Τεχνητή νοημοσύνη - εξέταση
A) Τεχνητή νοημοσύνη B) Ανάλογη ολοκλήρωση C) Προηγμένη νοημοσύνη D) Αυτοματοποιημένη νοημοσύνη
A) Δοκιμή για τη μέτρηση της ταχύτητας επεξεργασίας ενός μηχανήματος B) Δοκιμή για την αξιολόγηση της φυσικής αντοχής μιας μηχανής C) Δοκιμή για τον προσδιορισμό της κατανάλωσης ενέργειας ενός μηχανήματος D) Δοκιμή της ικανότητας μιας μηχανής να επιδεικνύει ευφυή συμπεριφορά που δεν διακρίνεται από την ανθρώπινη.
A) Ruby B) Java C) C++ D) Python
A) Μέθοδος για τη βελτίωση της ασφάλειας δικτύου B) Ένα υποσύνολο της τεχνητής νοημοσύνης που επιτρέπει στις μηχανές να μαθαίνουν από δεδομένα C) Μια τεχνική χειροκίνητου προγραμματισμού μηχανών D) Μια διαδικασία συναρμολόγησης εξαρτημάτων υλικού
A) Ανίχνευση σφαλμάτων στα δεδομένα B) Δημιουργία τυχαίων αριθμών C) Εύρεση της συντομότερης διαδρομής σε ένα γράφημα D) Βελτιστοποίηση της χρήσης της μνήμης του υπολογιστή
A) Επαναλαμβανόμενο νευρωνικό δίκτυο B) Κόμβος ταχείας ειδοποίησης C) Ανθεκτικός πλοηγός νευρώνων D) Κανονικός αριθμητικός συμβολισμός
A) Ένας τύπος αλγορίθμου μηχανικής μάθησης B) Μια τεχνική χειραγώγησης του καιρού C) Ένα υποθετικό μελλοντικό σημείο στο οποίο η τεχνητή νοημοσύνη θα ξεπεράσει την ανθρώπινη νοημοσύνη και τον έλεγχο D) Ένα μέτρο της πολυπλοκότητας των δεδομένων
A) Δημιουργία τυχαίων μοτίβων εικονοστοιχείων B) Δοκιμή εξαρτημάτων υλικού υπολογιστών C) Μίμηση της ανθρώπινης όρασης και εντοπισμός αντικειμένων σε εικόνες ή βίντεο D) Ανάλυση ηχητικών σημάτων
A) Μη γραμμικό γλωσσικό μοτίβο B) Δικτυωμένη λογιστική απόδοση C) Πρωτόκολλο νευρωνικής μάθησης D) Επεξεργασία φυσικής γλώσσας
A) Ένα πρόγραμμα για παιχνίδια εικονικής πραγματικότητας B) Ένα πρόγραμμα για γραφιστική σχεδίαση C) Ένα πρόγραμμα που προσομοιώνει τη συνομιλία με ανθρώπους-χρήστες D) Ένα πρόγραμμα για τη σύνθεση μουσικής
A) 1956 B) 1972 C) 1965 D) 1980
A) Μάθηση B) Αναπαράσταση γνώσης C) Κβαντικός υπολογισμός D) Λογική
A) IBM B) Microsoft C) Intel D) OpenAI
A) Συνελικτικό νευρωνικό δίκτυο B) Αρχιτεκτονική Transformer C) Επαναληπτικό νευρωνικό δίκτυο D) Περσέπτρον
A) Αυτόνομα οχήματα B) Εικονικοί βοηθοί C) Προηγμένοι μηχανές αναζήτησης στο διαδίκτυο D) Συστήματα προτάσεων
A) Γλωσσολογία B) Νευροεπιστήμη C) Ψυχολογία D) Αστρονομία
A) Τεχνητά νευρωνικά δίκτυα B) Τυπική λογική C) Κβαντική διεμπλοκή D) Αναζήτηση χώρου καταστάσεων
A) 1990 B) 2020 C) 2010 D) 2000
A) Μειωμένη υπολογιστική ισχύς B) Υπαρξιακοί κίνδυνοι C) Μειωμένη πολυπλοκότητα λογισμικού D) Μειωμένη κατανάλωση ενέργειας
A) Δεν ήταν σε θέση να επεξεργαστούν καμία μορφή ελλιπών πληροφοριών. B) Αυτοί οι αλγόριθμοι απαιτούσαν ανθρώπινη παρέμβαση σε κάθε βήμα. C) Αυτοί οι αλγόριθμοι αντιμετωπίζουν ένα φαινόμενο «εκθετικής αύξησης» όπου η ταχύτητά τους μειώνεται δραματικά καθώς τα προβλήματα γίνονται πιο σύνθετα. D) Οι πρώιμοι αλγόριθμοι τεχνητής νοημοσύνης δεν μπορούσαν να πραγματοποιήσουν λογικούς συλλογισμούς.
A) Οι άνθρωποι επιλύουν προβλήματα ακολουθώντας προκαθορισμένους αλγορίθμους. B) Οι άνθρωποι χρησιμοποιούν έναν συνδυασμό διαίσθησης και πιθανολογικής σκέψης αποκλειστικά. C) Οι άνθρωποι βασίζονται αποκλειστικά σε λογικούς συλλογισμούς, όπως τα πρώιμα μοντέλα τεχνητής νοημοσύνης. D) Οι άνθρωποι χρησιμοποιούν γρήγορες, διαισθητικές κρίσεις αντί για βήμα προς βήμα λογική.
A) Καμία σαφήνεια σχετικά με τον στόχο ή την προτίμηση. B) Πολλαπλούς στόχους που πρέπει να επιτευχθούν ταυτόχρονα. C) Έναν συγκεκριμένο στόχο. D) Εργασίες που ανατίθενται τυχαία, χωρίς συγκεκριμένη σειρά.
A) Μάθηση με ενίσχυση B) Μεταφορά μάθησης C) Επιβλεπόμενη μάθηση D) Μη επιβλεπόμενη μάθηση
A) Η ταξινόμηση χρησιμοποιεί νευρωνικά δίκτυα, ενώ η παλινδρόμηση όχι. B) Η ταξινόμηση είναι ένας τύπος μη εποπτευόμενης μάθησης. C) Η παλινδρόμηση απαιτεί περισσότερα δεδομένα από την ταξινόμηση. D) Η ταξινόμηση προβλέπει κατηγορίες, ενώ η παλινδρόμηση εξάγει αριθμητικές συναρτήσεις.
A) Σύνθεση ομιλίας B) Μηχανική μετάφραση C) Ανάκτηση πληροφοριών D) Ενσωμάτωση λέξεων
A) Γενετικά προεκπαιδευμένα μετασχηματιστικά μοντέλα (GPT) B) Μετασχηματιστές (Transformers) C) Συνελικτικά νευρωνικά δίκτυα (CNN) D) Επαναλαμβανόμενα νευρωνικά δίκτυα (RNN)
A) Ανάλυση συναισθημάτων από κείμενο. B) Ανίχνευση αντικειμένων. C) Ταξινόμηση εικόνων. D) Αναγνώριση ομιλίας.
A) Βελτιστοποίηση με χρήση σμήνους σωματιδίων. B) Μέθοδος κλίσης. C) Τοπική αναζήτηση. D) Ανταγωνιστική αναζήτηση.
A) Αλγόριθμοι νοημοσύνης σμήνους. B) Αλγόριθμος οπισθοδιάδοσης. C) Ανάλυση μέσων-στόχων. D) Μαθηματική βελτιστοποίηση.
A) Κλιμακωτή κάθοδος (gradient descent). B) Εξελικτικός υπολογισμός (evolutionary computation). C) Βελτιστοποίηση με σμήνος σωματιδίων (particle swarm optimization). D) Βελτιστοποίηση με αποικίες μυρμηγκιών (ant colony optimization).
A) Εξελικτικός υπολογισμός. B) Συμπερασματική λογική. C) Επαγωγική λογική. D) Βελτιστοποίηση με χρήση συνόλων σωματιδίων.
A) Απαιτεί τη χρήση της μεθόδου της κλιμακωτής καθόδου για τη βελτιστοποίηση. B) Χρησιμοποιεί αλγορίθμους βασισμένους στην ομαδική νοημοσύνη. C) Αποδίδει βαθμούς αλήθειας μεταξύ 0 και 1. D) Η εξαγωγή συμπερασμάτων είναι απρόβλεπτη, καθιστώντας την επίλυση προβλημάτων δύσκολη.
A) Κλιμακωτή καθοδική μέθοδος. B) Βελτιστοποίηση μέσω αποικιών μυρμηγκιών. C) Εξελικτικός υπολογισμός. D) Βελτιστοποίηση μέσω σμήνους σωματιδίων.
A) Δυναμικά δίκτυα αποφάσεων B) Φίλτρα Kalman C) Δίκτυα Μπεϋζ D) Διαδικασίες απόφασης Markov
A) Θεωρία της αξίας της πληροφορίας B) Ανάλυση αποφάσεων C) Σχεδιασμός μηχανισμών D) Αλγόριθμος προσδοκίας-μεγιστοποίησης
A) Μηχανή διανυσμάτων υποστήριξης (Support vector machine) B) Ταξινομητής Naive Bayes C) Δέντρο αποφάσεων (Decision tree) D) Αλγόριθμος των πλησιέστερων γειτόνων (K-nearest neighbor algorithm)
A) Μηχανή διανυσματικής υποστήριξης B) Αλγόριθμος K-πλησιέστερων γειτόνων C) Ταξινομητής Naive Bayes D) Δέντρο αποφάσεων
A) Ταξινομητές B) Νευρωνικά δίκτυα C) Βεϋεσιανά δίκτυα D) Ελεγκτές
A) Δέντρο αποφάσεων B) Ταξινομητής Naive Bayes C) Αλγόριθμος K-πλησιέστερων γειτόνων D) Μηχανή διανυσμάτων υποστήριξης
A) Θεωρία παιγνιδιών B) Ανάλυση αποφάσεων C) Δυναμικά δίκτυα αποφάσεων D) Κρυφά μοντέλα Markov
A) Ιούλιος 2024 B) Δεκέμβριος 2017 C) Μάιος 2025 D) Φεβρουάριος 2023
A) 10% B) 8% C) 12% D) 5%
A) 9% B) 47% C) 60% D) 25%
A) Ελεγκτές B) Βεβαιωτικά δίκτυα C) Ταξινομητές D) Νευρωνικά δίκτυα
A) Ψηφιακές υπογραφές B) Ηθικές οδηγίες για την τεχνητή νοημοσύνη C) Διαπιστευτήρια νομικής υπόστασης D) Επαλήθευση μέσω blockchain
A) 75% B) 53% C) 90% D) 84%
A) Μείωση της διάδοσης παραπληροφόρησης. B) Προώθηση ακριβών πληροφοριών. C) Ενίσχυση της ποικιλομορφίας του περιεχομένου. D) Μεγιστοποίηση της αλληλεπίδρασης των χρηστών.
A) Σχεδιασμός μηχανισμών B) Δυναμικά δίκτυα Bayes C) Διαδικασίες απόφασης Markov D) Θεωρία παιγνιδιών
A) ChatGPT B) AlphaGo C) DALL-E D) GPT-3
A) Stephen Hawking B) Stuart J. Russell C) Wendell Wallach D) Eliezer Yudkowsky
A) Τεχνολογία blockchain B) Κρυπτογράφηση δεδομένων C) Διαφορική ιδιωτικότητα D) Αποθήκευση στο cloud
A) 5% B) 7% C) 3% D) 10%
A) Constellation Energy B) Talen Energy C) Amazon D) Microsoft
A) 10% B) 50% C) 20% D) 5%
A) rStar-Math B) AlphaTensor C) Qwen2-Math D) Gemini Deep Think
A) Susquehanna B) Fukushima C) Πυρηνικό εργοστάσιο Three Mile Island D) Πυρηνικός αντιδραστήρας Palisades
A) DeepMind B) IBM C) Google D) Microsoft
A) Διάφορες τοπολογικές προσεγγίσεις B) Αναζήτηση δένδρου Monte Carlo C) Πιθανολογικά μοντέλα D) Επεξεργασία φυσικής γλώσσας
A) Google Assistant B) Cortana C) Siri D) Alexa
A) 100 εκατομμύρια δολάρια B) 10 εκατομμύρια δολάρια C) 25 εκατομμύρια δολάρια D) 50 εκατομμύρια δολάρια
A) 15% B) 47% C) 9% D) 30%
A) Watson B) Deep Blue C) AlphaStar D) MuZero
A) Google DeepMind B) Microsoft C) Alibaba Group D) OpenAI
A) Σιγκαπούρη B) Ταιβάν C) Ηνωμένες Πολιτείες D) Ιαπωνία
A) Οπισθοδιάδοση (Backpropagation) B) Εμπρόσθια διάδοση (Forward propagation) C) Κλιμακωτή καθοδός (Gradient descent) D) Στοχαστική κλιμακωτή καθοδός (Stochastic gradient descent)
A) Θεωρία αποφάσεων B) Δυναμικά δίκτυα Bayes C) Αλγόριθμος προσδοκίας-μεγιστοποίησης D) Φίλτρα Kalman
A) 10% B) 7% C) 3% D) 5%
A) 2013 B) 2016 C) 2015 D) 2014
A) 2026 B) 2028 C) 2025 D) 2030
A) 20 φορές περισσότερη B) 5 φορές περισσότερη C) 15 φορές περισσότερη D) 10 φορές περισσότερη
A) Scikit-learn. B) TensorFlow. C) PyTorch. D) Keras.
A) Επιβεβαίωση προκαταλήψεων B) Κλειστά περιβάλλοντα C) Φίλτρα προβολής D) Υπερφόρτωση πληροφοριών
A) Απαιτούν συνεχή σύνδεση στο διαδίκτυο. B) Δεν μπορούν να χρησιμοποιηθούν για εμπορικούς σκοπούς. C) Τα ενσωματωμένα μέτρα ασφαλείας μπορούν να εξασθενήσουν με την εκπαίδευση, καθιστώντας τα αναποτελεσματικά. D) Η αρχιτεκτονική και οι παράμετροί τους διατηρούνται μυστικές.
A) Gemini Deep Think B) AlphaTensor C) Qwen-7B D) rStar-Math
A) 90% B) 53% C) 75% D) 84%
A) MuZero B) Watson C) Deep Blue D) AlphaGo
A) 1,5 τρισεκατομμύρια δολάρια B) 3,5 τρισεκατομμύρια δολάρια C) 4,0 τρισεκατομμύρια δολάρια D) 2,7 τρισεκατομμύρια δολάρια
A) AlphaStar B) MuZero C) Deep Blue D) Watson
A) Ψεύτικα αντίγραφα (AI clones) B) Τεχνητά δημιουργημένα μέσα C) Ψεύτικες εικόνες D) Ψεύτικες εικόνες/βίντεο (Deepfakes)
A) Διευθυντής Πληροφορικής (CIO) B) Διευθυντής Τεχνολογίας (CTO) C) Διευθυντής Δεδομένων (CDO) D) Διευθυντής Αυτοματισμού (CAO)
A) 5% B) 75% C) 50% D) 22%
A) Διαδραστικά παιχνίδια τύπου κουίζ, όπως το Jeopardy! B) Παιχνίδια με ατελή πληροφόρηση, όπως το πόκερ. C) Παιχνίδια στρατηγικής σε πραγματικό χρόνο. D) Σκάκι και Go.
A) 2023 B) 2019 C) 2021 D) 2024
A) Ολόκληρα αντικείμενα B) Πρόσωπα C) Αριθμούς D) Γραμμές
A) Πίσω B) Και στις δύο κατευθύνσεις C) Μόνο σε μία κατεύθυνση D) Τυχαία
A) Ηθική στην επιστήμη των υπολογιστών B) Ηθική της τεχνητής νοημοσύνης C) Ηθική στη ρομποτική D) Υπολογιστική ηθική
A) 50% B) 75% C) Ακριβώς 61% D) 80%
A) 90% B) 50% C) 30% D) 70%
A) Ο νόμος του Bell. B) Ο νόμος του Moore. C) Ο νόμος του Gibson. D) Ο νόμος του Huang.
A) Geoffrey Hinton B) Elon Musk C) Bill Gates D) Tim Cook
A) Coca-Cola, PepsiCo, Red Bull, Monster B) Alphabet Inc., Amazon, Apple Inc., Meta Platforms, Microsoft C) Nike, Adidas, Puma, Reebok D) Tesla, SpaceX, Uber, Lyft
A) Amazon B) Microsoft C) Apple D) Google
A) Δικαιοσύνη στην αναπαράσταση B) Δικαιοσύνη στην κατανομή C) Δικαιοσύνη στις προβλέψεις D) Δικαιοσύνη στις διαδικασίες
A) Pluribus B) AlphaStar C) SIMA D) MuZero
A) Τεχνολογίες αεροσκαφών (drones) που χρησιμοποιούνται για επιτήρηση B) Συμβατικό πυροβόλο όπλο C) Εργαλείο κυβερνοασφάλειας D) Αυτόνομο θανατηφόρο όπλο
A) Eliezer Yudkowsky B) Stuart J. Russell C) Wendell Wallach D) Stephen Hawking
A) Δημιουργία κειμένου με βάση τις σημασιολογικές σχέσεις μεταξύ των λέξεων. B) Ανάλυση και ερμηνεία εικόνων. C) Πρόβλεψη των μελλοντικών τάσεων της χρηματιστηριακής αγοράς. D) Μετάφραση γλωσσών σε πραγματικό χρόνο.
A) Γκόρντον Μουρ. B) Τζον Μακάρθι. C) Άλαν Τιούρινγκ. D) Τζένσεν Χουάνγκ.
A) Gemini B) Claude C) Prolog D) ChatGPT
A) 50% B) 10% C) Περίπου 4% D) 25% |
Δημιουργήθηκε με That Quiz —
η παραγωγή δοκιμασιών στα μαθηματικά με στοιχεία για άλλες θεματικές ενότητες.