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