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