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