人工知能 (AI) に関するトップの面接の質問と回答

人工知能に関する面接でよくある質問

ここでは、新人だけでなく経験豊富な候補者も夢の仕事に就くための、人工知能面接の質問と回答を紹介します。

無料 PDF ダウンロード: AI インタビューの質問と回答

1) 人工知能とは何ですか?

人工知能は、人間のように働き、反応するインテリジェントなマシンの作成に重点を置くコンピューター サイエンスの分野です。

---

2) 人工知能ニューラルネットワークとは何ですか?

人工知能ニューラル ネットワークは、生物学的な脳の仕組みを数学的にモデル化することができ、機械が人間と同じように考え、学習できるようになり、私たちと同じように音声、物体、動物などを認識できるようになります。

---

3) AI（人工知能）が活用できるさまざまな分野にはどのようなものがありますか?

人工知能は、コンピューティング、音声認識、バイオインフォマティクス、ヒューマノイドロボット、コンピュータソフトウェア、宇宙航空学などの多くの分野で使用できます。

---

4) AI に一般的に使用されていないプログラミング言語はどれですか?

Perl 言語は AI に一般的に使用されるプログラミング言語ではありません

---

5) AI における Prolog とは何ですか?

AI において、Prolog はロジックに基づいたプログラミング言語です。

---

6) 強い AI と弱い AI の違いについて説明してください。

強力な AI は、コンピューターに人間と同等のレベルで思考させることができると強く主張しますが、弱い AI は、人間の知能に似たいくつかの機能をコンピューターに組み込んで、より便利なツールにできると単純に予測します。

---

7) 統計的 AI と古典的 AI の違いについて言及しますか?

統計的 AI は、一連のパターンを与えて傾向を誘導するなどの「帰納的」思考に関心があります。一方、古典的 AI は、一連の制約として与えられ、結論を導き出す「演繹的」思考に関心があります。等

---

8) 代替キー、人工キー、複合キー、自然キーとは何ですか?

代替キー：  主キーを除くすべての候補キーは代替キーとして知られています。

人工キー: 明らかなキーが単独または複合で使用できない場合、最後の手段は、各レコードまたは出現箇所に番号を割り当てて単純にキーを作成することです。 これは人工キーとして知られています。

複合キー:  構成内の出現を一意に定義する単一のデータ要素がない場合、複数の要素を統合して構成の一意の識別子を作成することは、複合キーとして知られています。

ナチュラルキー:  ナチュラル キーは、構造内に格納されるデータ要素の XNUMX つであり、主キーとして利用されます。

---

9) プロダクションルールは何で構成されていますか?

生成ルールは、一連のルールと一連のステップで構成されます。

---

10) メモリ使用量が少ない検索方法はどれですか?

「深さ優先検索」方法はメモリ使用量が少なくなります。

---

11) ゲームプレイの問題を解決する最善の方法はどれですか?

ヒューリスティックなアプローチは、インテリジェントな推測に基づいたテクニックを使用するため、ゲームプレイの問題に最適な方法です。 たとえば、人間とコンピューターの間のチェスでは、数十万の局面を調べて総当たり的な計算が使用されます。

---

12) A* アルゴリズムはどの検索方法に基づいていますか?

A* アルゴリズムは、最適化のアイデアとパスの迅速な選択を提供するため、最良の最初の検索方法に基づいており、すべての特性は A* アルゴリズムにあります。

---

13) ハイブリッド ベイジアン ネットワークには何が含まれますか?

ハイブリッド ベイジアン ネットワークには、離散変数と連続変数の両方が含まれます。

---

14) 人工知能におけるエージェントとは何ですか?

センサーによって環境を認識し、エフェクターによって環境に作用するものはすべて、エージェントとして知られています。 エージェントにはロボット、プログラム、人間などが含まれます。

---

15) 部分的な注文または計画には何が関係しますか?

部分オーダー計画では、考えられる状況を検索するのではなく、考えられる計画の空間を検索する必要があります。 アイデアは、計画を少しずつ構築することです。

---

16) 計画を立てる際に実行できる XNUMX 種類の手順は何ですか?

a) 演算子を追加します (アクション)

b) 演算子間に順序制約を追加する

---

17) 論理ルールベースのシステムの望ましい特性ではないと考えられる特性はどれですか?

「添付ファイル」は、論理ルールベースのシステムの望ましい特性ではないと考えられています。

---

18) 人工知能におけるニューラル ネットワークとは何ですか?

人工知能におけるニューラル ネットワークは、データを受信し、データを処理し、アルゴリズムと経験的データに基づいて出力を与える生物学的ニューラル システムのエミュレーションです。

---

19) アルゴリズムが完成したとみなされるのはいつですか?

アルゴリズムは、解決策が存在する場合、その解決策で終了すると完成したと言われます。

---

20) ヒューリスティック関数とは何ですか?

ヒューリスティック関数は、検索アルゴリズムにおいて、利用可能な情報に基づいて各分岐ステップで選択肢をランク付けし、どの分岐に従うかを決定します。

---

21) 計画システムの XNUMX 番目のコンポーネントの機能は何ですか?

計画システムでは、XNUMX 番目のコンポーネントの機能は、問題の解決策が見つかったことを検出することです。

---

22) AI における「汎用性」とは何ですか?

一般性とは、その方法をさまざまな応用分野に適応させる容易さの尺度です。

---

23) トップダウンパーサーとは何ですか?

トップダウンパーサーは、文を仮定することから始まり、個々の終端前記号が書き込まれるまで下位レベルの構成要素を連続的に予測します。

---

24) 人工知能における幅優先探索と最良優先探索の違いについて言及しますか?

これら XNUMX つの戦略は非常に似ています。 最良優先探索では、評価関数に従ってノードを展開します。 一方、幅優先探索では、親ノードのコスト関数に従ってノードが拡張されます。

---

25) 「人工知能」におけるフレームとスクリプトとは何ですか?

フレームは、エキスパート システムで非手続き型知識を提示する一般的な方法の XNUMX つであるセマンティック ネットワークの変形です。 人工的なフレーム データ構造 「固定的な状況」を表すことによって知識を下部構造に分割するために使用されます。 スクリプトはフレームに似ていますが、スロットを満たす値を順序付けする必要がある点が異なります。 スクリプトは、自然言語理解システムで、システムが理解すべき状況に関する知識ベースを編成するために使用されます。

---

26) FOPL は何の略ですか?また、人工知能におけるその役割を説明しますか?

FOPL は First Order Predicate Logic の略で、Predicate Logic は以下を提供します。

a) ある「世界」についての主張を表現する言語

b) そのような主張から結論を引き出すための演繹装置への推論システム

c) 集合論に基づく意味論

---

27) FOPL の言語は何で構成されていますか

a) 定数シンボルのセット

b) 変数のセット

c) 述語記号のセット

d) 関数記号のセット

e) 論理接続詞

f) 普遍的数量子と存在的修飾子

g) 特別な二項等値関係

---

28) 「人工知能」におけるオンライン検索の場合、計算と動作を交互に組み合わせて動作する検索エージェントはどれですか?

オンライン検索では、まずアクションを実行し、次に環境を観察します。

---

29) オンライン検索で限られた量のメモリを使用する検索アルゴリズムはどれですか?

RBFE と SMA* は、限られた量のメモリを使用して A* が解決できないあらゆる種類の問題を解決します。

---

30) 「人工知能」ではベイズ則をどこで使用できますか?

人工知能では、XNUMX つの証拠に基づいて条件付けされた確率的クエリに答えるために、ベイズ規則を使用できます。

---

31) ベイズモデルを構築するには、いくつの項が必要ですか?

AI でベイズ モデルを構築するには、XNUMX つの項が必要です。 それらは、XNUMX つの条件付き確率と XNUMX つの無条件確率です。

---

32) ベイジアン ネットワークの作成中に、ノードとその前のノードの間にはどのような影響がありますか?

(A) 機能的に依存する (B) 依存する (C) 条件的に独立する (D) オプション A と B の両方

正解は (C) 条件付き独立

説明： ベイジアン ネットワークの作成中、ノードとその先行ノードの間の結果として、ノードは条件付きでその先行ノードから独立することができます。

---

33) ベイジアン ネットワークをどのように使用できるかという質問に答えるには?

ベイジアン ネットワークが結合分布を表す場合、関連するすべての結合エントリを合計することで、あらゆるクエリを解決できます。

---

34) 帰納法と一次表現の力を組み合わせたものは何ですか?

帰納的論理プログラミングは、帰納的手法と一次表現の力を組み合わせたものです。

---

35) 帰納的論理プログラミングでは、何を満たさなければなりませんか?

帰納論理プログラミングの目的は、含意制約が満たされるような仮説に対する一連の文を考え出すことです。

---

36) トップダウンの帰納的学習法では、利用可能なリテラルはいくつありますか? 彼らは何ですか？

トップダウンの帰納的学習方法で利用できるリテラルは XNUMX つあります。

a) 述語

b) 平等と不平等

c) 算術リテラル

---

37) 完全な解決戦略を逆転させるアルゴリズムはどれですか?

「逆解像度」は、一次理論を学習するための完全なアルゴリズムであるため、完全な解像度を反転します。

---

38) 音声認識ではどのような種類の信号が使用されますか?

音声認識では、一連の単語を識別するために音響信号が使用されます。

---

39) 音声認識では、各単語に続く各単語の確率を与えるモデルはどれですか?

バイアグラム モデルは、音声認識において各単語が他の単語に続く確率を与えます。

---

40) 時間的確率論的推論を解くために使用されるアルゴリズムはどれですか?

時間的確率論的推論を解決するには、遷移やセンサー モデルに依存しない HMM (隠れマルコフ モデル) が使用されます。

---

41) 隠れマルコフ モデル (HMM) とは何ですか?

隠れマルコフ モデルは、時系列データをモデル化する、またはシーケンスの動作をモデル化するためのユビキタス ツールです。 これらは、現在のほぼすべての音声認識システムで使用されています。

---

42) 隠れマルコフモデルでは、プロセスの状態はどのように記述されますか?

HMM のモデルにおけるプロセスの状態は、「単一の離散確率変数」によって記述されます。

---

43) HMM では、変数の可能な値は何ですか?

「世界の可能な状態」は、HMM の変数の可能な値です。

---

44) HMM では、追加の変数はどこに追加されますか?

HMM ネットワーク内に留まりながら、追加の状態変数を時間モデルに追加できます。

---

45) 人工知能では、セマンティック分析は何に使用されますか?

人工知能では、文群から意味を抽出するために意味解析が利用されます。

---

46) 構成意味論とは何を意味しますか?

P、Q、* から P*Q の意味を決定するプロセスは、構成意味論として知られています。

---

47) 命題論理では論理的推論をどのように解くことができますか?

命題論理では、論理推論アルゴリズムは次のように解くことができます。

a) 論理的等価性

b) 有効性

c) 満足のいく能力

---

48) 異なる論理式を同一に見せる処理はどれですか?

「統合」プロセスにより、異なる論理式が同一になります。 リフトされた推論では、異なる式を同一に見せることができる代替品を見つける必要があります。 このプロセスは統合と呼ばれます。

---

49) 「Unification and Lifting」の XNUMX つの文を受け取り、Unifier を返すアルゴリズムはどれですか?

In 「Unification and Lifting」 XNUMX つの文を受け取り、単一化子を返すアルゴリズムが「Unify」アルゴリズムです。

---

50) アルゴリズムを計画するための最も単純なアプローチはどれですか?

状態空間検索は、解決策を見つけるためにすべてを考慮するため、アルゴリズムを計画するための最も単純なアプローチです。

これらの面接の質問は、あなたの活力（口頭）にも役立ちます