Τεχνητή νοημοσύνη - εξέταση
A) Τεχνητή νοημοσύνη B) Ανάλογη ολοκλήρωση C) Προηγμένη νοημοσύνη D) Αυτοματοποιημένη νοημοσύνη
A) Δοκιμή για την αξιολόγηση της φυσικής αντοχής μιας μηχανής B) Δοκιμή για τη μέτρηση της ταχύτητας επεξεργασίας ενός μηχανήματος C) Δοκιμή για τον προσδιορισμό της κατανάλωσης ενέργειας ενός μηχανήματος D) Δοκιμή της ικανότητας μιας μηχανής να επιδεικνύει ευφυή συμπεριφορά που δεν διακρίνεται από την ανθρώπινη.
A) Ruby B) C++ C) Python D) Java
A) Ένα υποσύνολο της τεχνητής νοημοσύνης που επιτρέπει στις μηχανές να μαθαίνουν από δεδομένα B) Μια τεχνική χειροκίνητου προγραμματισμού μηχανών C) Μέθοδος για τη βελτίωση της ασφάλειας δικτύου D) Μια διαδικασία συναρμολόγησης εξαρτημάτων υλικού
A) Δημιουργία τυχαίων αριθμών B) Βελτιστοποίηση της χρήσης της μνήμης του υπολογιστή C) Ανίχνευση σφαλμάτων στα δεδομένα D) Εύρεση της συντομότερης διαδρομής σε ένα γράφημα
A) Κανονικός αριθμητικός συμβολισμός B) Ανθεκτικός πλοηγός νευρώνων C) Επαναλαμβανόμενο νευρωνικό δίκτυο D) Κόμβος ταχείας ειδοποίησης
A) Ένας τύπος αλγορίθμου μηχανικής μάθησης B) Ένα υποθετικό μελλοντικό σημείο στο οποίο η τεχνητή νοημοσύνη θα ξεπεράσει την ανθρώπινη νοημοσύνη και τον έλεγχο C) Ένα μέτρο της πολυπλοκότητας των δεδομένων D) Μια τεχνική χειραγώγησης του καιρού
A) Δημιουργία τυχαίων μοτίβων εικονοστοιχείων B) Ανάλυση ηχητικών σημάτων C) Μίμηση της ανθρώπινης όρασης και εντοπισμός αντικειμένων σε εικόνες ή βίντεο D) Δοκιμή εξαρτημάτων υλικού υπολογιστών
A) Επεξεργασία φυσικής γλώσσας B) Μη γραμμικό γλωσσικό μοτίβο C) Δικτυωμένη λογιστική απόδοση D) Πρωτόκολλο νευρωνικής μάθησης
A) Ένα πρόγραμμα για τη σύνθεση μουσικής B) Ένα πρόγραμμα που προσομοιώνει τη συνομιλία με ανθρώπους-χρήστες C) Ένα πρόγραμμα για γραφιστική σχεδίαση D) Ένα πρόγραμμα για παιχνίδια εικονικής πραγματικότητας
A) 1972 B) 1956 C) 1965 D) 1980
A) Μάθηση B) Αναπαράσταση γνώσης C) Κβαντικός υπολογισμός D) Λογική
A) IBM B) OpenAI C) Intel D) Microsoft
A) Αρχιτεκτονική Transformer B) Συνελικτικό νευρωνικό δίκτυο C) Επαναληπτικό νευρωνικό δίκτυο D) Περσέπτρον
A) Εικονικοί βοηθοί B) Συστήματα προτάσεων C) Προηγμένοι μηχανές αναζήτησης στο διαδίκτυο D) Αυτόνομα οχήματα
A) Αστρονομία B) Νευροεπιστήμη C) Ψυχολογία D) Γλωσσολογία
A) Τεχνητά νευρωνικά δίκτυα B) Αναζήτηση χώρου καταστάσεων C) Τυπική λογική D) Κβαντική διεμπλοκή
A) 1990 B) 2010 C) 2020 D) 2000
A) Μειωμένη πολυπλοκότητα λογισμικού B) Μειωμένη κατανάλωση ενέργειας C) Υπαρξιακοί κίνδυνοι D) Μειωμένη υπολογιστική ισχύς
A) Αυτοί οι αλγόριθμοι απαιτούσαν ανθρώπινη παρέμβαση σε κάθε βήμα. B) Αυτοί οι αλγόριθμοι αντιμετωπίζουν ένα φαινόμενο «εκθετικής αύξησης» όπου η ταχύτητά τους μειώνεται δραματικά καθώς τα προβλήματα γίνονται πιο σύνθετα. C) Οι πρώιμοι αλγόριθμοι τεχνητής νοημοσύνης δεν μπορούσαν να πραγματοποιήσουν λογικούς συλλογισμούς. D) Δεν ήταν σε θέση να επεξεργαστούν καμία μορφή ελλιπών πληροφοριών.
A) Οι άνθρωποι χρησιμοποιούν έναν συνδυασμό διαίσθησης και πιθανολογικής σκέψης αποκλειστικά. B) Οι άνθρωποι βασίζονται αποκλειστικά σε λογικούς συλλογισμούς, όπως τα πρώιμα μοντέλα τεχνητής νοημοσύνης. C) Οι άνθρωποι χρησιμοποιούν γρήγορες, διαισθητικές κρίσεις αντί για βήμα προς βήμα λογική. D) Οι άνθρωποι επιλύουν προβλήματα ακολουθώντας προκαθορισμένους αλγορίθμους.
A) Καμία σαφήνεια σχετικά με τον στόχο ή την προτίμηση. B) Εργασίες που ανατίθενται τυχαία, χωρίς συγκεκριμένη σειρά. C) Πολλαπλούς στόχους που πρέπει να επιτευχθούν ταυτόχρονα. D) Έναν συγκεκριμένο στόχο.
A) Μη επιβλεπόμενη μάθηση B) Επιβλεπόμενη μάθηση C) Μεταφορά μάθησης D) Μάθηση με ενίσχυση
A) Η ταξινόμηση είναι ένας τύπος μη εποπτευόμενης μάθησης. B) Η ταξινόμηση χρησιμοποιεί νευρωνικά δίκτυα, ενώ η παλινδρόμηση όχι. C) Η παλινδρόμηση απαιτεί περισσότερα δεδομένα από την ταξινόμηση. D) Η ταξινόμηση προβλέπει κατηγορίες, ενώ η παλινδρόμηση εξάγει αριθμητικές συναρτήσεις.
A) Ανάκτηση πληροφοριών B) Μηχανική μετάφραση C) Σύνθεση ομιλίας D) Ενσωμάτωση λέξεων
A) Επαναλαμβανόμενα νευρωνικά δίκτυα (RNN) B) Συνελικτικά νευρωνικά δίκτυα (CNN) C) Μετασχηματιστές (Transformers) D) Γενετικά προεκπαιδευμένα μετασχηματιστικά μοντέλα (GPT)
A) Ανάλυση συναισθημάτων από κείμενο. B) Αναγνώριση ομιλίας. C) Ανίχνευση αντικειμένων. D) Ταξινόμηση εικόνων.
A) Ανταγωνιστική αναζήτηση. B) Βελτιστοποίηση με χρήση σμήνους σωματιδίων. C) Τοπική αναζήτηση. D) Μέθοδος κλίσης.
A) Μαθηματική βελτιστοποίηση. B) Αλγόριθμος οπισθοδιάδοσης. C) Αλγόριθμοι νοημοσύνης σμήνους. D) Ανάλυση μέσων-στόχων.
A) Βελτιστοποίηση με σμήνος σωματιδίων (particle swarm optimization). B) Εξελικτικός υπολογισμός (evolutionary computation). C) Κλιμακωτή κάθοδος (gradient descent). D) Βελτιστοποίηση με αποικίες μυρμηγκιών (ant colony optimization).
A) Εξελικτικός υπολογισμός. B) Επαγωγική λογική. C) Βελτιστοποίηση με χρήση συνόλων σωματιδίων. D) Συμπερασματική λογική.
A) Η εξαγωγή συμπερασμάτων είναι απρόβλεπτη, καθιστώντας την επίλυση προβλημάτων δύσκολη. B) Χρησιμοποιεί αλγορίθμους βασισμένους στην ομαδική νοημοσύνη. C) Αποδίδει βαθμούς αλήθειας μεταξύ 0 και 1. D) Απαιτεί τη χρήση της μεθόδου της κλιμακωτής καθόδου για τη βελτιστοποίηση.
A) Βελτιστοποίηση μέσω αποικιών μυρμηγκιών. B) Κλιμακωτή καθοδική μέθοδος. C) Εξελικτικός υπολογισμός. D) Βελτιστοποίηση μέσω σμήνους σωματιδίων.
A) Δυναμικά δίκτυα αποφάσεων B) Διαδικασίες απόφασης Markov C) Φίλτρα Kalman D) Δίκτυα Μπεϋζ
A) Θεωρία της αξίας της πληροφορίας B) Αλγόριθμος προσδοκίας-μεγιστοποίησης C) Σχεδιασμός μηχανισμών D) Ανάλυση αποφάσεων
A) Αλγόριθμος των πλησιέστερων γειτόνων (K-nearest neighbor algorithm) B) Δέντρο αποφάσεων (Decision tree) C) Ταξινομητής Naive Bayes D) Μηχανή διανυσμάτων υποστήριξης (Support vector machine)
A) Μηχανή διανυσματικής υποστήριξης B) Ταξινομητής Naive Bayes C) Αλγόριθμος K-πλησιέστερων γειτόνων D) Δέντρο αποφάσεων
A) Ταξινομητές B) Νευρωνικά δίκτυα C) Ελεγκτές D) Βεϋεσιανά δίκτυα
A) Μηχανή διανυσμάτων υποστήριξης B) Ταξινομητής Naive Bayes C) Αλγόριθμος K-πλησιέστερων γειτόνων D) Δέντρο αποφάσεων
A) Ανάλυση αποφάσεων B) Θεωρία παιγνιδιών C) Κρυφά μοντέλα Markov D) Δυναμικά δίκτυα αποφάσεων
A) Μάιος 2025 B) Ιούλιος 2024 C) Δεκέμβριος 2017 D) Φεβρουάριος 2023
A) 12% B) 8% C) 5% D) 10%
A) 47% B) 25% C) 9% D) 60%
A) Ελεγκτές B) Βεβαιωτικά δίκτυα C) Ταξινομητές D) Νευρωνικά δίκτυα
A) Διαπιστευτήρια νομικής υπόστασης B) Ηθικές οδηγίες για την τεχνητή νοημοσύνη C) Ψηφιακές υπογραφές D) Επαλήθευση μέσω blockchain
A) 53% B) 84% C) 75% D) 90%
A) Ενίσχυση της ποικιλομορφίας του περιεχομένου. B) Προώθηση ακριβών πληροφοριών. C) Μεγιστοποίηση της αλληλεπίδρασης των χρηστών. D) Μείωση της διάδοσης παραπληροφόρησης.
A) Δυναμικά δίκτυα Bayes B) Σχεδιασμός μηχανισμών C) Θεωρία παιγνιδιών D) Διαδικασίες απόφασης Markov
A) AlphaGo B) DALL-E C) ChatGPT D) GPT-3
A) Wendell Wallach B) Eliezer Yudkowsky C) Stuart J. Russell D) Stephen Hawking
A) Τεχνολογία blockchain B) Διαφορική ιδιωτικότητα C) Κρυπτογράφηση δεδομένων D) Αποθήκευση στο cloud
A) 7% B) 10% C) 5% D) 3%
A) Constellation Energy B) Talen Energy C) Microsoft D) Amazon
A) 10% B) 50% C) 20% D) 5%
A) Qwen2-Math B) rStar-Math C) AlphaTensor D) Gemini Deep Think
A) Susquehanna B) Fukushima C) Πυρηνικό εργοστάσιο Three Mile Island D) Πυρηνικός αντιδραστήρας Palisades
A) Microsoft B) Google C) IBM D) DeepMind
A) Αναζήτηση δένδρου Monte Carlo B) Επεξεργασία φυσικής γλώσσας C) Διάφορες τοπολογικές προσεγγίσεις D) Πιθανολογικά μοντέλα
A) Cortana B) Alexa C) Google Assistant D) Siri
A) 50 εκατομμύρια δολάρια B) 10 εκατομμύρια δολάρια C) 100 εκατομμύρια δολάρια D) 25 εκατομμύρια δολάρια
A) 47% B) 9% C) 30% D) 15%
A) Watson B) MuZero C) AlphaStar D) Deep Blue
A) Microsoft B) Alibaba Group C) OpenAI D) Google DeepMind
A) Ιαπωνία B) Σιγκαπούρη C) Ταιβάν D) Ηνωμένες Πολιτείες
A) Κλιμακωτή καθοδός (Gradient descent) B) Εμπρόσθια διάδοση (Forward propagation) C) Οπισθοδιάδοση (Backpropagation) D) Στοχαστική κλιμακωτή καθοδός (Stochastic gradient descent)
A) Φίλτρα Kalman B) Αλγόριθμος προσδοκίας-μεγιστοποίησης C) Θεωρία αποφάσεων D) Δυναμικά δίκτυα Bayes
A) 3% B) 5% C) 10% D) 7%
A) 2014 B) 2013 C) 2016 D) 2015
A) 2026 B) 2028 C) 2025 D) 2030
A) 10 φορές περισσότερη B) 15 φορές περισσότερη C) 20 φορές περισσότερη D) 5 φορές περισσότερη
A) Scikit-learn. B) PyTorch. C) Keras. D) TensorFlow.
A) Κλειστά περιβάλλοντα B) Υπερφόρτωση πληροφοριών C) Φίλτρα προβολής D) Επιβεβαίωση προκαταλήψεων
A) Δεν μπορούν να χρησιμοποιηθούν για εμπορικούς σκοπούς. B) Απαιτούν συνεχή σύνδεση στο διαδίκτυο. C) Τα ενσωματωμένα μέτρα ασφαλείας μπορούν να εξασθενήσουν με την εκπαίδευση, καθιστώντας τα αναποτελεσματικά. D) Η αρχιτεκτονική και οι παράμετροί τους διατηρούνται μυστικές.
A) AlphaTensor B) Gemini Deep Think C) rStar-Math D) Qwen-7B
A) 84% B) 90% C) 75% D) 53%
A) Deep Blue B) MuZero C) AlphaGo D) Watson
A) 3,5 τρισεκατομμύρια δολάρια B) 2,7 τρισεκατομμύρια δολάρια C) 1,5 τρισεκατομμύρια δολάρια D) 4,0 τρισεκατομμύρια δολάρια
A) AlphaStar B) Deep Blue C) Watson D) MuZero
A) Ψεύτικα αντίγραφα (AI clones) B) Ψεύτικες εικόνες C) Τεχνητά δημιουργημένα μέσα D) Ψεύτικες εικόνες/βίντεο (Deepfakes)
A) Διευθυντής Πληροφορικής (CIO) B) Διευθυντής Αυτοματισμού (CAO) C) Διευθυντής Τεχνολογίας (CTO) D) Διευθυντής Δεδομένων (CDO)
A) 50% B) 75% C) 22% D) 5%
A) Παιχνίδια στρατηγικής σε πραγματικό χρόνο. B) Σκάκι και Go. C) Διαδραστικά παιχνίδια τύπου κουίζ, όπως το Jeopardy! D) Παιχνίδια με ατελή πληροφόρηση, όπως το πόκερ.
A) 2021 B) 2023 C) 2024 D) 2019
A) Ολόκληρα αντικείμενα B) Πρόσωπα C) Γραμμές D) Αριθμούς
A) Πίσω B) Και στις δύο κατευθύνσεις C) Τυχαία D) Μόνο σε μία κατεύθυνση
A) Ηθική της τεχνητής νοημοσύνης B) Ηθική στην επιστήμη των υπολογιστών C) Ηθική στη ρομποτική D) Υπολογιστική ηθική
A) 80% B) Ακριβώς 61% C) 50% D) 75%
A) 70% B) 90% C) 50% D) 30%
A) Ο νόμος του Gibson. B) Ο νόμος του Huang. C) Ο νόμος του Moore. D) Ο νόμος του Bell.
A) Tim Cook B) Geoffrey Hinton C) Elon Musk D) Bill Gates
A) Alphabet Inc., Amazon, Apple Inc., Meta Platforms, Microsoft B) Nike, Adidas, Puma, Reebok C) Coca-Cola, PepsiCo, Red Bull, Monster D) Tesla, SpaceX, Uber, Lyft
A) Google B) Microsoft C) Amazon D) Apple
A) Δικαιοσύνη στις προβλέψεις B) Δικαιοσύνη στην κατανομή C) Δικαιοσύνη στην αναπαράσταση D) Δικαιοσύνη στις διαδικασίες
A) MuZero B) Pluribus C) AlphaStar D) SIMA
A) Αυτόνομο θανατηφόρο όπλο B) Εργαλείο κυβερνοασφάλειας C) Τεχνολογίες αεροσκαφών (drones) που χρησιμοποιούνται για επιτήρηση D) Συμβατικό πυροβόλο όπλο
A) Wendell Wallach B) Stephen Hawking C) Eliezer Yudkowsky D) Stuart J. Russell
A) Πρόβλεψη των μελλοντικών τάσεων της χρηματιστηριακής αγοράς. B) Ανάλυση και ερμηνεία εικόνων. C) Δημιουργία κειμένου με βάση τις σημασιολογικές σχέσεις μεταξύ των λέξεων. D) Μετάφραση γλωσσών σε πραγματικό χρόνο.
A) Άλαν Τιούρινγκ. B) Τζένσεν Χουάνγκ. C) Γκόρντον Μουρ. D) Τζον Μακάρθι.
A) ChatGPT B) Claude C) Gemini D) Prolog
A) Περίπου 4% B) 50% C) 25% D) 10% |
Δημιουργήθηκε με That Quiz —
η παραγωγή δοκιμασιών στα μαθηματικά με στοιχεία για άλλες θεματικές ενότητες.