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