《人工智能概覽》期末考試復習題庫(含答案)一、單項選擇題（每題2分，共20分）1.以下關于人工智能（AI）的定義，最準確的是（）。A.機器模仿人類的所有行為B.計算機程序能夠執(zhí)行需要人類智能的任務C.機器人具備人類的情感和意識D.算法通過數(shù)據(jù)自動生成復雜代碼答案：B2.圖靈測試的核心目的是（）。A.驗證機器是否具備人類意識B.評估機器能否通過自然語言對話被誤判為人類C.測試機器的計算速度D.比較不同AI系統(tǒng)的圖像識別精度答案：B3.以下屬于符號主義（邏輯主義）AI學派的典型成果是（）。A.深度神經(jīng)網(wǎng)絡B.專家系統(tǒng)（如MYCIN）C.強化學習算法（如AlphaGo）D.卷積神經(jīng)網(wǎng)絡（CNN）答案：B4.機器學習的三要素不包括（）。A.模型B.數(shù)據(jù)C.策略D.算法答案：B（注：三要素為模型、策略、算法，數(shù)據(jù)是輸入基礎）5.以下哪項是監(jiān)督學習的典型應用？（）A.客戶分群（聚類）B.垃圾郵件分類C.異常檢測（如網(wǎng)絡攻擊識別）D.無標簽數(shù)據(jù)的特征提取答案：B6.卷積神經(jīng)網(wǎng)絡（CNN）的核心設計靈感來源于（）。A.人腦視覺皮層的層級特征提取機制B.邏輯推理的符號運算規(guī)則C.強化學習中的獎勵反饋機制D.遺傳算法的自然選擇過程答案：A7.自然語言處理（NLP）中，“情感分析”屬于（）任務。A.機器翻譯B.文本分類C.信息抽取D.對話系統(tǒng)答案：B8.以下關于大語言模型（如GPT-4）的描述，錯誤的是（）。A.基于Transformer架構B.僅需少量標注數(shù)據(jù)即可完成任務C.通過自監(jiān)督學習訓練D.能夠處理多模態(tài)輸入（如文本+圖像）答案：B（大模型仍需海量無標注數(shù)據(jù)訓練）9.強化學習中，“獎勵函數(shù)”的作用是（）。A.定義智能體的初始狀態(tài)B.指導智能體在環(huán)境中選擇最優(yōu)動作C.生成訓練數(shù)據(jù)D.優(yōu)化模型的參數(shù)更新策略答案：B10.人工智能倫理的核心問題不包括（）。A.算法偏見與歧視B.數(shù)據(jù)隱私保護C.機器意識的覺醒D.責任歸屬（如自動駕駛事故追責）答案：C（當前AI倫理關注實際應用風險，而非未實現(xiàn)的“意識”）二、填空題（每空1分，共20分）1.人工智能的英文縮寫是______（AI）。2.1956年______會議被視為AI學科的誕生標志（達特茅斯）。3.符號主義學派的核心思想是通過______模擬智能（符號推理）。4.機器學習中，“過擬合”指模型在______數(shù)據(jù)上表現(xiàn)過好，在______數(shù)據(jù)上表現(xiàn)差（訓練；測試）。5.深度學習的“深度”指神經(jīng)網(wǎng)絡的______數(shù)量（層級/層數(shù)）。6.計算機視覺中，______任務旨在為圖像中的每個像素分配類別（語義分割）。7.自然語言處理的底層技術包括詞嵌入（如Word2Vec）和______模型（語言）。8.強化學習的三要素是智能體、環(huán)境和______（獎勵函數(shù)）。9.生成式AI的典型應用包括______（文本生成/圖像生成等，任填其一）。10.人工智能的“可解釋性”指模型能夠______（清晰說明決策邏輯/讓人類理解推理過程）。三、判斷題（每題2分，共20分）1.圖靈測試通過的機器一定具備人類意識。（×）2.專家系統(tǒng)依賴大量領域知識和推理規(guī)則。（√）3.無監(jiān)督學習需要標注數(shù)據(jù)。（×）4.卷積層的作用是提取局部空間特征。（√）5.大語言模型（LLM）的參數(shù)量越大，性能一定越好。（×）（注：需結(jié)合數(shù)據(jù)質(zhì)量和任務適配性）6.強化學習中的“探索-利用”權衡指在已知最優(yōu)動作和嘗試新動作間平衡。（√）7.計算機視覺中的目標檢測任務只需輸出目標類別。（×）（需輸出位置+類別）8.人工智能的“通用智能”（AGI）已實現(xiàn)。（×）9.算法偏見可能源于訓練數(shù)據(jù)的偏差。（√）10.自動駕駛屬于弱人工智能（ANI）的應用。（√）四、簡答題（每題8分，共40分）1.簡述機器學習與傳統(tǒng)編程的區(qū)別。答：傳統(tǒng)編程是“輸入數(shù)據(jù)+規(guī)則→輸出結(jié)果”，需人工設計明確規(guī)則；機器學習是“輸入數(shù)據(jù)+算法→學習規(guī)則→輸出結(jié)果”，通過數(shù)據(jù)自動學習隱含規(guī)律。核心差異在于知識獲取方式：傳統(tǒng)編程依賴人類經(jīng)驗，機器學習依賴數(shù)據(jù)驅(qū)動的模式發(fā)現(xiàn)。2.解釋“連接主義”學派的核心觀點及典型技術。答：連接主義認為智能源于神經(jīng)元網(wǎng)絡的并行分布式處理，模擬人腦生物神經(jīng)網(wǎng)絡的結(jié)構與功能。典型技術包括人工神經(jīng)網(wǎng)絡（ANN）、深度學習（如CNN、RNN、Transformer），通過大量神經(jīng)元節(jié)點的連接權重調(diào)整實現(xiàn)智能。3.自然語言處理面臨的主要挑戰(zhàn)有哪些？（至少列出4點）答：（1）歧義性：同一語句可能有多種語義（如同音詞、多義詞）；（2）上下文依賴：語義理解需結(jié)合上下文（如指代消解）；（3）語言多樣性：不同語言的語法、結(jié)構差異大；（4）長距離依賴：長文本中信息關聯(lián)難以捕捉（如長句中的主謂一致）；（5）低資源語言：缺乏足夠標注數(shù)據(jù)的小語種處理困難。4.對比監(jiān)督學習與無監(jiān)督學習的異同。答：相同點：均屬于機器學習范疇，通過數(shù)據(jù)優(yōu)化模型參數(shù)。不同點：（1）數(shù)據(jù)標注：監(jiān)督學習使用帶標簽數(shù)據(jù)（輸入-輸出對），無監(jiān)督學習使用無標簽數(shù)據(jù)；（2）目標：監(jiān)督學習訓練模型擬合輸入-輸出映射（如分類、回歸），無監(jiān)督學習挖掘數(shù)據(jù)內(nèi)在結(jié)構（如聚類、降維）；（3）應用場景：監(jiān)督學習適用于目標明確的任務（如圖像分類），無監(jiān)督學習適用于探索性分析（如客戶分群）。5.簡述人工智能倫理中“算法公平性”的內(nèi)涵及典型問題。答：算法公平性指AI系統(tǒng)在不同群體（如性別、種族、地域）中不產(chǎn)生歧視或偏見。典型問題包括：（1）訓練數(shù)據(jù)偏差：歷史數(shù)據(jù)中存在的偏見（如招聘數(shù)據(jù)中女性晉升率低）被模型學習并放大；（2）評估指標單一：僅關注整體準確率，忽略不同子群體的表現(xiàn)差異（如人臉識別對膚色較深群體的誤識率更高）；（3）決策不透明：黑箱模型難以追溯偏見來源，導致責任難以界定。五、論述題（每題10分，共20分）1.結(jié)合實例，論述深度學習在醫(yī)療領域的應用及潛在風險。答：深度學習在醫(yī)療領域的應用包括：（1）醫(yī)學影像分析：如CNN用于肺癌早期篩查（通過CT圖像識別微小結(jié)節(jié)），提升診斷效率；（2）輔助診斷：RNN分析電子病歷，預測糖尿病并發(fā)癥風險；（3）藥物研發(fā)：生成式模型設計新型分子結(jié)構，縮短研發(fā)周期。潛在風險：（1）數(shù)據(jù)隱私：醫(yī)療數(shù)據(jù)包含敏感個人信息，模型訓練或推理過程中可能泄露；（2）誤診風險：模型依賴歷史數(shù)據(jù)，若數(shù)據(jù)覆蓋不全（如罕見病樣本少）可能導致漏診；（3）責任歸屬：若AI診斷錯誤導致醫(yī)療事故，醫(yī)生、開發(fā)者、醫(yī)院的責任劃分不明確；（4）算法偏見：訓練數(shù)據(jù)中某類患者（如老年人）樣本不足，可能導致模型對該群體診斷準確率下降。2.設計一個基于機器學習的智能推薦系統(tǒng)，需說明技術路線（包括數(shù)據(jù)來源、模型選擇、評估指標）。答：技術路線設計如下：（1）數(shù)據(jù)來源：用戶行為數(shù)據(jù)（點擊、購買、停留時長）、用戶屬性（年齡、性別、偏好標簽）、商品特征（類別、價格、銷量）。（2）模型選擇：采用協(xié)同過濾（CF）與深度學習結(jié)合的混合模型。協(xié)同過濾捕捉用戶-商品歷史交互模式；深度學習（如Wide&Deep模型）融合用戶/商品特征，提升泛化能力；若涉及序列行為（如近期瀏覽），可加入RNN或Transformer捕捉時間依賴。（3）訓練流程：數(shù)據(jù)預處理（缺失值填充、標準化、特征工程）→劃分訓練集/驗證集/測試集→模型訓練（優(yōu)化目標：交叉熵損失或均方誤差）→超參數(shù)調(diào)優(yōu)（如學習率、隱層維度）→模型驗證（避免過擬合）。（4）評估指標：-