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