Poniższe pytania są jedynie PRZYKŁADOWYMI pytaniami jakie mogą pojawić się na egzaminie. Choć nie ograniczają one materiału, to sugerują najistotniejsz jego części. Wszystki przykłady WYMAGAJĄ opisania. Przykład bez opisu nie będzie brany pod uwagę.

Solving problems by searching

1. Zdefiniuj problem, tzn. wymień i opisz te czynniki, które są niezbędne aby móc go opisać. Zdefiniuj, co nazywamy rozwiązaniem problemu. Omawiane pojęcia zilustruj na przyładzie.
2. Wyjaśnij co mamy na myśli, mówiąc, że przestrzeń w której poszukujemy rozwiązania dla zadanego problemu jest znana, deterministyczna, dyskretna i obserwowalna.
3. Co to jest drzewo poszukiwań? Opisz jego budowę.
4. Według jakich kryteriów możemy oceniać wydajność algorytmu? Opisz te kryteria.
5. Co to jest heurystyka? Opisz jeden algorytm, w którym jest ona wykorzystywana (wskaż, w którym miejscu).

Beyond classical search

1. Wskaż zadanie, w którym jest (nie jest) istotny sposób otrzymania rozwiązania. Opisz, jakim algorytmem i w jaki sposób można je rozwiązać.
2. Omów jeden z poznanych algorytmów, który swoje działanie opierają na lokalnym przeszukiwaniu przestrzeni stanów (a nie na systematycznym przechodzeniu przez stany).
3. Omów dowolną metodę gradientową. Zilustruj ją przykładem.
4. Czym są and-or drzewa? Co jest rozwiązaniem dla takiego drzewa? W jakich problemach tego typu struktura danych jest przydatna. Podaj przykład problemu, zbuduj dla niego drzewo i wskaż rozwiązania.
5. Wyjaśnij pojęcia online i offline search. Podaj przykłady problemów, które wiążą się z tymi pojęciami. Jakie problemy poże powodować konieczność wykorzystania algorytmów typu online search? Dlaczego nie wszystkie algorytmy przeszukiwania nadają się do zadań typu online?

Adversarial search

1. Podaj definicję gry i zilustruj ją odpowiednim przykładem.
2. Co to jest drzewo gry? Opisz je. Podaj odpowiedni przykład drzewa gry.
3. Czym jest rozwiązanie optymalne w grze? Czy istnieje coś takiego jak rozwiązanie optymalne gry?
4. Co jest wynikiem działania algorytmu mini-max? Czy rozwiązanie optymalne? Jeśli tak, to w jakim sensie? Jeśli nie, to co innego?
5. Wyjaśnij idee dziłania algorytmu mini-max a alfa-beta cięciami. Jak oceniasz skuteczność tego rozwiązania?
6. Jakie techniki można wykorzystać w celu przyspieszenia poszukiwania rozwiązania?

Constraint satisfaction problems

1. Wyjaśnij pojęcie problemu z ograniczeniami. Podaj odpowiedni przykład.
2. Co nazywamy propagacją ograniczeń?
3. Wyjaśnij pojęcie lokalnej zgodności (spójności) (ang. local consistency). Wyjaśnij, jak można ją wykorzystać do znalezienia rozwiązania?
4. Opisz w jaki sposób można przejść od problemu z ograniczeniami do problemu bez ograniczeń. Co to jest funkcja kary (penalty function)?

Rachunek zdań

1. Co to jest formuła atomowa? W jaki sposób tworzymy formuły złozone?
2. Sprawdź, czy zadana formuła jest tautologią.
3. Co to jest postać normalna rachunku zdań? Przekształć zadaną formułę, do postaci normalnej. W oparciu o podaną tablicę prawdy dla formuły, znajdź jej postać normalną.
4. Co to jest formuła Horna? Podaj jej interpretację.
5. Co to jest rezolucja rachunku zdań? Przeprowadź rezolucję dla zadanych formuł.

Rachunek kwantyfikatorów

1. Co można opisac za pomocą rachunku kwantyfikatorów a co nie daje się opisać za pomocą rachunku zdań. Czego nie można opisać za pomocą rachunku kwantyfikatorów.
2. Przekształć zadaną formułę rachunku predykatów do postaci klauzulowej.
3. Co to jest formuła Skolema? Na czym polega skolemizacja?
4. Co to jest unifikacja? Podaj odpwiedni przykład i go opisz.
5. Co to jest rezolucja rachunku zdań? Przeprowadź rezolucję dla zadanych formuł.

Prolog

1. Co odróżnia język Prolog od języków imperatywnych typu C?
2. Podaj przykład faktu i reguły.

Czym jest sztuczna inteligencja

1. Czym powinna charakteryzować się inteligencja?
2. Podaj definicję sztucznej inteligencji. Co uważasz w niej za najistotniejsze?
3. Co oznaczają pojęcia silnej i słabej sztucznej inteligencji?

Fuzzy logic

1. Podaj definicję zbioru rozmytego. Podaj przykład zbioru rozmytego.
2. Oblicz sumę dwóch zbiorów rozmytych i przedstaw ją na wykresie.
3. Oblicz wartość funkcji przynależności zadanych punktów do określnych zbiorów rozmytych.
4. Powołując się na konkretną regułę, wyjaśnij różnicę pomiędzy rozmytą a nierozmytą reguła wnioskowania.

Learning from examples

1. Co rozumiemy pod pojęciem uczenia? Podaj powody, dla których zdolność uczenia może być konieczna.
2. Przez naukę możemy poprawić jakość działania pewnych komponentów (podzespołów, mechanizmów) agenta - jakie to są komponenty?
3. Wymień rodzaje sprzężenia zwrotnego (feedback)?
4. Co nazywamy uczeniem nadzorowanym?
5. Co to jest drzewo decyzyjne? Opisz jego elementy? W jaki sposób można z niego korzystać?
6. Dla zadanego zbioru danych uczących omów sposób budowania drzewa decyzyjnego.