Apa yang dimaksud dengan “Model Fine‑tuning” dalam Generative AI?

Menyesuaikan model yang sudah ada menggunakan dataset spesifik

Melatih model dari nol dengan data baru

Mengganti algoritma training dengan yang lebih cepat

Mengurangi ukuran model agar lebih ringan

Dokumen menekankan pentingnya “Human‑in‑the‑Loop”. Ini berarti:

Manusia tetap memvalidasi dan mengarahkan output AI

AI beroperasi sepenuhnya tanpa intervensi manusia

Hanya manusia yang membuat keputusan akhir tanpa AI

Menggunakan robot fisik untuk mengerjakan tugas rutin

Salah satu risiko etis yang perlu diwaspadai saat menggunakan Generative AI adalah:

Penyebaran konten palsu atau deepfake

Keterbatasan bandwidth internet

Kesulitan dalam menginstal software AI

Generative AI dapat didefinisikan sebagai:

Model yang menghasilkan konten baru (teks, gambar, audio) berdasarkan pola data

Algoritma prediksi nilai numerik

Teknologi jaringan saraf yang hanya offline

Contoh aplikasi Generative AI dalam manufaktur adalah:

Simulasi desain material baru menggunakan model GAN

Sistem manajemen inventaris berbasis barcode

Kontrol robotik berbasis PLC tradisional

Analisis keuangan dengan regresi linear

Manfaat utama Generative AI untuk R&D yang disebutkan:

Mengurangi kebutuhan tenaga ahli

Menghilangkan semua proses manual

Apa perbedaan utama antara “Generative AI” dan “Discriminative AI”?

Generative AI menghasilkan data baru, sedangkan Discriminative AI membedakan atau mengklasifikasikan data yang ada

Discriminative AI hanya dapat dipakai untuk gambar

Generative AI selalu lebih akurat

Tidak ada perbedaan, keduanya sinonim

Model “Transformer” berkontribusi pada Generative AI dengan cara:

Menerapkan mekanisme attention untuk menangkap hubungan jangka panjang dalam data

Menggunakan jaringan konvolusional untuk gambar

Mengandalkan decision tree tradisional

Mengoptimalkan kompresi data video saja

Contoh penggunaan Generative AI di bidang kreatif yang disebutkan:

Penciptaan musik dan melodi otomatis

Penulisan kode perangkat lunak secara manual

Pengolahan data sensor industri

Manajemen basis data relasional

Apa yang dimaksud dengan “Prompt Engineering”?

Merancang input teks yang optimal untuk mendapatkan output AI yang diinginkan

Membuat antarmuka pengguna grafis

Mengembangkan sistem operasi khusus AI

Dalam konteks keamanan, Generative AI dapat menimbulkan risiko:

Pembuatan konten berbahaya seperti phishing atau deepfake

Kehabisan listrik pada data center

Penurunan kecepatan jaringan internet

Salah satu prinsip etika yang ditekankan dalam dokumen adalah:

Transparansi penggunaan AI dan pemberitahuan kepada pengguna

Menggunakan data tanpa izin karena sifat publiknya

Menghapus semua jejak audit log

Mengabaikan regulasi privasi data

Data apa yang dianggap paling krusial untuk melatih model Generative AI yang efektif?

Data tidak berlabel dengan variasi tinggi

Data terstruktur dengan label lengkap

Data yang di‑snapshot dari satu sumber saja

Langkah “pembersihan data” meliputi:

Menghapus duplikasi, memperbaiki kesalahan, menstandarisasi format

Mengacak urutan data secara acak

Mengonversi semua data menjadi gambar

Tantangan etis terkait data yang disebutkan adalah:

Penggunaan data pribadi tanpa persetujuan eksplisit

Penyimpanan data di cloud publik secara gratis

Kurangnya kemampuan komputer memproses data besar

Tidak tersedia API untuk mengakses data

Apa peran “Metadata” dalam manajemen data generatif?

Memberikan informasi kontekstual tentang sumber, kualitas, dan hak penggunaan

Dalam dokumen, “Data Provenance” berarti:

Merekam asal-usul, sejarah, dan transformasi data

Mengacak sumber data untuk keamanan

Menyimpan data hanya dalam format terkompresi

Salah satu teknik augmentasi data yang cocok untuk gambar generatif adalah:

Rotasi, flipping, dan perubahan warna

Menambahkan noise pada file PDF

Apa yang dimaksud dengan “Data Drift” dalam konteks AI?

Perubahan distribusi data yang masuk dibandingkan data training

Penurunan kualitas jaringan internet

Perubahan format file menjadi CSV

Untuk memastikan kepatuhan GDPR, dokumen menyarankan:

Memberikan opsi penghapusan data (“right to be forgotten”) kepada pengguna

Mengabaikan persetujuan pengguna karena data bersifat anonim

Menggunakan data tanpa enkripsi

Salah satu manfaat penggunaan “Data Versioning” adalah:

Memungkinkan reproduktifitas eksperimen AI dengan melacak tiap perubahan dataset

Mengurangi ukuran penyimpanan secara drastis

Menghilangkan kebutuhan backup data

Mempercepat proses training secara otomatis

Perbedaan utama antara pembelajaran Supervised dan Unsupervised adalah:

Supervised menggunakan data berlabel, sedangkan Unsupervised tidak berlabel

Supervised hanya untuk prediksi numerik

Unsupervised selalu menghasilkan gambar

Supervised tidak memerlukan proses pelatihan

Reinforcement Learning (RL) paling cocok untuk masalah:

Pengoptimalan kebijakan penentuan harga dinamis dalam real‑time

Penyaringan foto di media sosial

Prediksi cuaca dengan regresi linear

Teknologi AI yang menjadi pondasi Generative AI menurut dokumen:

Jaringan Saraf Tiruan (Neural Networks) khususnya arsitektur “Transformer”

Sistem Pakar berbasis aturan hard‑coded

Algoritma pencarian heuristik klasik

Apa fungsi utama “Attention Mechanism” dalam model Transformer?

Menentukan kontribusi relatif tiap token input terhadap output

Mengurangi dimensi data menjadi satu nilai

Menyimpan model dalam format XML

Model “Convolutional Neural Network (CNN)” paling sering digunakan untuk:

Prediksi nilai saham dengan time‑series

Dalam konteks AI, apa itu “Explainable AI (XAI)”?

Kerangka kerja yang memungkinkan manusia memahami keputusan model

AI yang dapat menghasilkan gambar realistik

AI yang beroperasi secara offline

AI yang hanya menggunakan data terstruktur

Salah satu kelebihan “Edge AI” dibandingkan AI berbasis cloud adalah:

Mengurangi latensi dan meningkatkan privasi data

Memerlukan koneksi internet terus‑menerus

Membutuhkan server data center besar

Apa peran “AutoML” dalam pengembangan model AI?

Mengotomatiskan proses pemilihan model, hyperparameter, dan pipeline

Menulis kode Python secara manual

Mengganti semua data scientist dengan robot

Hanya berfungsi pada data gambar

Model “Recurrent Neural Network (RNN)” terutama dipakai untuk:

Pengolahan data berurutan seperti teks atau sinyal waktu

Dokumen menekankan pentingnya “Model Monitoring”. Ini meliputi:

Memantau performa, drift, dan bias model secara berkelanjutan

Menonaktifkan semua log setelah deployment

Menghapus data training setelah model selesai

Hanya melakukan monitoring pada akhir tahun

Keunggulan model “Diffusion” dibandingkan GAN dalam menghasilkan gambar adalah:

Lebih stabil selama proses pelatihan dan menghasilkan detail yang lebih halus

Memerlukan lebih sedikit data pelatihan

Dapat dijalankan pada perangkat seluler tanpa optimasi

Dalam konteks bisnis, Generative AI dapat membantu pembuatan konten marketing dengan cara:

Menghasilkan variasi teks iklan dan visual secara cepat berdasarkan brief singkat

Mengganti seluruh tim kreatif secara otomatis

Mengirim email secara otomatis tanpa review manusia

Mengoptimalkan biaya iklan dengan algoritma bidding tradisional

Model “Variational Autoencoder (VAE)” berfungsi utama untuk:

Mempelajari representasi terkompresi (latent space) untuk menghasilkan data baru

Mengklasifikasikan gambar ke dalam kategori tetap

Menyimpan data dalam format ZIP

Salah satu tantangan pelatihan GAN yang disebutkan dalam dokumen adalah:

Mode collapse, di mana generator menghasilkan output seragam

Keterbatasan RAM pada komputer desktop

Apa perbedaan utama antara “Conditional GAN” dan GAN standar?

Conditional GAN menerima label atau kondisi tambahan untuk mengendalikan output

Conditional GAN tidak memerlukan discriminator

GAN standar menghasilkan video, bukan gambar

Tidak ada perbedaan, hanya nama lain

Dalam pipeline Generative AI, tahap “Prompt Refinement” bertujuan:

Menyempurnakan input teks agar model menghasilkan output yang lebih relevan

Mengganti model dengan yang lebih kecil

Menambahkan noise pada gambar output

Salah satu contoh penggunaan Generative AI di bidang desain produk adalah:

Menghasilkan konsep bentuk produk secara otomatis menggunakan AI‑driven generative design

Membuat prototipe fisik secara manual

Menghitung biaya produksi dengan spreadsheet

Mengirimkan laporan PDF ke klien tanpa revisi

Apa yang dimaksud dengan “Latent Space Interpolation” dalam konteks model generatif?

Menciptakan transisi mulus antara dua titik di ruang laten untuk menghasilkan variasi output

Menggabungkan dua dataset terpisah

Mengurangi ukuran file menjadi 0 KB

Menyimpan model dalam format .exe

Dokumen menekankan pentingnya “Responsible AI” dalam penggunaan Generative AI, meliputi:

Menerapkan kebijakan etika, transparansi, dan kontrol kualitas pada output AI

Mengabaikan hak cipta konten yang dihasilkan

Menjual model generatif tanpa lisensi

Menyimpan semua data dalam format teks biasa

Manfaat utama Generative AI untuk meningkatkan efisiensi operasional yang disebutkan adalah:

Otomatisasi pembuatan dokumen teknis, laporan, dan desain produk

Mengurangi jumlah rapat bulanan

Menghilangkan kebutuhan departemen IT

Menurunkan gaji karyawan secara signifikan

AHMAD219GENAI

Authored by E Center

Computers

Professional Development

AI Actions

Add similar questions

Adjust reading levels

Convert to real-world scenario

Translate activity

More...

Content View

Student View

70 questions

Show all answers

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Apa tujuan utama implementasi Generative AI bagi pemimpin bisnis?

Mengurangi biaya pemasaran

Meningkatkan inovasi produk dan efisiensi operasional

Menggantikan seluruh tenaga kerja manusia

Membatasi akses data pelanggan

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Tantangan terbesar yang disebutkan dalam adopsi Generative AI adalah:

Keterbatasan hardware GPU

Kekurangan data pelatihan yang berkualitas

Kurangnya minat pasar

Regulasi yang terlalu ketat

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Langkah pertama yang direkomendasikan dalam proses implementasi Generative AI ialah:

Membeli solusi AI komersial

Mengidentifikasi use‑case bisnis yang tepat

Membentuk tim AI internal

Mengadakan pelatihan seluruh karyawan

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Menurut dokumen, manfaat utama Generative AI untuk R&D adalah:

Otomatisasi semua eksperimen laboratorium

Mempercepat eksplorasi desain konseptual

Menggantikan tim ilmuwan

Menurunkan biaya lisensi perangkat lunak

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Faktor kunci keberhasilan adopsi AI yang ditekankan adalah:

Memilih vendor termurah

Kolaborasi lintas‑departemen

Menggunakan hardware lama

Mengurangi jumlah karyawan IT

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Apa peran “Data Governance” dalam konteks Generative AI?

Menyimpan semua data di cloud publik

Menetapkan kebijakan kualitas, keamanan, dan kepatuhan data

Menghapus data historis secara otomatis

Mengganti data scientist dengan AI otomatis

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Salah satu contoh use‑case Generative AI di bidang pemasaran yang disebutkan adalah:

Analisis sentimen media sosial secara manual

Pembuatan variasi konten iklan berbasis brief singkat

Penjadwalan posting media sosial secara acak

Pengiriman email massal tanpa segmentasi

Access all questions and much more by creating a free account

Create resources

Host any resource

Get auto-graded reports

Continue with Google

Continue with Email

Continue with Classlink

Continue with Clever

or continue with

Microsoft

Apple

Others

Already have an account?

Similar Resources on Wayground

73 questions

TIK - CTS

Quiz

•

Professional Development

75 questions

PL -100 Microsoft Power Platform

Quiz

•

Professional Development

75 questions

1. AI training –ΓΕΝΙΚΑ ΓΙΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 17-190 CHATGPT

Quiz

•

Professional Development

65 questions

SF App Builder (P1)

Quiz

•

Professional Development

Popular Resources on Wayground

15 questions

Fractions on a Number Line

Quiz

•

3rd Grade

10 questions

Probability Practice

Quiz

•

4th Grade

15 questions

Probability on Number LIne

Quiz

•

4th Grade

20 questions

Equivalent Fractions

Quiz

•

3rd Grade

25 questions

Multiplication Facts

Quiz

•

5th Grade

$fractions$

22 questions

fractions

Quiz

•

3rd Grade

6 questions

Appropriate Chromebook Usage

Lesson

•

7th Grade

10 questions

Greek Bases tele and phon

Quiz

•

6th - 8th Grade

Discover more resources for Computers

20 questions

Black History Month Trivia Game #1

Quiz

•

Professional Development

20 questions

90s Cartoons

Quiz

•

Professional Development

12 questions

Mardi Gras Trivia

Quiz

•

Professional Development

7 questions

Copy of G5_U5_L14_22-23

Lesson

•

KG - Professional Dev...

12 questions

Unit 5: Puerto Rico W1

Quiz

•

Professional Development

42 questions

LOTE_SPN2 5WEEK2 Day 4 We They Actividad 3

Quiz

•

Professional Development

15 questions

Balance Equations Hangers

Quiz

•

Professional Development

31 questions

Servsafe Food Manager Practice Test 2021- Part 1

Quiz

•

9th Grade - Professio...