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