图灵测试用来评判机器是否具备智能，它的核心方式是（）
对比机器运算速度和人类计算速度
测试者通过文本对话区分人类与机器，无法分辨则机器通过测试
检测机器能不能完成数学计算题
检查设备硬件配置高低
下列关于人工智能发展历程说法正确的是（）
1956 年人工智能概念正式提出，开启起步发展期
AlphaGo 战胜人类象棋世界冠军
深蓝在 2016 年击败围棋顶尖选手
专家系统盛行属于人工智能低迷发展阶段
MYCIN 医疗诊断系统，属于专家系统，它的技术路线属于符号主义，符号主义实现智能依靠（）
模仿人脑神经元结构搭建网络
依靠规则逻辑、知识图谱模拟人类认知
依靠试错奖惩的强化学习
只统计图片像素的变化规律
扫地机器人不断在房间中行走，碰到障碍物就调整路线，不断尝试学会高效清扫，这种通过和环境交互、试错奖惩学习，属于（）
人工神经网络模仿的是（）
人脑神经元相互连接的结构
人类书写文字的笔画习惯
计算机硬盘存储文件机制
图像像素排列方式
将大量数据输入人工神经网络，不断调整内部参数，让网络学会处理任务，这个过程叫做（）
已经训练完成的神经网络模型，接收新的输入数据并且输出结果，该过程称为（）
下面不属于人工智能三大核心要素 “数据、算力、算法” 的是（）
在训练猫狗识别 AI 的时候，随着训练数据集不断增大，模型识别准确率变化规律是（）
准确率会无限制持续上涨
准确率先快速提升，到达一定程度之后提升放缓，存在性能瓶颈
数据集越大，准确率反而持续下降
数据集大小不会对识别准确率造成任何影响
关于算力对人工智能的影响，描述正确的是（）
算力越强，训练模型花费的时间会变长
强大算力可以支撑训练规模更大、参数更多的复杂 AI 模型
算力只能用于图像生成，对文本模型没有帮助
普通家用电脑和高性能 AI 芯片的算力没有差距
误差反向传播算法的主要作用是（）
完成图片格式转换
自动调整神经网络内部参数，实现神经网络训练
对文本内容进行加密
生成 AI 绘画图片
阅读文章时 AI 需要识别文本重点，大语言模型实现聚焦关键文本信息依靠（）
AI 处理中文文本时，把连续字符串切分成处理单元 token（词元）的过程称为（）
Token（记号 / 词元）是 AI 处理文本的基本单位，下面不属于机器分词输出形式的是（）
适合人类阅读的词语
子词片段
单个汉字字符
直接输出图片文件
机器做中文分词，主要依靠（）
机器真正读懂文章内在思想感情
统计、计算不同字符组合出现的概率得分，选择最优切分
按照固定两个汉字强制一刀切
随机抽签决定切割位置
从大量原始文本当中统计字符相邻出现频次，自动提取候选词语，构建词表，该思路的核心是（）
在文本自动生成任务中，AI 预测下一个字词，最主要参考（）
前文已经生成的文字内容
电脑主机外壳颜色
显示器屏幕分辨率
鼠标灵敏度设置
在古诗统计生成案例中，共现统计表内单元格的数字代表（）
两个汉字在原文里相邻共同出现的次数
汉字的总笔画数目
古诗创作的具体年份
汉字拼音声调
简单的只统计相邻单字的文本生成模型，存在明显局限是（）
完全无法输出汉字文本
很难捕捉隔得较远的字词之间的语义关联
生成的文本永远逻辑严谨没有错误
必须人工逐字输入才能运行
拓展学习提出，使用前面 n 个词预测下一个词，这样改进的主要目的是（）
捕捉文本中间距离较远的词语之间的关联
提升计算机硬件温度
直接把文本转换为图片
减少计算机内存占用
对比简单的单字统计模型，现代大语言模型文本生成说法正确的是（）
完全抛弃 “依据前文预测后续文字” 的核心思路
延续根据前文预测下文的思想，同时可以捕捉更加复杂的字词语义关系
不需要任何训练数据就可以直接生成文本
生成内容完全不需要输入提示、前文
对抗生成网络 GAN 用于图像生成，训练阶段参与博弈的两个网络分别是（）
编码网络、解码网络
生成网络、判别网络
分词网络、注意力网络
降噪网络、采样网络
对抗生成网络训练完成之后，生成图像时，一般主要使用（）
生成网络
判别网络
两个网络都不再使用
注意力网络
使用对抗图像生成器，调高打分阈值之后，生成图像会出现（）
产出图像数量变多，图像质量下降
产出图像数量变少，图像整体质量更高
图像数量、质量完全没有变化
生成全部变成黑白图片
扩散模型进行图像训练阶段的操作是（）
不断给清晰图片添加噪点，学习不同噪点状态下图像特征
直接删除图片全部像素
使用两个网络互相博弈对抗
统计图片内部文字共现次数
扩散模型生成一张新图片的起点是（）
一张充满随机噪点的雪花图片
一张已经完成的清晰参考照片
纯黑色空白画布
手写文字文本
下面关于扩散图像生成说法正确的是（）
扩散模型是对原始训练图片进行复制粘贴
扩散模型是反向去除噪点，创造出新的相似特征图像，不是复制原图
扩散模型训练过程依靠生成网络和判别网络对抗
扩散模型只能生成黑白图片
某同学用 AI 生成插画，打算印刷在商品上售卖，需要重点考虑（）
电脑主机功耗大小
AI 生成图像相关著作权、伦理与商用规范
显示器刷新率
图片文件后缀名
下列属于群体智能现象的是（）
蜂群协作完成蜂巢搭建
单个机器人独立完成拼图
神经网络内部参数运算
知识图谱存储概念关系
下面哪一项不属于图灵测试的特点（）
依靠文本对话交互
测试者区分对话对象是人还是机器
可以通过看硬件外观判断机器是否通过测试
机器无法被分辨即视为通过测试
早期基于规则的围棋程序 Fuego，它的实现思路最接近（）
符号主义，依靠人工编写大量规则
连接主义，深度神经网络
行为主义强化学习
扩散生成算法
KaTrain 围棋 AI 使用强化学习与神经网络，它主要结合了（）
符号主义与知识图谱
连接主义与行为主义
仅符号主义
仅对抗生成思想
下面场景，属于人工智能文本生成应用的是（）
AI 根据提示续写小故事
AI 给照片去除噪点
显示器自动调节屏幕亮度
打印机打印纸质文档
下列场景，属于 AI 图像生成应用的是（）
聊天软件自动纠错错别字
输入文字描述，AI 绘制一张科幻场景插画
音箱播放本地音乐文件
电子表格自动求和计算
关于注意力机制，下面说法错误的是（）
注意力分布是模型学习得来，不是人为手动设定
帮助模型区分文本信息的轻重，聚焦关键内容
注意力机制只能处理图片，不能用于文本
大语言模型依靠注意力保障长文本生成连贯性
训练 AI 识别花朵照片，收集大量不同花朵照片作为训练材料，这些照片属于（）
算法在人工智能当中的角色是（）
只是存储图片的文件夹
一套处理数据、完成任务的步骤方法
计算机电源供电模块
显示器驱动程序
下面哪一个现象，最能体现前文约束后文的文本生成规律（）
看到 “小猫” 之后，AI 更倾向输出 “奔跑” 而不是 “飞翔”
图片添加噪点逐步变成雪花图
机器人躲避桌椅障碍物
测试者参与图灵测试对话
对一段陌生无词表的古文字，想要挖掘潜在词语，适合采用什么核心思路（）
统计字符相邻共现频次，自动挖掘候选词
使用扩散模型生成古文字图片
对抗网络进行博弈训练
直接全部当成标点符号处理
分词工具处理句子 “南京市长江大桥”，基于概率得分计算，合理分词结果是（）
南 / 京 / 市长 / 江 / 大 / 桥
南京 / 市 / 长江 / 大桥
南京市长 / 江大桥
南 / 京市 / 长江大 / 桥
当训练 AI 模型时，高质量训练数据稀缺，同时算力消耗巨大，该现象属于人工智能发展的（）
知识图谱是符号主义的典型产物，知识图谱主要用来（）
记录不同概念、事物之间的逻辑关联关系
生成 AI 绘画图片
给音频降噪处理
实现图像扩散生成
下列关于模型的理解正确的是（）
模型就是计算机显示器硬件
模型是经过训练之后，得到可以完成任务的产物
模型只能处理图片，不能处理文字
模型必须每次训练都要重新购买硬件
下列哪一项不是生成式人工智能（AIGC）的产物（）
AI 生成的七言古诗
根据文字生成的动漫图片
CPU 芯片硬件本体
大模型续写童话短文
在接力造句模拟注意力的课堂活动，如果没有注意力打分，只向后单向传递词语，会发生（）
句子逻辑连贯，重点完全不会丢失
后面参与者无法把握前文重点，句子容易偏离原意
句子一定成为优美的诗歌
自动生成对应的插画图片
下面对于大语言模型描述，符合课程知识点的是（）
大语言模型拥有人类一样的主观自我意识
大语言模型本质上基于已有文本，预测接下来出现的字词
大模型输出内容 100% 全部正确，不存在错误
大模型不需要任何训练数据
在扩散图像生成迭代过程，迭代步数增加，图像变化是（）
噪点逐步减少，画面越来越清晰
噪点越来越多，图片变成雪花
直接变成全黑色图片
图片尺寸自动变大
对比对抗生成网络，扩散生成模型说法正确的是（）
扩散模型依靠生成网络和判别网络互相博弈训练
扩散模型训练是加噪，生成是反向去噪，没有对抗博弈的两个网络
扩散模型只能够生成人脸图片
扩散模型生成图片速度一定永远快于对抗生成网络
下面属于算力硬件的是（）
AI 加速 GPU 芯片
训练用的猫咪图片数据集
误差反向传播算法
生成的 AI 绘画作品
综合课程内容，人工智能实现的三种路线是（）
符号主义、连接主义、行为主义
统计、分词、注意力
对抗、扩散、降噪
训练、推理、采样