Hjernen og kunstig intelligens

1. Hvad henviser den tekniske betegnelse "deep learning" til?

   1. Et pædagogisk princip til at lære at huske lange talrækker eller tekster udenad.

   2. En metodik inden for området kunstig intelligens.

   3. Den måde, hvormed hjernen lagrer information i langtidshukommelsen.

2. Når hjernen løser en specifik opgave – fx løser en matematikopgave - hvad sker der så mere konkret i hjernen?

   1. Så aktiveres samtlige nerveceller (neuroner) i hjernen, idet det er den kombinerede ”regnekraft” af de omkring 100 milliarder neuroner, der gør komplicerede aktiviteter mulig.

   2. Så aktiveres en gruppe neuroner, der ikke i forvejen er beskæftiget med andre opgaver.

   3. Så aktiveres en gruppe internt forbundne neuroner i en specifik del af hjernen.

3. Når man siger, at et neuron bliver aktivt, så viser det mere elektrisk aktivitet end andre neuroner i hjernen. Hvad styres denne elektriske aktivering af?

   1. En elektrisk impuls, der udsendes fra hjernestrukturen hypotalamus.

   2. Den induceres af magnetfelter, der opstår i hjernen som reaktion på sanseindtryk.

   3. Mængden af bestemte kemiske stoffer, der frigives mellem neuronerne.

4. Hvordan kan man simulere en neurons virkemåde indenfor kunstig intelligens?

   1. Ved hjælp af en matematisk funktion, der består af en lineær kombination af alle input til neuronet.

   2. Ved hjælp af kunstige celler, der dyrkes i petriskåle og støbes ind i mikrochips.

   3. Det er kun muligt ved hjælp af en supercomputer.

5. Hvad består et såkaldt kunstigt neuralt netværk af?

   1. Af mindst 10 computere, der arbejder parallelt.

   2. En kombination af et antal kunstige neuroner i forskellige lag, der er internt forbundet med hinanden gennem vægtede forbindelser.

   3. Et netværk af kunstige neuroner, der i antal nærmer sig antallet af neuroner i hjernen (dvs. 100 milliarder).

6. Hvordan træner man et kunstigt, neuralt netværk til fx at kunne genkende bestemte objekter i billeder?

   1. Man konstruerer et repræsentativt billede af denne type objekter og lader netværkets algoritme analysere dette. Derved lærer det at genkende lignende billeder.

   2. Man præsenterer det for store mængder tilfældige billeder, som læringsalgoritmen sammenligner med et billede af den type objekter, man gerne vil genkende.

   3. Man præsenterer det igen og igen for store mængder billeder af disse objekter, hvorved en læringsalgoritme med tiden finder de rette vægte mellem netværkets neuroner.

7. Hvad vil det sige, at et neuralt netværk er ”dybt”?

   1. At det indeholder mindst 100 kunstige neuroner.

   2. At det er i stand til at løse meget komplekse opgaver.

   3. At det indeholder mindst tre lag.