A) Künstliche Intelligenz B) Automatisierte Intelligenz C) Analoge Integration D) Erweiterte Intelligenz
A) Ein Test zur Bewertung der physischen Stärke einer Maschine B) Ein Test zur Messung der Verarbeitungsgeschwindigkeit einer Maschine C) Ein Test der Fähigkeit einer Maschine, intelligentes Verhalten zu zeigen, das von dem eines Menschen nicht zu unterscheiden ist D) Ein Test zur Bestimmung des Stromverbrauchs einer Maschine
A) Python B) C++ C) Java D) Rubinrot
A) Ein Verfahren zur Verbesserung der Netzwerksicherheit B) Ein Teilbereich der KI, der es Maschinen ermöglicht, aus Daten zu lernen C) Eine Technik zur manuellen Programmierung von Maschinen D) Ein Verfahren zum Zusammenbau von Hardwarekomponenten
A) Eine Technik zur Wettermanipulation B) Eine Art von Algorithmus für maschinelles Lernen C) Ein Maß für die Komplexität der Daten D) Ein hypothetischer zukünftiger Punkt, an dem KI die menschliche Intelligenz und Kontrolle übertrifft
A) Nachahmung des menschlichen Sehens und Identifizierung von Objekten in Bildern oder Videos B) Analysieren von Audiosignalen C) Generierung zufälliger Pixelmuster D) Testen von Computer-Hardware-Komponenten
A) Neuronales Lernprotokoll B) Vernetzte logistische Leistung C) Nichtlineare sprachliche Muster D) Verarbeitung natürlicher Sprache
A) Ein Programm, das Gespräche mit menschlichen Benutzern simuliert B) Ein Programm für Virtual-Reality-Spiele C) Ein Programm für Musikkomposition D) Ein Programm für Grafikdesign
A) Rekurrentes neuronales Netz B) Knotenpunkt für schnelle Benachrichtigung C) Reguläre numerische Notation D) Robuster Neuronennavigator
A) Optimierung der Speichernutzung von Computern B) Suche nach dem kürzesten Weg in einem Graphen C) Erkennung von Fehlern in Daten D) Generierung von Zufallszahlen
A) 1980 B) 1965 C) 1972 D) 1956
A) Lernen B) Quantencomputing C) Schlussfolgern D) Wissensrepräsentation
A) Intel B) OpenAI C) IBM D) Microsoft
A) Recurrent Neural Network (RNN, Rekurrentes Neuronales Netzwerk) B) Perzeptron C) Transformer-Architektur D) Convolutional Neural Network (CNN, Faltungsneuronales Netzwerk)
A) Empfehlungssysteme B) Autonome Fahrzeuge C) Virtuelle Assistenten D) Fortschrittliche Websuchmaschinen
A) Astronomie B) Neurowissenschaften C) Linguistik D) Psychologie
A) Zustandsraumsuche B) Formale Logik C) Quantenverschränkung D) Künstliche neuronale Netze
A) 1990er-Jahre B) 2020er-Jahre C) 2010er-Jahre D) 2000er-Jahre
A) Geringerer Energieverbrauch B) Verringerte Softwarekomplexität C) Reduzierte Rechenleistung D) Existenzielle Risiken
A) Sie waren nicht in der Lage, Informationen zu verarbeiten, die unvollständig waren. B) Frühe KI-Systeme konnten keine logischen Schlussfolgerungen ziehen. C) Diese Algorithmen erforderten menschliches Eingreifen bei jedem Schritt. D) Sie leiden unter einer 'kombinatorischen Explosion', wodurch sie exponentiell langsamer werden, wenn die Probleme komplexer werden.
A) Menschen treffen schnelle, intuitive Entscheidungen anstatt schrittweise Schlussfolgerungen zu ziehen. B) Menschen verlassen sich ausschließlich auf logische Schlussfolgerungen, ähnlich wie frühe KI-Modelle. C) Menschen lösen Probleme, indem sie vordefinierte Algorithmen befolgen. D) Menschen verwenden eine Kombination aus Intuition und probabilistischem Denken, und zwar ausschließlich.
A) Zufällig zugewiesene Aufgaben ohne bestimmte Reihenfolge. B) Mehrere Ziele, die gleichzeitig erreicht werden sollen. C) Kein klar definiertes Ziel oder keine Präferenz. D) Ein spezifisches Ziel.
A) Transferlernen B) Überwachtes Lernen C) Verstärkendes Lernen D) Unüberwachtes Lernen
A) Die Regression benötigt mehr Daten als die Klassifikation. B) Bei der Klassifikation werden neuronale Netze verwendet, während dies bei der Regression nicht der Fall ist. C) Die Klassifikation sagt Kategorien voraus, während die Regression numerische Funktionen ableitet. D) Die Klassifikation ist eine Art von unüberwachtem Lernen.
A) Wortvektordarstellung B) Sprachsynthese C) Informationsbeschaffung D) Maschinelle Übersetzung
A) Convolutional Neural Networks (CNNs) B) Generative, vortrainierte Transformer (GPT) C) Rekurrente Neuronale Netze (RNNs) D) Transformer
A) Textbasierte Sentimentanalyse. B) Objektverfolgung. C) Spracherkennung. D) Bildklassifizierung.
A) Gradientenabstieg. B) Schwarmintelligenz. C) Lokale Suche. D) Adversarielle Suche.
A) Backpropagation-Algorithmus. B) Mathematische Optimierung. C) Algorithmen für Schwarmintelligenz. D) Mittel-Ziele-Analyse.
A) Ameisenkolonie-Optimierung. B) Evolutionäre Algorithmen. C) Gradientenabstieg. D) Schwarmintelligenz.
A) Induktives Denken. B) Deduktives Denken. C) Evolutionäre Berechnung. D) Schwarmintelligenz-Optimierung.
A) Sie weist Wahrheitsgraden zwischen 0 und 1 zu. B) Sie erfordert Gradientenabstieg zur Optimierung. C) Sie verwendet Algorithmen der Schwarmintelligenz. D) Die Ableitung ist unentscheidbar, was sie unpraktisch macht.
A) Ameisenkolonie-Optimierung. B) Partikelschwarmoptimierung. C) Gradientenabstieg. D) Evolutionäre Berechnung.
A) Bayes'sche Netze B) Kalman-Filter C) Markov-Entscheidungsprozesse D) Dynamische Entscheidungsnetze
A) Entscheidungsanalyse B) Erwartungswert-Maximierungs-Algorithmus C) Theorie des Informationswerts D) Mechanismusdesign
A) Entscheidungsbaum B) Naive-Bayes-Klassifikator C) K-nächste-Nachbarn-Algorithmus D) Support-Vektor-Maschine
A) Entscheidungsbaum B) K-nächste-Nachbarn-Algorithmus C) Support-Vector-Maschine D) Naive-Bayes-Klassifikator
A) Klassifikatoren B) Regler C) Neuronale Netze D) Bayessche Netze
A) Entscheidungsbaum B) Naive-Bayes-Klassifikator C) Support-Vector-Maschine D) K-nächste-Nachbarn-Algorithmus
A) Verborgene Markov-Modelle B) Dynamische Entscheidungsnetze C) Entscheidungsanalyse D) Spieltheorie
A) Ethische Richtlinien für KI B) Blockchain-Verifizierung C) Nachweise der Persönlichkeit D) Digitale Signaturen
A) 7% B) 3% C) 10% D) 5%
A) Genau 61% B) 75% C) 80% D) 50%
A) 53% B) 84% C) 75% D) 90%
A) 2016 B) 2014 C) 2015 D) 2013
A) Ungefähr 4% B) 10% C) 50% D) 25%
A) 70% B) 30% C) 50% D) 90%
A) Geoffrey Hinton B) Tim Cook C) Elon Musk D) Bill Gates
A) Rückpropagation B) Vorwärtspropagation C) Stochastischer Gradientenabstieg D) Gradientenabstieg
A) AlphaTensor B) Gemini Deep Think C) Qwen2-Math D) rStar-Math
A) 3% B) 10% C) 5% D) 7%
A) Wahrscheinlichkeitsmodelle B) Natürliche Sprachverarbeitung C) Monte-Carlo-Baumsuche D) Verschiedene topologische Ansätze
A) 2028 B) 2025 C) 2026 D) 2030
A) Mai 2025 B) Februar 2023 C) Dezember 2017 D) Juli 2024
A) Deep Blue B) Watson C) MuZero D) AlphaStar
A) Deep Blue B) MuZero C) Watson D) AlphaGo
A) Regler B) Bayessche Netze C) Neuronale Netze D) Klassifikatoren
A) Markov-Entscheidungsprozesse B) Spieltheorie C) Dynamische Bayes'sche Netze D) Spieldesign
A) Cloud-Speicherung B) Datenverschlüsselung C) Differenzieller Datenschutz D) Blockchain-Technologie
A) Gemini Deep Think B) Qwen-7B C) rStar-Math D) AlphaTensor
A) Ziffern B) Gesichter C) Ganzheitliche Objekte D) Kanten
A) Leiter für Datenmanagement (CDO) B) Leiter für Technologie (CTO) C) Leiter für Automatisierung (CAO) D) Leiter für Informationstechnologie (CIO)
A) Bilder analysieren und interpretieren. B) Texte auf der Grundlage semantischer Beziehungen zwischen Wörtern generieren. C) Sprachen in Echtzeit übersetzen. D) Zukünftige Trends an den Aktienmärkten vorhersagen.
A) Claude B) ChatGPT C) Gemini D) Prolog
A) Constellation Energy B) Talen Energy C) Amazon D) Microsoft
A) 10 Millionen Dollar B) 100 Millionen Dollar C) 50 Millionen Dollar D) 25 Millionen Dollar
A) Vereinigte Staaten B) Taiwan C) Japan D) Singapur
A) 15-mal mehr B) 10-mal mehr C) 20-mal mehr D) 5-mal mehr
A) Ethisches Rechnen B) Ethik der künstlichen Intelligenz C) Moralische Robotik D) Berechnungsethik
A) 22% B) 50% C) 5% D) 75%
A) Alphabet Inc., Amazon, Apple Inc., Meta Platforms, Microsoft B) Tesla, SpaceX, Uber, Lyft C) Nike, Adidas, Puma, Reebok D) Coca-Cola, PepsiCo, Red Bull, Monster
A) 90% B) 84% C) 53% D) 75%
A) 5% B) 12% C) 10% D) 8%
A) Quizsendungen wie Jeopardy! B) Spiele mit unvollständiger Information, wie zum Beispiel Poker. C) Strategiespiele in Echtzeit. D) Schach und Go (Badminton).
A) Amazon B) Apple C) Microsoft D) Google
A) Verteilungsbezogene Gerechtigkeit B) Verfahrensbezogene Gerechtigkeit C) Repräsentationsbezogene Gerechtigkeit D) Vorhersagebezogene Gerechtigkeit
A) 25% B) 9% C) 60% D) 47%
A) Echokammern B) Informationsüberflutung C) Filterblasen D) Bestätigungsfehler
A) MuZero B) AlphaStar C) SIMA D) Pluribus
A) Alibaba Group B) Microsoft C) Google DeepMind D) OpenAI
A) TensorFlow. B) Scikit-learn. C) Keras. D) PyTorch.
A) Autonome Waffe mit tödlicher Wirkung B) Tool für Cybersicherheit C) Drohnen, die für Aufklärungszwecke eingesetzt werden D) Konventionelle Schusswaffe
A) Deepfakes B) Synthetische Medien C) KI-Klone D) Falsche Bilder
A) AlphaGo B) GPT-3 C) DALL-E D) ChatGPT
A) 2023 B) 2024 C) 2021 D) 2019
A) Alexa B) Google Assistant C) Siri D) Cortana
A) Dynamische Bayes'sche Netze B) Erwartungs-Maximierungs-Algorithmus C) Entscheidungstheorie D) Kalman-Filter
A) Maximierung der Nutzerinteraktion B) Förderung korrekter Informationen C) Reduzierung der Verbreitung von Fehlinformationen D) Verbesserung der Vielfalt der Inhalte
A) Microsoft B) DeepMind C) IBM D) Google
A) Ihre Architektur und Parameter werden geheim gehalten. B) Sie benötigen eine ständige Internetverbindung. C) Integrierte Sicherheitsmaßnahmen können durch Training unwirksam gemacht werden. D) Sie dürfen nicht für kommerzielle Zwecke verwendet werden.
A) 20% B) 50% C) 10% D) 5%
A) Eliezer Yudkowsky B) Stuart J. Russell C) Stephen Hawking D) Wendell Wallach
A) 47% B) 30% C) 15% D) 9%
A) Gordon Moore. B) John McCarthy. C) Jensen Huang. D) Alan Turing.
A) Wendell Wallach B) Stephen Hawking C) Stuart J. Russell D) Eliezer Yudkowsky
A) Rückwärts B) In beide Richtungen C) Zufällig D) Nur in eine Richtung
A) 4,0 Billionen Dollar B) 1,5 Billionen Dollar C) 3,5 Billionen Dollar D) 2,7 Billionen Dollar
A) Watson B) MuZero C) AlphaStar D) Deep Blue
A) Three Mile Island B) Kernreaktor Palisades C) Fukushima D) Susquehanna
A) Moores Gesetz. B) Gibsons Gesetz. C) Huangs Gesetz. D) Bells Gesetz. |