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