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