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