人工智能第一、二单元单元测试
本套试题为单项选择题,共50题,每题2分,满分100分。请仔细阅读题目,从四个选项中选择最合适的答案。
Q4:下列选项中,**不属于**日常生活里人工智能应用的是()
扫地机器人自动清扫房间
普通手电筒通电发光
语音助手回答问题
拍照软件识别花卉种类
Q5:图灵测试的核心判断标准是()
机器运算速度是否超过人类
测试者能否区分对话对象是人类还是机器
机器是否可以自己编写程序
机器硬件是否模仿人脑结构
Q6:人工智能概念正式被提出的时期是()
起步发展期(1956‑60 年代初)
反思发展期(60‑70 年代初)
应用发展期(70‑80 年代)
蓬勃发展期(2011 年至今)
Q7:符号主义(模拟功能实现 AI)的典型代表是()
人工神经网络
知识图谱
强化学习
Transformer 注意力机制
Q8:下面关于 “训练、模型、推理” 说法正确的是()
训练是使用模型处理新数据得到结果
推理是用大量数据调整神经网络参数
训练完成之后得到可用的模型,推理使用模型处理新输入
模型只能训练一次,不能反复使用
Q9:被称为人工智能发展 “三驾马车” 的是()
存储、显示器、键盘
数据、算力、算法
网络、电源、操作系统
图像、音频、视频
Q10:人工智能处理中文文本的基本单位 token,我们也称为()
只有单个汉字
词 / 词元
标点符号
完整句子
Q11:机器分词主要依靠的是()
机器真正读懂句子的含义
统计词语出现的概率、匹配词表进行计算
完全照搬人类语文课本的语法
只能把文本切分为单个汉字
Q12:AlphaGo 围棋程序能够战胜人类棋手,它主要用到哪两种技术()
符号主义 + 知识图谱
神经网络 + 强化学习
仅依靠手工编写大量围棋规则
纯粹的文本分词算法
Q13:下列属于人工智能在医疗领域应用的是()
医生手写病历本
AI 医学影像辅助识别病灶
体温计测量体温
纸质药品说明书
Q14:下面哪一项属于行为主义(模拟行为实现 AI)的典型案例()
知识图谱推理事件关系
机器人不断试错学会稳定行走(强化学习)
知识图谱术语图谱
依靠固定规则做逻辑判断
Q15:当数据集规模不断增大时,人工智能模型准确率变化规律是()
准确率无限持续上升
初期明显提升,到达一定程度后提升变缓,存在瓶颈
准确率持续下降
数据集大小不会影响准确率
Q16:算力对于人工智能的作用,描述错误的是()
更强算力可以缩短模型训练时间
算力可以支撑更大、更复杂的 AI 模型
算力越强,不需要数据也能训练好模型
我国自主 AI 芯片为算力提供硬件支撑
Q17:误差反向传播算法主要用于()
训练人工神经网络,自动调整网络参数
实现图片的裁剪
做文本分词词表的人工录入
生成知识图谱节点
Q18:生成式大模型兴起大致时间是()
1956 年
1997 年深蓝下棋
2020 年前后
1972 年 MYCIN 医疗系统
Q19:1997 年 “深蓝” 战胜国际象棋人类冠军,属于哪个发展阶段()
低迷发展期
稳步发展期(90 年代中‑2010)
反思发展期
起步发展期
Q20:下面对知识图谱理解正确的是()
知识图谱模仿人脑神经元结构
知识图谱通过概念、事件之间的关系来推理事件
知识图谱属于行为主义实现方案
知识图谱只能处理图片不能处理文字
Q21:人工神经网络属于哪一种人工智能实现路线()
符号主义(模拟功能)
连接主义(模拟人脑结构)
行为主义(模拟行为)
群体智能
Q22:语言模型进行文本生成的基础原理是()
完全理解文章思想后进行文学创作
依据前文,统计预测下一个出现字词的可能性
随机胡乱输出文字,没有任何依据
只能生成古诗,不能生成普通文字
Q23:词语 “窗口”,在 “房间窗口” 和 “计算机窗口” 语义完全不同,解决该问题依靠()
固定不变的语义编码
根据上下文动态调整语义编码
增加分词词表字数,把两个意思分别录入
增大算力即可自动解决
Q24:两段文本语义越相近,则它们语义编码计算得到的距离会()
距离越大
距离越小
距离固定不变
和相似度没有关系
Q25:下面哪一个不属于人工智能在农业的应用()
无人机识别农田病虫害,精准施药
AI 分析土壤数据实现精准灌溉施肥
农民手动浇水施肥
图像识别监测农作物长势
Q26:在模拟图灵测试课堂活动中,如果测试者分不清人类和 AI 的回复,说明()
AI 拥有了人类一样真正的意识智慧
本次 AI 通过图灵测试
机器硬件已经等同于人脑
机器可以自主产生情感
Q27:下面对 token(记号)描述错误的是()
token 可以是单字、双字词、多字词甚至子词
token 的数量可以类比网络流量
中文模型的 token 只能是完整词语,不能是单个字符
分词就是将文本切分为一个个 token
Q28:早期基于手工编写大量规则的围棋程序 Fuego,主要属于哪一种思想()
符号主义(模拟功能)
连接主义
强化学习行为主义
神经网络
Q29:下面哪一项属于人工智能在工业领域应用()
智能工业机器人完成汽车装配焊接
工人手拿扳手组装零件
普通手电筒
纸质生产记录台账
Q30:自动统计构建词表的时候,核心参考的是()
老师人工指定词语
文本中字符相邻共同出现的频次
图片像素大小
计算机硬盘总容量
Q31:下列哪个案例,属于人工智能教育领域应用()
教师手写批改全部作业
AI 辅助批改作业,做个性化学习推送
纸质练习册
黑板手写板书
Q32:在文本分词案例 “南京市长江大桥”,机器分词依靠的是()
读懂地名含义,理解城市知识
计算不同切分方案的得分,选择得分最优的切分
固定把所有两个汉字都切分为词
随机进行切分
Q33:下列哪项,不属于生成式人工智能可以完成的任务()
输入提示生成一首古诗
根据文字描述生成配图
普通干电池点亮小灯泡
生成简单的小程序代码
Q34:下面对强化学习(行为主义)描述正确的是()
依靠大量手工编写逻辑规则完成任务
智能体和环境交互,通过奖励、惩罚反馈不断试错改进行为
完全模仿人脑神经元物理结构
只能用于文本处理,不能控制机器人
Q35:下列哪一事件,标志深度神经网络巨大潜力被广泛关注()
AlexNet 2012 图像识别竞赛取得优异成绩
1956 达特茅斯会议
MYCIN 医疗诊断系统发布
深蓝战胜国际象棋冠军
Q36:关于高质量数据对 AI 模型的作用,说法正确的是()
只要数据数量足够多,数据质量差也一定能得到好模型
丰富、高质量的数据是 AI 模型学习的 “养料”
训练模型不需要数据,只要算力和算法即可
数据只会用于推理,不会用于训练
Q37:语义编码的作用是()
只用单个数字编号记录词语
用一组数字向量,记录词语的多维度语义特征
专门用来分割文本完成分词
专门统计字词出现次数
Q38:达特茅斯会议,人工智能概念诞生是哪一年()
1956
1972
1997
2016
Q39:2016 年 AlphaGo 击败围棋世界冠军,主要体现哪两项技术结合()
深度学习 + 强化学习
知识图谱 + 手工规则
单纯词频统计
只有知识图谱
Q40:下面属于人工智能交通领域应用的是()
AI 优化红绿灯控制缓解拥堵,智能辅助驾驶
自行车脚踏前进
手写纸质地图
人力黄包车
Q41:机器自动生成诗句时,训练材料统计的是()
诗句作者的人生经历
训练文本里面相邻字词共同出现的频次
古诗纸张材质
古诗写作的年代历史事件
Q42:在三类 AI 实现路线中,连接主义的核心思想是()
编写大量逻辑规则模拟人类思考过程
模仿人脑神经元之间相互连接的结构
智能体不断试错,依靠奖惩学习行为
模仿蜂群群体协作
Q43:下列哪项不是人工智能科研领域的应用()
AI 加速筛选潜在实验材料,分析海量实验数据
科学家手写做实验记录
借助数据挖掘预测科研趋势
优化实验方案提升科研效率
Q44:在词表自动构建中,现代实际工程做法一般是()
完全依靠人工逐条录入全部新词
机器统计提取候选词,再人工审核优化
完全交给机器,人工完全不参与
只能使用古代词典,不能新增词语
Q45:对于大语言模型,下面理解正确的是()
大模型真正拥有自我意识,可以真正 “理解” 人类文字
大模型基于统计与神经网络,预测下一个 token,模拟语言表达
大模型不依赖任何训练数据
大模型只能处理中文,不能处理图片
Q46:下面哪个现象,最适合用群体智能解释()
单个机器人独自打扫全屋
蜂群协同完成筑巢,大量个体协同完成整体任务
知识图谱推理事件
人工神经网络图片识别
Q47:下列哪一个问题,是当前人工智能发展遇到的瓶颈()
高质量训练数据越来越稀缺;大模型训练消耗巨大能源
算力芯片产能完全无限,没有任何限制
所有现实任务 AI 效果已经 100% 完美
不需要任何数据就可以训练超强大模型
Q48:对图灵测试的局限,下面说法合理的是()
通过图灵测试就代表机器拥有真正人类意识
图灵测试只是分辨对话表现,不能证明机器拥有真正的思想意识
只要运算速度快就一定通过图灵测试
图灵测试可以用来检测图片识别准确率
Q49:任务:把图片里面的文字提取成电子文档,对应的 AI 技术是()
光学字符识别 OCR
强化学习机器人控制
知识图谱事件推理
图像绘画生成
Q50:下面哪种情况,会导致 AI 模型识别效果变差()
测试图片风格、样式,和训练数据集图片差异巨大
增大训练数据集数量,提升数据多样性
使用性能更强的算力硬件
使用效果更好的优化算法
Q51:文本语义相似度计算,不能做到的是()
判断两段文字表达的意思是否接近
辅助判断多语言文稿语义是否大体一致
直接证明文章内容客观事实的对错
做文本归类、情感分析辅助工作
Q52:下面属于符号主义(模拟功能)局限性的是()
面对复杂多变现实场景,单纯依靠人工编写规则不够灵活
完全不需要人工编写任何规则
只能处理图片不能处理文字
训练需要消耗巨大算力,没有任何实用场景
Q53:下面对推理(inference)概念理解正确的是()
推理就是拿大量数据反复调整神经网络参数
推理:使用已经训练完成的模型,处理新输入数据输出结果
推理过程需要重新训练模型参数
推理只能在训练阶段执行