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