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