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