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