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