Kecerdasan Buatan - Tes
A) Kecerdasan Buatan B) Integrasi Analog C) Kecerdasan Otomatis D) Kecerdasan Tingkat Lanjut
A) Sebuah pengujian untuk mengukur kemampuan sebuah mesin untuk menunjukkan perilaku cerdas yang tidak dapat dibedakan dari manusia. B) Sebuah pengujian untuk menentukan konsumsi daya sebuah mesin. C) Sebuah pengujian untuk mengevaluasi kekuatan fisik sebuah mesin. D) Sebuah pengujian untuk mengukur kecepatan pemrosesan sebuah mesin.
A) Ruby B) Python C) Java D) C++
A) Teknik untuk memprogram mesin secara manual. B) Sebagian dari kecerdasan buatan (AI) yang memungkinkan mesin untuk belajar dari data. C) Metode untuk meningkatkan keamanan jaringan. D) Proses perakitan komponen perangkat keras.
A) Notasi Numerik Standar B) Navigator Neuron yang Kuat C) Jaringan Saraf Rekuren D) Node Pemberitahuan Cepat
A) Sebuah jenis algoritma pembelajaran mesin. B) Ukuran kompleksitas data. C) Sebuah titik masa depan hipotetis di mana AI melampaui kecerdasan dan kendali manusia. D) Sebuah teknik manipulasi cuaca.
A) Meniru penglihatan manusia dan mengidentifikasi objek dalam gambar atau video. B) Menghasilkan pola piksel acak. C) Menguji komponen perangkat keras komputer. D) Menganalisis sinyal audio.
A) Sebuah program untuk permainan realitas virtual. B) Sebuah program untuk komposisi musik. C) Sebuah program untuk desain grafis. D) Sebuah program yang mensimulasikan percakapan dengan pengguna.
A) Mengoptimalkan penggunaan memori komputer. B) Menghasilkan angka acak. C) Mencari jalur terpendek dalam sebuah grafik. D) Mendeteksi kesalahan dalam data.
A) Kinerja Logistik Terhubung B) Pola Linguistik Non-Linear C) Protokol Pembelajaran Neural D) Pemrosesan Bahasa Alami
A) 1980 B) 1956 C) 1965 D) 1972
A) Pembelajaran B) Representasi pengetahuan C) Penalaran D) Komputasi kuantum
A) OpenAI B) IBM C) Microsoft D) Intel
A) Jaringan saraf konvolusional B) Arsitektur Transformer C) Perceptron D) Jaringan saraf rekuren
A) Sistem rekomendasi B) Kendaraan otonom C) Mesin pencari web canggih D) Asisten virtual
A) Linguistik B) Astronomi C) Neurosains D) Psikologi
A) Keterikatan kuantum B) Logika formal C) Pencarian ruang keadaan D) Jaringan saraf tiruan
A) 1990-an B) 2000-an C) 2020-an D) 2010-an
A) Penurunan daya komputasi B) Penyederhanaan kompleksitas perangkat lunak C) Risiko eksistensial D) Pengurangan konsumsi energi
A) AI awal tidak dapat melakukan penalaran logis. B) Mereka tidak mampu memproses informasi yang tidak lengkap. C) Algoritma-algoritma tersebut mengalami 'ledakan kombinatorial' di mana kecepatannya menurun secara eksponensial seiring dengan meningkatnya kompleksitas masalah. D) Algoritma-algoritma ini memerlukan intervensi manusia untuk setiap langkah.
A) Manusia memecahkan masalah dengan mengikuti algoritma yang telah ditentukan sebelumnya. B) Manusia menggunakan kombinasi intuisi dan penalaran probabilistik secara eksklusif. C) Manusia menggunakan penilaian cepat dan intuitif, bukan deduksi langkah demi langkah. D) Manusia hanya mengandalkan deduksi logis, seperti yang dilakukan oleh model AI awal.
A) Beberapa tujuan yang harus dicapai secara bersamaan. B) Tugas-tugas yang ditetapkan secara acak tanpa urutan tertentu. C) Tidak ada tujuan atau preferensi yang jelas. D) Sebuah tujuan yang spesifik.
A) Pembelajaran penguatan (reinforcement learning) B) Pembelajaran dengan pengawasan (supervised learning) C) Pembelajaran tanpa pengawasan (unsupervised learning) D) Pembelajaran transfer (transfer learning)
A) Regresi membutuhkan lebih banyak data dibandingkan klasifikasi. B) Klasifikasi adalah jenis pembelajaran tanpa pengawasan. C) Klasifikasi menggunakan jaringan saraf, sedangkan regresi tidak. D) Klasifikasi memprediksi kategori, sedangkan regresi menyimpulkan fungsi numerik.
A) Pengambilan informasi B) Sintesis ucapan C) Representasi kata (word embedding) D) Penerjemahan mesin
A) Jaringan saraf konvolusional (CNN) B) Transformer yang telah dilatih sebelumnya (GPT) C) Jaringan saraf rekuren (RNN) D) Transformer
A) Pengenalan ucapan. B) Klasifikasi gambar. C) Pelacakan objek. D) Analisis sentimen teks.
A) Optimasi kawanan partikel. B) Metode penurunan gradien. C) Pencarian lokal. D) Pencarian adversarial (kompetitif).
A) Analisis tujuan-sarana. B) Algoritma backpropagation. C) Algoritma kecerdasan kawanan. D) Optimasi matematika.
A) Metode penurunan gradien. B) Optimasi koloni semut. C) Optimasi kawanan partikel. D) Komputasi evolusioner.
A) Optimasi kawanan partikel. B) Komputasi evolusioner. C) Penalaran deduktif. D) Penalaran induktif.
A) Ini menggunakan algoritma kecerdasan kelompok (swarm intelligence). B) Proses inferensi tidak dapat diputuskan secara pasti, sehingga membuatnya sulit dipecahkan. C) Ini memberikan nilai kebenaran antara 0 dan 1. D) Ini memerlukan metode penurunan gradien untuk optimasi.
A) Optimasi kawanan partikel. B) Optimasi koloni semut. C) Komputasi evolusioner. D) Metode penurunan gradien.
A) Proses pengambilan keputusan Markov B) Jaringan Bayesian C) Jaringan pengambilan keputusan dinamis D) Filter Kalman
A) Analisis pengambilan keputusan B) Algoritma ekspektasi-maksimisasi C) Teori nilai informasi D) Perancangan mekanisme
A) Algoritma K-nearest neighbor (tetangga terdekat) B) Pohon keputusan C) Klasifikasi Naive Bayes D) Mesin vektor pendukung
A) Pengklasifikasi Naive Bayes B) Pohon keputusan C) Algoritma K-nearest neighbor D) Mesin vektor dukungan
A) Pengontrol B) Jaringan saraf C) Jaringan Bayesian D) Pengklasifikasi
A) Pengklasifikasi Naive Bayes B) Algoritma K-nearest neighbor C) Pohon keputusan D) Mesin vektor penyangga
A) Model Markov tersembunyi B) Teori permainan C) Jaringan pengambilan keputusan dinamis D) Analisis pengambilan keputusan
A) Jaringan saraf B) Jaringan Bayesian C) Pengklasifikasi D) Pengontrol
A) Algoritma ekspektasi-maksimisasi B) Filter Kalman C) Jaringan Bayesian dinamis D) Teori pengambilan keputusan
A) Proses pengambilan keputusan Markov B) Jaringan Bayesian dinamis C) Teori permainan D) Perancangan mekanisme
A) Forward propagation (propagasi maju) B) Stochastic gradient descent (turunan gradien stokastik) C) Backpropagation (propagasi balik) D) Gradient descent (turunan gradien)
A) Secara acak B) Mundur C) Kedua arah D) Hanya satu arah
A) Angka B) Garis tepi C) Wajah D) Objek secara keseluruhan
A) Menerjemahkan bahasa secara langsung (real-time). B) Menganalisis dan menginterpretasikan gambar. C) Menghasilkan teks berdasarkan hubungan semantik antar kata. D) Memprediksi tren pasar saham di masa depan.
A) ChatGPT B) Claude C) Prolog D) Gemini
A) PyTorch. B) Keras. C) TensorFlow. D) Scikit-learn.
A) Jensen Huang. B) Alan Turing. C) Gordon Moore. D) John McCarthy.
A) Hukum Moore. B) Hukum Bell. C) Hukum Huang. D) Hukum Gibson.
A) Google B) Microsoft C) DeepMind D) IBM
A) Deep Blue B) AlphaStar C) Watson D) MuZero
A) 2023 B) 2024 C) 2019 D) 2021
A) Pluribus B) AlphaStar C) SIMA D) MuZero
A) Cortana B) Siri C) Alexa D) Google Assistant
A) Pejabat Utama Teknologi (CTO) B) Pejabat Utama Otomasi (CAO) C) Pejabat Utama Data (CDO) D) Pejabat Utama Informasi (CIO)
A) Deep Blue B) Watson C) AlphaGo D) MuZero
A) Acara kuis Jeopardy! B) Permainan yang melibatkan informasi tidak lengkap, seperti poker. C) Permainan strategi real-time. D) Catur dan Go.
A) AlphaStar B) Watson C) MuZero D) Deep Blue
A) Alibaba Group B) Microsoft C) OpenAI D) Google DeepMind
A) 84% B) 90% C) 53% D) 75%
A) Qwen2-Math B) AlphaTensor C) rStar-Math D) Gemini Deep Think
A) 90% B) 53% C) 84% D) 75%
A) rStar-Math B) AlphaTensor C) Gemini Deep Think D) Qwen-7B
A) Pemrosesan bahasa alami B) Model probabilistik C) Berbagai pendekatan topologi D) Pencarian pohon Monte Carlo
A) Desember 2017 B) Mei 2025 C) Februari 2023 D) Juli 2024
A) Microsoft B) Google C) Amazon D) Apple
A) 50% B) 10% C) 20% D) 5%
A) Teknologi blockchain B) Penyimpanan awan C) Privasi diferensial D) Enkripsi data
A) Nike, Adidas, Puma, Reebok B) Coca-Cola, PepsiCo, Red Bull, Monster C) Alphabet Inc., Amazon, Apple Inc., Meta Platforms, Microsoft D) Tesla, SpaceX, Uber, Lyft
A) $50 juta B) $25 juta C) $100 juta D) $10 juta
A) $4,0 triliun B) $1,5 triliun C) $2,7 triliun D) $3,5 triliun
A) 2026 B) 2030 C) 2028 D) 2025
A) 10 kali B) 15 kali C) 20 kali D) 5 kali
A) 5% B) 8% C) 12% D) 10%
A) 7% B) 10% C) 5% D) 3%
A) Fukushima B) Reaktor nuklir Palisades C) Susquehanna D) Three Mile Island
A) Microsoft B) Amazon C) Constellation Energy D) Talen Energy
A) Jepang B) Taiwan C) Amerika Serikat D) Singapura
A) 10% B) 3% C) 7% D) 5%
A) Mempromosikan informasi yang akurat. B) Meningkatkan keterlibatan pengguna. C) Meningkatkan keberagaman konten. D) Mengurangi penyebaran informasi yang salah.
A) Kelebihan informasi B) Ruang gema C) Bias konfirmasi D) Gelembung filter
A) Bill Gates B) Geoffrey Hinton C) Elon Musk D) Tim Cook
A) Gambar palsu B) Deepfake C) Media sintetis D) Klon AI
A) Kredensial kepribadian B) Verifikasi blockchain C) Pedoman etika AI D) Tanda tangan digital
A) 80% B) 50% C) Tepatnya 61% D) 75%
A) 10% B) 25% C) 50% D) Sekitar 4%
A) Keadilan representasional B) Keadilan prediktif C) Keadilan prosedural D) Keadilan distributif
A) Alat keamanan siber B) Drone yang digunakan untuk pengawasan C) Senjata otonom mematikan D) Senjata api konvensional
A) 2015 B) 2016 C) 2013 D) 2014
A) 25% B) 47% C) 9% D) 60%
A) 15% B) 9% C) 30% D) 47%
A) 70% B) 90% C) 50% D) 30%
A) Stuart J. Russell B) Wendell Wallach C) Eliezer Yudkowsky D) Stephen Hawking
A) Etika kecerdasan buatan B) Robotika moral C) Komputasi etis D) Moralitas komputasional
A) Stuart J. Russell B) Wendell Wallach C) Eliezer Yudkowsky D) Stephen Hawking
A) Model-model ini memerlukan konektivitas internet yang konstan. B) Model-model ini tidak dapat digunakan untuk tujuan komersial. C) Fitur keamanan bawaan dapat dinonaktifkan atau menjadi tidak efektif melalui pelatihan. D) Arsitektur dan parameternya dirahasiakan.
A) ChatGPT B) AlphaGo C) GPT-3 D) DALL-E
A) 22% B) 5% C) 75% D) 50% |
Dibuat dengan That Quiz —
situs pembuatan tes matematika dengan sumber daya untuk bidang studi lainnya.