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