![]()
A) Automatisierte Intelligenz B) Künstliche Intelligenz C) Analoge Integration D) Erweiterte Intelligenz
A) Ein Test zur Messung der Verarbeitungsgeschwindigkeit einer Maschine B) Ein Test zur Bestimmung des Stromverbrauchs einer Maschine C) Ein Test der Fähigkeit einer Maschine, intelligentes Verhalten zu zeigen, das von dem eines Menschen nicht zu unterscheiden ist D) Ein Test zur Bewertung der physischen Stärke einer Maschine
A) Rubinrot B) Java C) Python D) C++
A) Ein Verfahren zum Zusammenbau von Hardwarekomponenten B) Eine Technik zur manuellen Programmierung von Maschinen C) Ein Verfahren zur Verbesserung der Netzwerksicherheit D) Ein Teilbereich der KI, der es Maschinen ermöglicht, aus Daten zu lernen
A) Ein hypothetischer zukünftiger Punkt, an dem KI die menschliche Intelligenz und Kontrolle übertrifft B) Eine Art von Algorithmus für maschinelles Lernen C) Eine Technik zur Wettermanipulation D) Ein Maß für die Komplexität der Daten
A) Testen von Computer-Hardware-Komponenten B) Generierung zufälliger Pixelmuster C) Analysieren von Audiosignalen D) Nachahmung des menschlichen Sehens und Identifizierung von Objekten in Bildern oder Videos
A) Verarbeitung natürlicher Sprache B) Vernetzte logistische Leistung C) Neuronales Lernprotokoll D) Nichtlineare sprachliche Muster
A) Ein Programm, das Gespräche mit menschlichen Benutzern simuliert B) Ein Programm für Grafikdesign C) Ein Programm für Musikkomposition D) Ein Programm für Virtual-Reality-Spiele
A) Reguläre numerische Notation B) Knotenpunkt für schnelle Benachrichtigung C) Robuster Neuronennavigator D) Rekurrentes neuronales Netz
A) Erkennung von Fehlern in Daten B) Suche nach dem kürzesten Weg in einem Graphen C) Optimierung der Speichernutzung von Computern D) Generierung von Zufallszahlen
A) 1972 B) 1965 C) 1980 D) 1956
A) Schlussfolgern B) Wissensrepräsentation C) Lernen D) Quantencomputing
A) OpenAI B) Microsoft C) IBM D) Intel
A) Transformer-Architektur B) Perzeptron C) Recurrent Neural Network (RNN, Rekurrentes Neuronales Netzwerk) D) Convolutional Neural Network (CNN, Faltungsneuronales Netzwerk)
A) Empfehlungssysteme B) Fortschrittliche Websuchmaschinen C) Autonome Fahrzeuge D) Virtuelle Assistenten
A) Neurowissenschaften B) Astronomie C) Psychologie D) Linguistik
A) Künstliche neuronale Netze B) Formale Logik C) Zustandsraumsuche D) Quantenverschränkung
A) 2000er-Jahre B) 1990er-Jahre C) 2020er-Jahre D) 2010er-Jahre
A) Verringerte Softwarekomplexität B) Existenzielle Risiken C) Reduzierte Rechenleistung D) Geringerer Energieverbrauch
A) Frühe KI-Systeme konnten keine logischen Schlussfolgerungen ziehen. B) Sie leiden unter einer 'kombinatorischen Explosion', wodurch sie exponentiell langsamer werden, wenn die Probleme komplexer werden. C) Diese Algorithmen erforderten menschliches Eingreifen bei jedem Schritt. D) Sie waren nicht in der Lage, Informationen zu verarbeiten, die unvollständig waren.
A) Menschen verwenden eine Kombination aus Intuition und probabilistischem Denken, und zwar ausschließlich. B) Menschen verlassen sich ausschließlich auf logische Schlussfolgerungen, ähnlich wie frühe KI-Modelle. C) Menschen lösen Probleme, indem sie vordefinierte Algorithmen befolgen. D) Menschen treffen schnelle, intuitive Entscheidungen anstatt schrittweise Schlussfolgerungen zu ziehen.
A) Zufällig zugewiesene Aufgaben ohne bestimmte Reihenfolge. B) Ein spezifisches Ziel. C) Kein klar definiertes Ziel oder keine Präferenz. D) Mehrere Ziele, die gleichzeitig erreicht werden sollen.
A) Überwachtes Lernen B) Transferlernen C) Verstärkendes Lernen D) Unüberwachtes Lernen
A) Die Klassifikation sagt Kategorien voraus, während die Regression numerische Funktionen ableitet. B) Die Regression benötigt mehr Daten als die Klassifikation. C) Bei der Klassifikation werden neuronale Netze verwendet, während dies bei der Regression nicht der Fall ist. D) Die Klassifikation ist eine Art von unüberwachtem Lernen.
A) Wortvektordarstellung B) Informationsbeschaffung C) Sprachsynthese D) Maschinelle Übersetzung
A) Convolutional Neural Networks (CNNs) B) Rekurrente Neuronale Netze (RNNs) C) Generative, vortrainierte Transformer (GPT) D) Transformer
A) Bildklassifizierung. B) Objektverfolgung. C) Textbasierte Sentimentanalyse. D) Spracherkennung.
A) Schwarmintelligenz. B) Lokale Suche. C) Adversarielle Suche. D) Gradientenabstieg.
A) Algorithmen für Schwarmintelligenz. B) Mittel-Ziele-Analyse. C) Mathematische Optimierung. D) Backpropagation-Algorithmus.
A) Evolutionäre Algorithmen. B) Ameisenkolonie-Optimierung. C) Gradientenabstieg. D) Schwarmintelligenz.
A) Evolutionäre Berechnung. B) Induktives Denken. C) Schwarmintelligenz-Optimierung. D) Deduktives Denken.
A) Sie verwendet Algorithmen der Schwarmintelligenz. B) Sie weist Wahrheitsgraden zwischen 0 und 1 zu. C) Sie erfordert Gradientenabstieg zur Optimierung. D) Die Ableitung ist unentscheidbar, was sie unpraktisch macht.
A) Ameisenkolonie-Optimierung. B) Evolutionäre Berechnung. C) Partikelschwarmoptimierung. D) Gradientenabstieg.
A) Kalman-Filter B) Dynamische Entscheidungsnetze C) Bayes'sche Netze D) Markov-Entscheidungsprozesse
A) Theorie des Informationswerts B) Mechanismusdesign C) Entscheidungsanalyse D) Erwartungswert-Maximierungs-Algorithmus
A) Naive-Bayes-Klassifikator B) Support-Vektor-Maschine C) K-nächste-Nachbarn-Algorithmus D) Entscheidungsbaum
A) Support-Vector-Maschine B) K-nächste-Nachbarn-Algorithmus C) Entscheidungsbaum D) Naive-Bayes-Klassifikator
A) Neuronale Netze B) Regler C) Bayessche Netze D) Klassifikatoren
A) Naive-Bayes-Klassifikator B) Entscheidungsbaum C) Support-Vector-Maschine D) K-nächste-Nachbarn-Algorithmus
A) Entscheidungsanalyse B) Dynamische Entscheidungsnetze C) Spieltheorie D) Verborgene Markov-Modelle
A) Nachweise der Persönlichkeit B) Ethische Richtlinien für KI C) Blockchain-Verifizierung D) Digitale Signaturen
A) 5% B) 7% C) 3% D) 10%
A) Genau 61% B) 75% C) 80% D) 50%
A) 90% B) 53% C) 84% D) 75%
A) 2013 B) 2016 C) 2015 D) 2014
A) 25% B) Ungefähr 4% C) 50% D) 10%
A) 30% B) 70% C) 50% D) 90%
A) Elon Musk B) Geoffrey Hinton C) Bill Gates D) Tim Cook
A) Rückpropagation B) Vorwärtspropagation C) Stochastischer Gradientenabstieg D) Gradientenabstieg
A) Gemini Deep Think B) Qwen2-Math C) AlphaTensor D) rStar-Math
A) 5% B) 10% C) 7% D) 3%
A) Verschiedene topologische Ansätze B) Wahrscheinlichkeitsmodelle C) Monte-Carlo-Baumsuche D) Natürliche Sprachverarbeitung
A) 2028 B) 2030 C) 2026 D) 2025
A) Juli 2024 B) Februar 2023 C) Mai 2025 D) Dezember 2017
A) MuZero B) Watson C) AlphaStar D) Deep Blue
A) Watson B) Deep Blue C) MuZero D) AlphaGo
A) Klassifikatoren B) Bayessche Netze C) Regler D) Neuronale Netze
A) Dynamische Bayes'sche Netze B) Spieltheorie C) Spieldesign D) Markov-Entscheidungsprozesse
A) Blockchain-Technologie B) Differenzieller Datenschutz C) Cloud-Speicherung D) Datenverschlüsselung
A) Gemini Deep Think B) AlphaTensor C) rStar-Math D) Qwen-7B
A) Ganzheitliche Objekte B) Kanten C) Gesichter D) Ziffern
A) Leiter für Datenmanagement (CDO) B) Leiter für Informationstechnologie (CIO) C) Leiter für Technologie (CTO) D) Leiter für Automatisierung (CAO)
A) Zukünftige Trends an den Aktienmärkten vorhersagen. B) Bilder analysieren und interpretieren. C) Sprachen in Echtzeit übersetzen. D) Texte auf der Grundlage semantischer Beziehungen zwischen Wörtern generieren.
A) ChatGPT B) Prolog C) Gemini D) Claude
A) Constellation Energy B) Talen Energy C) Amazon D) Microsoft
A) 25 Millionen Dollar B) 10 Millionen Dollar C) 50 Millionen Dollar D) 100 Millionen Dollar
A) Taiwan B) Japan C) Vereinigte Staaten D) Singapur
A) 5-mal mehr B) 20-mal mehr C) 15-mal mehr D) 10-mal mehr
A) Moralische Robotik B) Ethisches Rechnen C) Berechnungsethik D) Ethik der künstlichen Intelligenz
A) 22% B) 50% C) 5% D) 75%
A) Tesla, SpaceX, Uber, Lyft B) Nike, Adidas, Puma, Reebok C) Alphabet Inc., Amazon, Apple Inc., Meta Platforms, Microsoft D) Coca-Cola, PepsiCo, Red Bull, Monster
A) 75% B) 84% C) 90% D) 53%
A) 10% B) 12% C) 5% D) 8%
A) Quizsendungen wie Jeopardy! B) Spiele mit unvollständiger Information, wie zum Beispiel Poker. C) Schach und Go (Badminton). D) Strategiespiele in Echtzeit.
A) Google B) Amazon C) Apple D) Microsoft
A) Vorhersagebezogene Gerechtigkeit B) Repräsentationsbezogene Gerechtigkeit C) Verteilungsbezogene Gerechtigkeit D) Verfahrensbezogene Gerechtigkeit
A) 25% B) 47% C) 9% D) 60%
A) Echokammern B) Informationsüberflutung C) Filterblasen D) Bestätigungsfehler
A) MuZero B) AlphaStar C) SIMA D) Pluribus
A) Google DeepMind B) Alibaba Group C) OpenAI D) Microsoft
A) PyTorch. B) Scikit-learn. C) Keras. D) TensorFlow.
A) Autonome Waffe mit tödlicher Wirkung B) Konventionelle Schusswaffe C) Drohnen, die für Aufklärungszwecke eingesetzt werden D) Tool für Cybersicherheit
A) KI-Klone B) Deepfakes C) Falsche Bilder D) Synthetische Medien
A) DALL-E B) AlphaGo C) ChatGPT D) GPT-3
A) 2023 B) 2019 C) 2021 D) 2024
A) Alexa B) Cortana C) Siri D) Google Assistant
A) Erwartungs-Maximierungs-Algorithmus B) Kalman-Filter C) Dynamische Bayes'sche Netze D) Entscheidungstheorie
A) Verbesserung der Vielfalt der Inhalte B) Maximierung der Nutzerinteraktion C) Reduzierung der Verbreitung von Fehlinformationen D) Förderung korrekter Informationen
A) DeepMind B) Microsoft C) Google D) IBM
A) Sie benötigen eine ständige Internetverbindung. B) Sie dürfen nicht für kommerzielle Zwecke verwendet werden. C) Ihre Architektur und Parameter werden geheim gehalten. D) Integrierte Sicherheitsmaßnahmen können durch Training unwirksam gemacht werden.
A) 5% B) 10% C) 20% D) 50%
A) Stephen Hawking B) Eliezer Yudkowsky C) Wendell Wallach D) Stuart J. Russell
A) 15% B) 30% C) 9% D) 47%
A) John McCarthy. B) Gordon Moore. C) Jensen Huang. D) Alan Turing.
A) Wendell Wallach B) Eliezer Yudkowsky C) Stuart J. Russell D) Stephen Hawking
A) Zufällig B) In beide Richtungen C) Nur in eine Richtung D) Rückwärts
A) 3,5 Billionen Dollar B) 4,0 Billionen Dollar C) 1,5 Billionen Dollar D) 2,7 Billionen Dollar
A) Watson B) MuZero C) AlphaStar D) Deep Blue
A) Three Mile Island B) Kernreaktor Palisades C) Susquehanna D) Fukushima
A) Moores Gesetz. B) Bells Gesetz. C) Huangs Gesetz. D) Gibsons Gesetz. |