erreur. »

7. Quel est le rôle principal de la loi de Moore dans le contexte de l'évolution de la puissance de calcul ?

A. Décrire le doublement périodique du nombre de transistors sur une puce, augmentant la puissance de calcul

B. Expliquer la création des réseaux neuronaux profonds pour le Deep Learning

C. Préciser les performances des supercalculateurs exascale en opérations par seconde

D. Définir la quantité de données nécessaires pour entraîner des modèles d'intelligence artificielle

Answer: (A)

Erklärung

La loi de Moore décrit précisément le doublement du nombre de transistors sur une puce tous les 18 à 24 mois, ce qui augmente la puissance de calcul. Les autres options concernent d'autres notions comme le Deep Learning, le Big Data ou les supercalculateurs, qui ne sont pas le rôle de la loi de Moore. À revoir : Avancées majeures des années 1990-2010 : Big Data, Deep Learning et puissance de calcul. Appui du cours : « Loi de Moore : Observation formulée en 1965 indiquant que le nombre de transistors sur une puce de microprocesseur double tous les 18 à 24 mois, augmentant ainsi la puissance de calcul et nécessitant à partir de 2000 l'usage du traitement parallèle avec des… »

8. En quoi les réseaux antagonistes génératifs (GAN) diffèrent-ils des Transformers dans leur fonctionnement ?

A. Les GAN utilisent un mécanisme d’attention pour traiter des séquences, alors que les Transformers opposent deux réseaux pour générer des données.

B. Les GAN opposent deux réseaux pour générer des données réalistes, tandis que les Transformers utilisent un mécanisme d’attention pour traiter des séquences.

C. Les GAN sont une architecture de réseaux de neurones pour le traitement du langage naturel, tandis que les Transformers créent des Deepfakes.

D. Les GAN et les Transformers sont identiques car tous deux utilisent un générateur et un discriminateur en opposition.

Answer: (B)

Erklärung

Les GAN fonctionnent en opposant un générateur et un discriminateur pour créer des données artificielles réalistes, alors que les Transformers utilisent un mécanisme d’attention pour traiter efficacement les séquences, notamment en NLP. À revoir : Émergence des IA génératives, réseaux antagonistes génératifs (GAN) et Transformers. Appui du cours : « - Réseaux antagonistes génératifs (GAN) : Modèles introduits en 2014 où deux réseaux, un générateur et un discriminateur, s'opposent pour créer des données artificielles réalistes, comme dans les Deepfakes. - Transformers : Architecture de réseaux de… »

9. Quelle est la conséquence principale de l'établissement d'un cadre juridique clair pour le développement et l'usage de l'intelligence artificielle en Europe ?

A. Augmenter la puissance de calcul des unités de traitement

B. Réduire l'innovation dans le domaine de l'intelligence artificielle

C. Protéger les citoyens contre les risques liés aux IA non contrôlées

D. Supprimer toutes les réglementations pour les IA à risque minimal

Answer: (C)

Erklärung

Le cadre juridique vise à protéger les citoyens contre les risques liés aux IA non contrôlées, tout en encourageant une innovation responsable, ce qui est explicitement mentionné comme l'objectif principal. À revoir : Cadre réglementaire européen pour une IA éthique et responsable (IA Act 2024). Appui du cours : « Objectif : Un cadre juridique clair pour encadrer le développement et l'usage de l'intelligence artificielle en Europe, visant à protéger les citoyens contre les risques liés aux IA non contrôlées tout en encourageant une innovation responsable. »

10. En quoi l'apprentissage supervisé diffère-t-il de l'apprentissage non supervisé et de l'apprentissage par renforcement ?

A. L'apprentissage supervisé ne nécessite pas de données et fonctionne uniquement avec des règles explicites.

B. L'apprentissage supervisé utilise des données étiquetées pour prédire des résultats, contrairement aux autres qui n'utilisent pas d'étiquettes.

C. L'apprentissage supervisé explore la structure des données sans étiquettes, ce que les autres ne font pas.

D. L'apprentissage supervisé implique un agent qui agit dans un environnement pour maximiser une récompense, contrairement aux autres.

Answer: (B)

Erklärung

Selon la source, l'apprentissage supervisé utilise des données étiquetées pour prédire des résultats, ce qui le distingue de l'apprentissage non supervisé qui n'utilise pas d'étiquettes et de l'apprentissage par renforcement qui implique un agent agissant dans un environnement pour maximiser une récompense. À revoir : Fonctionnements de base et principes de l’apprentissage automatique et profond. Appui du cours : « - L’apprentissage supervisé utilise des données étiquetées pour prédire des résultats, avec des tâches de classification ou de régression. - L’apprentissage non supervisé explore la structure des données sans étiquettes, par exemple via le regroupement… »

11. En quoi diffèrent principalement ChatGPT et DALL·E dans leurs capacités de génération de contenu ?

A. ChatGPT utilise des modèles statistiques et DALL·E n'en utilise pas

B. ChatGPT organise des tâches alors que DALL·E répond aux questions

C. ChatGPT crée des images tandis que DALL·E génère du texte contextuel

D. ChatGPT génère du texte cohérent tandis que DALL·E crée des images à partir de descriptions textuelles

Answer: (D)

Erklärung

Le texte précise que ChatGPT génère du texte cohérent et contextuel, alors que DALL·E crée des images à partir de descriptions textuelles, ce qui constitue leur différence principale. À revoir : Applications modernes des IA génératives : ChatGPT, DALL·E, et autres assistants IA. Appui du cours : « - ChatGPT, basé sur les modèles GPT, génère du texte cohérent et contextuel, évoluant de GPT-2 à GPT-4 avec une augmentation significative du nombre de paramètres. - DALL·E crée des images à partir de descriptions textuelles, illustrant la capacité des IA… »

12. Que désigne l'expression « usage responsable de l’intelligence artificielle » ?

A. La programmation d'algorithmes d'IA sans intervention humaine pour automatiser des tâches répétitives

B. La création de systèmes d'IA capables de fonctionner sans aucune supervision humaine

C. Une pratique respectant les normes éthiques, protégeant les droits fondamentaux et appliquant une régulation adaptée pour maîtriser les risques et maximiser les bénéfices

D. L'utilisation de l'IA uniquement dans des secteurs industriels pour optimiser la production

Answer: (C)

Erklärung

L'usage responsable de l'IA est défini comme une pratique qui respecte les normes éthiques, protège les droits fondamentaux et applique une régulation adaptée pour maîtriser les risques liés à l'IA et maximiser ses bénéfices, comme indiqué dans la source. À revoir : Défis, limites et enjeux éthiques de l’intelligence artificielle contemporaine. Appui du cours : « Usage responsable de l’IA : Pratique qui consiste à respecter les normes éthiques, protéger les droits fondamentaux et appliquer une régulation adaptée pour maîtriser les risques liés à l’intelligence artificielle et maximiser ses bénéfices. »