Zelftest – AI voor iedereen
Vraag 1: De Turingtest meet of een machine bewustzijn heeft.
• Antwoord: Onwaar
• Uitleg: De Turingtest meet niet of een machine werkelijk bewustzijn heeft (of echt kan
"denken"), maar wel of een machine in staat is om menselijk intelligent gedrag te vertonen.
Als een menselijke ondervrager via tekstgebaseerde conversatie geen onderscheid kan
maken tussen de machine en een mens, slaagt de machine voor de test.
Vraag 2: Wat is het fundamentele verschil tussen machine learning en traditionele
programmering?
• Antwoord: B - Traditionele programmering vraagt regels + invoer om antwoorden te
produceren; machine learning gebruikt invoer + antwoorden om regels te leren.
• Uitleg: Bij traditioneel programmeren schrijf je zelf expliciet de logische regels (code) om
invoerdata te verwerken tot een resultaat. Bij machine learning voed je het algoritme met
data en de bijbehorende gewenste uitkomsten (antwoorden), zodat het model zelfstandig de
onderliggende patronen en regels leert herkennen.
Vraag 3: Neurale netwerken worden ook wel “black box” genoemd omdat ze hun broncode
verbergen.
• Antwoord: Onwaar
• Uitleg: De term "black box" (zwarte doos) verwijst niet naar het geheimhouden van de
broncode van het programma zelf. Het slaat op het feit dat de interne beslissingsstructuur
(de miljoenen gewichten en parameters in de diepere lagen van het netwerk) zo complex is,
dat het voor mensen vrijwel onmogelijk is om exact te herleiden waarom het netwerk tot
een bepaalde specifieke output is gekomen.
Vraag 4: Voor welke van de volgende taken is een leeralgoritme het meest geschikt?
• Antwoord: C - Herkennen van gezichten in wisselende lichtcondities.
• Uitleg: Taken zoals het berekenen van de kortste route (A), het controleren van
belastingregels (B) of het checken van schaakregels (D) kunnen perfect worden opgelost met
traditionele, hard-gecodeerde algoritmen en logische regels. Gezichtsherkenning onder
wisselende omstandigheden is echter veel te complex om in vaste regels te vatten; hiervoor
is een leeralgoritme (machine learning) uitermate geschikt.
Vraag 5: Het front van een zoekprobleem bevat altijd enkel toestanden, geen volledige paden.
• Antwoord: Onwaar
• Uitleg: Hoewel we vaak praten over de "toestanden" in het front (de fringe of frontier),
moeten de elementen in het front in de praktijk informatie over het volledige pad (of op zijn
minst de voorgangers) bijhouden. Anders is het achteraf onmogelijk om, zodra de
doeltoestand is gevonden, het daadwerkelijke pad van de start naar het doel te
reconstrueren.
Vraag 6: Beschouw een zoekprobleem met een oneindige zoekruimte. Er bestaat een oplossing op
diepte 3. Welke uitspraak is correct?
• Antwoord: B - Breedte-eerst zoeken vindt gegarandeerd de oplossing, maar diepte-eerst
zoeken kan oneindig lang in een verkeerde tak blijven zoeken.
• Uitleg: Omdat de zoekruimte oneindig groot is, kan diepte-eerst zoeken (DFS) vastlopen in
een oneindig diepe tak zonder ooit terug te keren naar de oplossing op diepte 3. Breedte-
eerst zoeken (BFS) verkent de boom niveau per niveau en zal de oplossing op diepte 3 dus
gegarandeerd en systematisch vinden.
1
, Vraag 7: Als de heuristiek h(n) = 0 voor alle toestanden, dan gedraagt A zich exact als uniforme-
kost zoeken.*
• Antwoord: Waar
• Uitleg: De evaluatiefunctie van 𝐴∗ is f(n) = g(n) + h(n), waarbij g(n) de werkelijke kost tot nu
toe is en h(n) de geschatte kost tot het doel. Als h(n) = 0 voor alle knopen, vereenvoudigt de
functie tot f(n) = g(n). Dit is exact de prioriteitsbepaling die uniforme-kost zoeken (Uniform
Cost Search) gebruikt om de volgende knoop te selecteren.
Vraag 8: Je wil het goedkoopste pad vinden in een grote, gewogen graaf met verschillende kosten
voor transities. Je hebt geen heuristische informatie beschikbaar. Welke algoritme kies je?
• Antwoord: C - Uniforme-kost zoeken.
• Uitleg: Omdat er verschillende transitiekosten zijn en er geen heuristische informatie
beschikbaar is (waardoor 𝐴∗ met h(n)=0 effectief hetzelfde wordt), is uniforme-kost zoeken
(Uniform Cost Search) het aangewezen en optimale algoritme om gegarandeerd het
goedkoopste pad te vinden.
Vraag 9: Een evaluatiefunctie wordt enkel toegepast op de bladknopen van de minimax-spelboom.
• Antwoord: Onwaar
• Uitleg: In een theoretische, volledige minimax-boom wordt de evaluatiefunctie inderdaad
enkel op de echte eindtoestanden (de bladeren van de hele spelboom) toegepast. Echter, bij
complexe spellen zoals schaken is de boom te groot en kapt men de zoektocht af op een
bepaalde diepte (bijvoorbeeld na 4 zetten). De knopen op die maximale diepte zijn geen
echte eindtoestanden van het spel, maar worden op dat moment wel als 'bladeren'
behandeld waarop een heuristische evaluatiefunctie wordt toegepast om de positie te
schatten.
Vraag 10: Bij schaken zijn er gemiddeld 35 mogelijke zetten per beurt. Hoeveel speltoestanden
moet minimax evalueren om 4 zetten vooruit te kijken?
• Antwoord: 𝑫 − 𝟑𝟓𝟒 = 𝟏 𝟓𝟎𝟎 𝟔𝟐𝟓
• Uitleg: Elke zet (stap in de diepte van de boom) vermenigvuldigt het aantal takken met de
vertakkingsfactor (gemiddeld 35). Om 4 stappen diep te kijken (een boom met diepte 4),
moeten er aan de basis van deze zoektocht 35 × 35 × 35 × 35 = 35# toestanden worden
geëvalueerd.
Vraag 11: De implicatie 𝑨 → 𝑩 is onwaar wanneer A onwaar is en B waar is.
• Antwoord: Onwaar
• Uitleg: In de propositielogica is een implicatie 𝐴 → 𝐵 ("als A, dan B") alleen onwaar wanneer
de premisse (A) waar is en de conclusie (B) onwaar is (de combinatie W → O). Als de
premisse A onwaar is, is de implicatie automatisch (vacueus) waar, ongeacht of B waar of
onwaar is.
Vraag 12: Welke formule is logisch equivalent aan ¬(𝑨 ∧ 𝑩)?
• Antwoord: 𝑩 − ¬𝑨 ∨ ¬𝑩
• Uitleg: Dit is een directe toepassing van de wetten van De Morgan uit de logica. De
ontkenning van een conjunctie (en-verbinding) is equivalent aan de disjunctie (of-verbinding)
van de ontkenningen:
¬(𝐴 ∧ 𝐵) ≡ ¬𝐴 ∨ ¬𝐵
2
Vraag 1: De Turingtest meet of een machine bewustzijn heeft.
• Antwoord: Onwaar
• Uitleg: De Turingtest meet niet of een machine werkelijk bewustzijn heeft (of echt kan
"denken"), maar wel of een machine in staat is om menselijk intelligent gedrag te vertonen.
Als een menselijke ondervrager via tekstgebaseerde conversatie geen onderscheid kan
maken tussen de machine en een mens, slaagt de machine voor de test.
Vraag 2: Wat is het fundamentele verschil tussen machine learning en traditionele
programmering?
• Antwoord: B - Traditionele programmering vraagt regels + invoer om antwoorden te
produceren; machine learning gebruikt invoer + antwoorden om regels te leren.
• Uitleg: Bij traditioneel programmeren schrijf je zelf expliciet de logische regels (code) om
invoerdata te verwerken tot een resultaat. Bij machine learning voed je het algoritme met
data en de bijbehorende gewenste uitkomsten (antwoorden), zodat het model zelfstandig de
onderliggende patronen en regels leert herkennen.
Vraag 3: Neurale netwerken worden ook wel “black box” genoemd omdat ze hun broncode
verbergen.
• Antwoord: Onwaar
• Uitleg: De term "black box" (zwarte doos) verwijst niet naar het geheimhouden van de
broncode van het programma zelf. Het slaat op het feit dat de interne beslissingsstructuur
(de miljoenen gewichten en parameters in de diepere lagen van het netwerk) zo complex is,
dat het voor mensen vrijwel onmogelijk is om exact te herleiden waarom het netwerk tot
een bepaalde specifieke output is gekomen.
Vraag 4: Voor welke van de volgende taken is een leeralgoritme het meest geschikt?
• Antwoord: C - Herkennen van gezichten in wisselende lichtcondities.
• Uitleg: Taken zoals het berekenen van de kortste route (A), het controleren van
belastingregels (B) of het checken van schaakregels (D) kunnen perfect worden opgelost met
traditionele, hard-gecodeerde algoritmen en logische regels. Gezichtsherkenning onder
wisselende omstandigheden is echter veel te complex om in vaste regels te vatten; hiervoor
is een leeralgoritme (machine learning) uitermate geschikt.
Vraag 5: Het front van een zoekprobleem bevat altijd enkel toestanden, geen volledige paden.
• Antwoord: Onwaar
• Uitleg: Hoewel we vaak praten over de "toestanden" in het front (de fringe of frontier),
moeten de elementen in het front in de praktijk informatie over het volledige pad (of op zijn
minst de voorgangers) bijhouden. Anders is het achteraf onmogelijk om, zodra de
doeltoestand is gevonden, het daadwerkelijke pad van de start naar het doel te
reconstrueren.
Vraag 6: Beschouw een zoekprobleem met een oneindige zoekruimte. Er bestaat een oplossing op
diepte 3. Welke uitspraak is correct?
• Antwoord: B - Breedte-eerst zoeken vindt gegarandeerd de oplossing, maar diepte-eerst
zoeken kan oneindig lang in een verkeerde tak blijven zoeken.
• Uitleg: Omdat de zoekruimte oneindig groot is, kan diepte-eerst zoeken (DFS) vastlopen in
een oneindig diepe tak zonder ooit terug te keren naar de oplossing op diepte 3. Breedte-
eerst zoeken (BFS) verkent de boom niveau per niveau en zal de oplossing op diepte 3 dus
gegarandeerd en systematisch vinden.
1
, Vraag 7: Als de heuristiek h(n) = 0 voor alle toestanden, dan gedraagt A zich exact als uniforme-
kost zoeken.*
• Antwoord: Waar
• Uitleg: De evaluatiefunctie van 𝐴∗ is f(n) = g(n) + h(n), waarbij g(n) de werkelijke kost tot nu
toe is en h(n) de geschatte kost tot het doel. Als h(n) = 0 voor alle knopen, vereenvoudigt de
functie tot f(n) = g(n). Dit is exact de prioriteitsbepaling die uniforme-kost zoeken (Uniform
Cost Search) gebruikt om de volgende knoop te selecteren.
Vraag 8: Je wil het goedkoopste pad vinden in een grote, gewogen graaf met verschillende kosten
voor transities. Je hebt geen heuristische informatie beschikbaar. Welke algoritme kies je?
• Antwoord: C - Uniforme-kost zoeken.
• Uitleg: Omdat er verschillende transitiekosten zijn en er geen heuristische informatie
beschikbaar is (waardoor 𝐴∗ met h(n)=0 effectief hetzelfde wordt), is uniforme-kost zoeken
(Uniform Cost Search) het aangewezen en optimale algoritme om gegarandeerd het
goedkoopste pad te vinden.
Vraag 9: Een evaluatiefunctie wordt enkel toegepast op de bladknopen van de minimax-spelboom.
• Antwoord: Onwaar
• Uitleg: In een theoretische, volledige minimax-boom wordt de evaluatiefunctie inderdaad
enkel op de echte eindtoestanden (de bladeren van de hele spelboom) toegepast. Echter, bij
complexe spellen zoals schaken is de boom te groot en kapt men de zoektocht af op een
bepaalde diepte (bijvoorbeeld na 4 zetten). De knopen op die maximale diepte zijn geen
echte eindtoestanden van het spel, maar worden op dat moment wel als 'bladeren'
behandeld waarop een heuristische evaluatiefunctie wordt toegepast om de positie te
schatten.
Vraag 10: Bij schaken zijn er gemiddeld 35 mogelijke zetten per beurt. Hoeveel speltoestanden
moet minimax evalueren om 4 zetten vooruit te kijken?
• Antwoord: 𝑫 − 𝟑𝟓𝟒 = 𝟏 𝟓𝟎𝟎 𝟔𝟐𝟓
• Uitleg: Elke zet (stap in de diepte van de boom) vermenigvuldigt het aantal takken met de
vertakkingsfactor (gemiddeld 35). Om 4 stappen diep te kijken (een boom met diepte 4),
moeten er aan de basis van deze zoektocht 35 × 35 × 35 × 35 = 35# toestanden worden
geëvalueerd.
Vraag 11: De implicatie 𝑨 → 𝑩 is onwaar wanneer A onwaar is en B waar is.
• Antwoord: Onwaar
• Uitleg: In de propositielogica is een implicatie 𝐴 → 𝐵 ("als A, dan B") alleen onwaar wanneer
de premisse (A) waar is en de conclusie (B) onwaar is (de combinatie W → O). Als de
premisse A onwaar is, is de implicatie automatisch (vacueus) waar, ongeacht of B waar of
onwaar is.
Vraag 12: Welke formule is logisch equivalent aan ¬(𝑨 ∧ 𝑩)?
• Antwoord: 𝑩 − ¬𝑨 ∨ ¬𝑩
• Uitleg: Dit is een directe toepassing van de wetten van De Morgan uit de logica. De
ontkenning van een conjunctie (en-verbinding) is equivalent aan de disjunctie (of-verbinding)
van de ontkenningen:
¬(𝐴 ∧ 𝐵) ≡ ¬𝐴 ∨ ¬𝐵
2
