Zorluk Dağılımı
Konular (12)
Yapay Zeka
Programlama
Yenilikçi Teknolojiler
Multimedya
Telif Hakkı
Siber Güvenlik
İletişim
Gelecek Projeksiyonu
E-posta
Veri Analizi
Arama Motorları
Veri Görselleştirme
Örnek Sorular
Aşağıdaki blok yapısı, bir yapay zeka eklentisi kullanılarak 'Görselden Çeviri' yapan bir uygulama için hazırlanmıştır. Programın akışında bir mantık hatası bulunmaktadır. Programın doğru çalışması için hangi değişiklik yapılmalıdır?
- adımda kamera yerine mikrofon kullanılmalıdır.
- adımda çeviri yerine ses yüksekliği ölçülmelidir.
- adımda kukla hareket ettirilmek yerine 'çeviri sonucunu söyle' bloğu kullanılmalıdır.
- adımdan önce mutlaka 'bulut değişkeni oluştur' bloğu eklenmelidir.
Mert, blok tabanlı ortamda nesne tanıma (Object Detection) eklentisini kullanarak bir 'Geri Dönüşüm Ayrıştırıcı' robot kol simülasyonu yapmaktadır. Sistemin nesneleri güvenilir bir şekilde ayırt edebilmesi için kullanılan güven eşiği (confidence threshold) değerinin etkisi aşağıdaki grafikte gösterilmiştir. Mert'in robotunun hatalı nesne alımını (yanlış pozitif) en aza indirmesi için güven eşiğini nasıl ayarlaması gerekir?
Güven eşiğini %10 civarına düşürmelidir ki her nesneyi hemen tanısın.
Güven eşiğini %90 ve üzerine çıkarmalıdır, böylece sadece çok emin olduğu nesneleri işleme alır.
Eşiği sürekli değiştirmelidir çünkü yapay zeka her zaman aynı sonucu vermez.
Güven eşiğini tamamen kaldırmalıdır; bu ayar sadece profesyonel sistemler içindir.
Bir okul projesinde öğrenciler, duygu tanıma (sentiment analysis) yapay zeka eklentisini kullanarak bir 'Moral Veren Robot' tasarlıyorlar. Robot, kullanıcının yazdığı mesajın duygu puanına göre farklı tepkiler verecektir. Aşağıdaki tabloda modelin duygu puanı aralıkları ve vermesi gereken tepkiler eşleştirilmiştir. Yazılımda bir hata oluş\muş ve robot 'Bugün çok yorgunum ama mutluyum' cümlesine 'Hata: Duygu Anlaşılamadı' cevabını vermiştir. Bu sorunun temel sebebi aşağıdakilerden hangisi olabilir?
Cümledeki kelime sayısı eklentinin kapasitesini aşmıştır.
Eklenti sadece olumsuz kelimeleri algılayacak şekilde ayarlanmıştır.
Bloklar arasında x = 0.5 veya x = -0.5 gibi sınır değerlerini kapsayan bir koşul (>= veya <=) tanımlanmamıştır.
Yapay zeka modeli aynı cümle içinde hem olumlu hem olumsuz kelime (yorgun/mutlu) görünce kilitlenmiştir.
Bir akıllı ev projesinde, ses tanıma eklentisi kullanılarak gelen komutlara göre lambaların kontrol edilmesi planlanmaktadır. Aşağıdaki akış şemasında sistemin çalışma mantığı gösterilmiştir. Şemada '?' ile belirtilen yere hangi mantıksal blok getirilirse sistem 'Lamba Aç' komutunu aldığında doğru çalışır?
Eğer 'Metin' içeriyor \mu 'Lamba' ise
Eğer 'Gelen Ses' eşitse 'Lamba Aç' ise
Eğer 'Kamera' algıladı mı 'Hareket' ise
Sürekli tekrarla: Işık şiddetini ölç
Zeynep, blok tabanlı bir programlama a\fracında yüz tanıma eklentisini kullanarak 'Akıllı Maske Kontrol Sistemi' tasarlamak istiyor. Bu sistemde, kamera karşısındaki kişinin yüzünde maske olup olmadığını analiz eden bir yapay zeka modeli kullanılacaktır. Aşağıdaki tabloda Zeynep'in modelini eğitmek için kullandığı veri seti detayları verilmiştir. Verilen bilgilere göre, modelin çalışma performansı hakkında hangisi söylenebilir?
Model, her iki durumu da %100 doğrulukla ayırt edebilir çünkü veri seti toplamda yeterli sayıdadır.
Maskesiz yüzleri tanımada hata yapma olasılığı yüksektir çünkü bu kategorideki veri miktarı ve çeşitliliği yetersizdir.
Modelin başarısı sadece 'Maskeli' kategorisine bağlıdır; 'Maskesiz' kategorisi modelin öğrenmesini etkilemez.
Sadece 500 görsel içeren 'Maskeli' kategorisi, sistemin tüm insanları tanıması için yeterli bir sınırdır.