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