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