Mesterséges intelligencia - Kvíz
A) Automatizált intelligencia B) Analóg integráció C) Mesterséges intelligencia D) Fejlett intelligencia
A) Egy gép fizikai erejének értékelésére szolgáló teszt B) Egy gép energiafogyasztásának meghatározására szolgáló teszt C) Egy gép azon képességének tesztje, hogy képes-e az embertől megkülönböztethetetlen intelligens viselkedést tanúsítani. D) A gép feldolgozási sebességének mérésére szolgáló teszt
A) Java B) C++ C) Python D) Ruby
A) A mesterséges intelligencia egy olyan részhalmaza, amely lehetővé teszi a gépek számára, hogy adatokból tanuljanak. B) A gépek kézi programozásának technikája C) A hardverkomponensek összeszerelésének folyamata D) Módszer a hálózati biztonság javítására
A) Zenei kompozíciós program B) Egy program a virtuális valóság játékhoz C) Egy program, amely szimulálja az emberi felhasználókkal való beszélgetést D) Egy program grafikai tervezéshez
A) Nemlineáris nyelvi minta B) Hálózati logisztikai teljesítmény C) Természetes nyelvi feldolgozás D) Neurális tanulási protokoll
A) Véletlenszerű pixelminták generálása B) Hangjelek elemzése C) Az emberi látás utánzása és objektumok azonosítása képeken vagy videókon D) Számítógépes hardverkomponensek tesztelése
A) A legrövidebb út megtalálása egy gráfban B) Hibák felderítése az adatokban C) Véletlen számok generálása D) A számítógép memóriahasználatának optimalizálása
A) Robusztus neuron navigátor B) Rekurrens neurális hálózat C) Szabályos numerikus jelölés D) Gyors értesítő csomópont
A) Az adatok összetettségének mérőszáma B) Egy hipotetikus jövőbeli pont, amikor a mesterséges intelligencia meghaladja az emberi intelligenciát és irányítást. C) Időjárás-manipulációs technika D) Egyfajta gépi tanulási algoritmus
A) 1965 B) 1980 C) 1956 D) 1972
A) Tudás reprezentáció B) Érvelés C) Tanulás D) Kvantumszámítástechnika
A) Intel B) OpenAI C) Microsoft D) IBM
A) Rekurrens neurális hálózat B) Transformer architektúra C) Konvolúciós neurális hálózat D) Perceptron
A) Virtuális asszisztensek B) Fejlett webkereső motorok C) Önvezető járművek D) Ajánló rendszerek
A) Neurotudomány B) Nyelvészet C) Asztrográfia D) Pszichológia
A) Mesterséges neurális hálózatok B) Kvantum összefonódás C) Állapotterek keresése D) Formális logika
A) 1990-es évek B) 2000-es évek C) 2010-es évek D) 2020-as évek
A) Alacsonyabb energiafogyasztás B) Csökkentett szoftver komplexitás C) Csökkenő számítási teljesítmény D) Létezéshez kapcsolódó kockázatok
A) Nem voltak képesek kezelni semmilyen formában hiányos információt. B) Ezek az algoritmusok minden lépésben emberi beavatkozást igényeltek. C) Ezek az algoritmusok egy „kombinatorikus robbanásnak” vannak kitéve, ami azt jelenti, hogy a problémák mérete növekedésével exponenciálisan lassabbak lesznek. D) A korai mesterséges intelligencia nem volt képes logikai következtetéseket levonni.
A) Az emberek kizárólag logikai következtetésekre támaszkodnak, hasonlóan a korai mesterséges intelligencia modellekhez. B) Az emberek előre meghatározott algoritmusok alapján oldják meg a problémákat. C) Az emberek gyors, ösztönös ítéleteket használnak, ahelyett, hogy lépésről lépésre következtetnének. D) Az emberek kizárólag ösztön és valószínűségi következtetések kombinációját használják.
A) Egy konkrét cél. B) Több cél, amelyeket egyidejűleg kell elérni. C) Nincs egyértelmű cél vagy preferencia. D) Véletlenszerűen kiosztott feladatok, amelyeknek nincs meghatározott sorrendje.
A) Megerősítéses tanulás B) Transzfer tanulás C) Felügyelet nélküli tanulás D) Felügyelt tanulás
A) A regresszió több adatot igényel, mint a besorolás. B) A besorolás a felügyelt tanulás egyik típusa. C) A besorolás neurális hálózatokat használ, a regresszió nem. D) A besorolás kategóriákat jósol, míg a regresszió numerikus függvényeket vezet le.
A) Szóbeágyazás B) Gépi fordítás C) Beszédszintézis D) Információkeresés
A) Transzformátorok B) Generatív, előre betanított transzformátorok (GPT) C) Rekurrenális neurális hálózatok (RNN) D) Konvolúciós neurális hálózatok (CNN)
A) Képek besorolása. B) Beszéd felismerése. C) Objektumok követése. D) Szöveges érzelmek elemzése.
A) Helyi keresés. B) Grádienstés. C) Részecske-csoport optimalizálás. D) Versenyhelyzeti keresés.
A) Matematikai optimalizálás. B) Cél-közvetítéses elemzés. C) Csoportintelligencia algoritmusok. D) Visszatáplálási algoritmus.
A) Evolúciós számítás. B) Részecskecsapat-optimalizálás. C) Hangyák által vezérelt optimalizálás. D) Grádienstés.
A) Induktív következtetés. B) Deduktív következtetés. C) Részecskecsoport-optimalizálás. D) Evolúciós számítás.
A) Csoportintelligencia algoritmusokat alkalmaz. B) A következtetés nem eldönthető, ami azt jelenti, hogy nehézkesen kezelhető. C) Igazságértékeket rendel a 0 és 1 közötti tartományban. D) Optimalizáláshoz gradienslejtés szükséges.
A) Grádienstés. B) Hangyák által vezetett optimalizálás. C) Részecskecsoport-optimalizálás. D) Evolúciós számítás.
A) Markov-döntési folyamatok B) Bayes-hálózatok C) Dinamikus döntési hálózatok D) Kalman-szűrők
A) Mechanizmustervezés B) Döntéshozatal elemzése C) Információérték-elmélet D) Várható érték-maximalizációs algoritmus
A) Naive Bayes osztályozó B) K-legközelebbi szomszéd algoritmus C) Döntési fa D) Támogatási vektor gép
A) Döntési fa B) Támogatási vektor gép C) Naive Bayes osztályozó D) K-legközelebbi szomszéd algoritmus
A) Szabályozók B) Neuronhálózatok C) Osztályozók D) Bayesi hálózatok
A) K-legközelebbi szomszéd algoritmus B) Támogatási vektor gép C) Naive Bayes osztályozó D) Döntési fa
A) Dinamikus döntési hálózatok B) Játékelmélet C) Rejtett Markov-modellek D) Döntéshozatal elemzése
A) Osztályozók B) Vezérlők C) Neuronhálózatok D) Bayes-hálózatok
A) Döntésteória B) Dinamikus Bayes-hálózatok C) Várható érték-maximalizációs algoritmus D) Kalman-szűrők
A) Mechanizmustervezés B) Markov-döntési folyamatok C) Dinamikus Bayes-hálózatok D) Játékelmélet
A) Sztokasztikus grádienstés B) Visszafelé propagáció C) Előrepropagáció D) Grádienstés
A) Mindkét irányban B) Visszafelé C) Egy irányban D) Váratlanul
A) Egész objektumok B) Szegélyek C) Számok D) Arcok
A) A jövőbeli tőzsdei trendek előrejelzése. B) Képek elemzése és értelmezése. C) Szövegek generálása a szavak közötti szemantikai kapcsolatok alapján. D) Nyelvek fordítása valós időben.
A) ChatGPT B) Claude C) Prolog D) Gemini
A) Scikit-learn. B) Keras. C) TensorFlow. D) PyTorch.
A) Jensen Huang. B) Gordon Moore. C) Alan Turing. D) John McCarthy.
A) Moore-törvény. B) Bell-törvény. C) Gibson-törvény. D) Huang-törvény.
A) IBM B) DeepMind C) Google D) Microsoft
A) MuZero B) Deep Blue C) AlphaStar D) Watson
A) 2023 B) 2021 C) 2019 D) 2024
A) SIMA B) MuZero C) AlphaStar D) Pluribus
A) Google Asszisztens B) Alexa C) Siri D) Cortana
A) Adatvezető (CDO) B) Információs vezető (CIO) C) Technológiai vezető (CTO) D) Automatizációs vezető (CAO)
A) AlphaGo B) Deep Blue C) Watson D) MuZero
A) Valós idejű stratégiai játékok. B) A Jeopardy! vetélkedőműsorok. C) Sakk és Go (kő-papír-kő). D) Olyan tökéletlen információval játszható játékok, mint például a póker.
A) AlphaStar B) Watson C) MuZero D) Deep Blue
A) Alibaba Group B) Microsoft C) OpenAI D) Google DeepMind
A) 84% B) 90% C) 75% D) 53%
A) Qwen2-Math B) AlphaTensor C) rStar-Math D) Gemini Deep Think
A) 75% B) 90% C) 84% D) 53%
A) Gemini Deep Think B) Qwen-7B C) rStar-Math D) AlphaTensor
A) Valószínűségi modellek B) Különböző topológiai megközelítések C) Természetes nyelvi feldolgozás D) Monte Carlo fa-keresés
A) 2023 február B) 2024 július C) 2017 december D) 2025 május
A) Apple B) Amazon C) Google D) Microsoft
A) 10% B) 20% C) 5% D) 50%
A) Adat titkosítás B) Blockchain technológia C) Felhőalapú tárolás D) Differenciális adatvédelem
A) Coca-Cola, PepsiCo, Red Bull, Monster B) Alphabet Inc., Amazon, Apple Inc., Meta Platforms, Microsoft C) Nike, Adidas, Puma, Reebok D) Tesla, SpaceX, Uber, Lyft
A) 10 millió dollár B) 50 millió dollár C) 100 millió dollár D) 25 millió dollár
A) 4,0 billió dollár B) 1,5 billió dollár C) 2,7 billió dollár D) 3,5 billió dollár
A) 2025 B) 2028 C) 2030 D) 2026
A) 5-szer B) 20-szer C) 10-szer D) 15-szer
A) 12% B) 8% C) 5% D) 10%
A) 5% B) 10% C) 3% D) 7%
A) Three Mile Island B) Susquehanna C) Fukushima D) Palisades atomerőmű
A) Amazon B) Microsoft C) Constellation Energy D) Talen Energy
A) Tajvan B) Szingapúr C) Japán D) Egyesült Államok
A) 10% B) 3% C) 7% D) 5%
A) A hamis információk terjedésének csökkentése. B) A felhasználói aktivitás maximalizálása. C) A pontos információk népszerűsítése. D) A tartalmi sokszínűség növelése.
A) Információs túlterhelés B) Szűrőbuborékok C) Visszhangkamrák D) Megérdésekkel való elfogultság
A) Tim Cook B) Geoffrey Hinton C) Bill Gates D) Elon Musk
A) Szintetikus média B) Hamis képek C) Mesterséges intelligencia által generált másolatok D) Hamis videók (deepfakes)
A) Digitális aláírások B) Személyazonosság igazolása C) AI etikai irányelvek D) Blockchain-alapú ellenőrzés
A) Pontosan 61% B) 75% C) 50% D) 80%
A) 50% B) 25% C) 10% D) Körülbelül 4%
A) Képviseleti igazságosság B) Előrejelző igazságosság C) Eljárási igazságosság D) Elosztási igazságosság
A) Hagyományos lőfegyver B) Autonóm, halálos fegyver C) Kibervédelemhez használt eszköz D) Felügyeleti célokra használt drónok
A) 2014 B) 2015 C) 2013 D) 2016
A) 60% B) 47% C) 9% D) 25%
A) 30% B) 9% C) 15% D) 47%
A) 30% B) 90% C) 70% D) 50%
A) Stuart J. Russell B) Stephen Hawking C) Eliezer Yudkowsky D) Wendell Wallach
A) Etikus számítástechnika B) Számítástechnikai etika C) Morális robotika D) Mesterséges intelligencia etika
A) Eliezer Yudkowsky B) Stuart J. Russell C) Stephen Hawking D) Wendell Wallach
A) A beépített biztonsági intézkedések hatástalanokká válhatnak a megfelelő képzés hiányában. B) Ök nem használhatók kereskedelmi célokra. C) Folyamatos internetkapcsolat szükséges a működésükhöz. D) Az architektúrájuk és a paramétereik titkosak.
A) AlphaGo B) ChatGPT C) GPT-3 D) DALL-E
A) 75% B) 5% C) 22% D) 50% |
Létrehozva That Quiz —
ahol a tesztkészítés és a tesztelés egyszerűvé válik a matematika és más tantárgyak számára.