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