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