NEW
Font size
WorksheetsCourse 14_PTI_Quiz
Total questions: 25
Worksheet time: 8mins
Istilah yang tepat untuk “simulasi kecerdasan manusia pada mesin yang diprogram untuk berpikir dan belajar seperti manusia” adalah
Machine Learning
Deep Learning
Artificial Intelligence (AI)
Generative AI
Machine Learning (ML) paling tepat didefinisikan sebagai
Sistem pakar berbasis aturan statis
Subbidang AI yang mengembangkan algoritma dan model statistik agar mesin meningkatkan performanya berdasarkan pengalaman
Teknik kompresi data berukuran besar
Metode visualisasi data interaktif
Deep Learning membedakan diri dari machine learning tradisional terutama karena
Tidak membutuhkan data untuk dilatih
Menggunakan jaringan syaraf dengan banyak lapisan (deep neural networks)
Hanya berjalan di komputer kuantum
Selalu lebih cepat dari semua metode ML lain
Large Language Model (LLM) dirancang terutama untuk
Mengelola basis data relasional
Memahami dan menghasilkan teks mirip bahasa manusia
Mengolah sinyal analog menjadi digital
Mengoptimasi perangkat keras jaringan
GPT (Generative Pre-trained Transformer) digolongkan sebagai
Algoritma sorting khusus big data
Arsitektur deep learning untuk generasi teks mirip manusia
Model regresi linier multivariat
Metode enkripsi kunci publik
Pernyataan yang paling tepat tentang Generative AI adalah
Hanya mampu mengklasifikasikan data yang sudah ada
Menciptakan data baru dengan mempelajari pola dari data latih atau input
Tidak dapat digunakan untuk membuat konten kreatif
Tidak membutuhkan proses pelatihan sama sekali
Dalam salah satu definisi, AI digambarkan sebagai “the science and engineering of making intelligent machines”. Definisi ini menekankan bahwa AI adalah
Cabang seni visual
Disiplin yang memadukan ilmu dan rekayasa untuk membuat mesin cerdas
Sekadar kumpulan aturan logika sederhana
Teknologi jaringan komputer saja
Definisi AI yang menekankan kemampuan meniru pembelajaran, pemahaman, pemecahan masalah, pengambilan keputusan, kreativitas, dan otonomi terutama menyoroti
Optimalisasi biaya perangkat keras
Simulasi berbagai aspek kecerdasan manusia pada mesin
Penggantian total manusia di semua pekerjaan
Pengurangan ukuran model statistik
Definisi AI dari perspektif “data whose scale exceeds what humans can analyze” menekankan bahwa AI
Hanya berguna untuk dataset kecil
Relevan ketika skala data terlalu besar untuk dianalisis manusia secara manual
Tidak boleh digunakan untuk data besar
Selalu menggantikan semua metode statistik klasik
Definisi AI sebagai “machine-based system that can make predictions, recommendations, or decisions yang mempengaruhi lingkungan nyata maupun virtual” menunjukkan bahwa
AI selalu bekerja tanpa dampak pada dunia nyata
Output AI seringkali berupa prediksi/rekomendasi yang mempengaruhi tindakan atau sistem lain
AI hanya boleh digunakan di game
AI tidak boleh mengambil keputusan otonom
Peran Large Language Models dalam perkembangan AI modern adalah
Menggantikan seluruh algoritma optimasi klasik
Menjadi sistem AI yang mampu memahami pola bahasa dan menghasilkan teks untuk berbagai tugas seperti menulis dan menjawab pertanyaan
Hanya digunakan untuk kompresi teks
Tidak mendukung pemrosesan bahasa alami
Konferensi Dartmouth tahun 1956 penting bagi sejarah AI karena
Mengumumkan komputer pribadi pertama
Menandai kelahiran internet
Mencetuskan istilah “artificial intelligence” dan menjadi awal formal riset AI
Menghasilkan standar jaringan global
“Turing Test” yang diajukan Alan Turing pada 1950 bertujuan untuk
Mengukur kecepatan prosesor
Menentukan apakah mesin menunjukkan perilaku yang tak dapat dibedakan dari manusia dalam percakapan
Menguji kapasitas memori komputer
Menstandardkan bahasa pemrograman AI
ELIZA (1966) sering disebut sebagai salah satu program AI awal karena
Memainkan catur tingkat dunia
Mensimulasikan percakapan manusia sebagai chatbot sederhana (benar)
Mengendalikan robot industri
Mengolah citra medis resolusi tinggi
Istilah “AI Winter” pada tahun 1970-an merujuk pada
Periode ketika AI hanya digunakan di militer
Penurunan pendanaan dan minat karena hasil AI tidak memenuhi ekspektasi berlebihan
Masa ketika AI menggantikan banyak pekerjaan
Era dominasi komputer kuantum untuk AI
Kemenangan IBM Deep Blue atas Garry Kasparov pada 1997 menunjukkan bahwa
AI tidak cocok untuk permainan papan
Sistem AI dapat melampaui kemampuan manusia dalam permainan catur pada level juara dunia
AI tidak memerlukan algoritma khusus
Catur bukan masalah komputasional kompleks
IBM Watson yang menang di kuis Jeopardy! (2011) menonjol karena
Memakai sensor robotik canggih
Menunjukkan kemampuan pemahaman bahasa alami dan menjawab pertanyaan kompleks berbasis pengetahuan
Menggunakan jaringan sosial
Tidak menggunakan data sama sekali
Pengenalan Generative Adversarial Networks (GANs) pada 2014 penting karena
Menghapus kebutuhan data pelatihan
Memungkinkan mesin menghasilkan data realistis seperti gambar dan video melalui dua model yang saling berkompetisi
Menggantikan semua metode supervised learning
Hanya digunakan untuk enkripsi data
AlphaGo yang mengalahkan Lee Sedol (2016) dianggap tonggak AI karena
Go adalah permainan yang telah sepenuhnya terselesaikan
Menunjukkan AI dapat menguasai permainan dengan ruang kemungkinan sangat besar yang sebelumnya dianggap terlalu sulit bagi komputer
Tidak menggunakan pembelajaran mesin sama sekali
Hanya mengandalkan aturan eksplisit
Pengenalan GPT-3 oleh OpenAI pada 2020 menandai
Model pertama tanpa parameter
Lompatan besar dalam pemrosesan bahasa alami dengan kemampuan generasi teks yang sangat mirip manusia berskala besar
Akhir pengembangan LLM
Awal era tanpa data dalam AI
Urutan evolusi kemampuan AI yang muncul pada skema “ML > DL > ANI > AGI > ASI > Trans-AI = Meta-AI” merepresentasikan
Penurunan kompleksitas dari model ke hardware
Peningkatan tingkat kecerdasan dan generalitas sistem AI dari teknik dasar pembelajaran hingga kecerdasan super dan transenden
Proses debugging algoritma
Siklus hidup perangkat keras komputer
Artificial Narrow Intelligence (ANI) merujuk pada
Sistem AI yang bisa melakukan semua tugas kognitif manusia
Sistem AI yang sangat terspesialisasi pada satu atau beberapa tugas tertentu
Sistem AI yang tidak membutuhkan data
Sistem AI yang selalu memiliki kesadaran diri penuh
Artificial General Intelligence (AGI) sering dipahami sebagai
AI yang hanya unggul di permainan
AI dengan kemampuan kognitif yang setara atau lebih luas dari manusia di berbagai domain
AI tanpa kemampuan belajar
AI khusus untuk pengolahan citra
Artificial Superintelligence (ASI) dalam skema tersebut mengacu pada
Sistem yang selalu dikendalikan manusia secara manual
Kecerdasan mesin yang melampaui kecerdasan manusia di hampir semua aspek yang relevan
Sistem yang tidak dapat belajar sama sekali
Hanya sekadar peningkatan kecepatan komputasi
Tujuan utama riset keselamatan (AI safety) yang menonjol setelah 2023 adalah
Menghentikan seluruh pengembangan AI
Memastikan pengembangan dan penggunaan AI berjalan secara bertanggung jawab, mengurangi risiko terhadap manusia dan lingkungan
Menghilangkan semua regulasi
Mengalihkan semua riset ke komputer kuantum
