人工智能應(yīng)用方向題庫(kù)（附參考答案）一、單選題（共48題，每題1分，共48分）1.人工智能平臺(tái)架構(gòu)及技術(shù)要求第1部分總體架構(gòu)與技術(shù)要求編制的主要目的是指導(dǎo)公司人工智能平臺(tái)（），明確人工智能平臺(tái)總體架構(gòu)與技術(shù)要求。A、設(shè)計(jì)B、建設(shè)C、運(yùn)行D、規(guī)劃正確答案：B答案解析：編制該部分內(nèi)容的主要目的是為了指導(dǎo)公司人工智能平臺(tái)的建設(shè)工作，從總體架構(gòu)和技術(shù)要求等方面給予規(guī)范和引導(dǎo)，以確保平臺(tái)建設(shè)的科學(xué)性、合理性和規(guī)范性，從而明確人工智能平臺(tái)總體架構(gòu)與技術(shù)要求。2.某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會(huì)購(gòu)買尿布，這種屬于數(shù)據(jù)挖掘的哪類問(wèn)題？A、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B、分類C、聚類D、自然語(yǔ)言處理正確答案：A答案解析：關(guān)聯(lián)規(guī)則發(fā)現(xiàn)是從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間有趣的關(guān)聯(lián)和相關(guān)關(guān)系。在本題中，發(fā)現(xiàn)買啤酒的人很大概率會(huì)購(gòu)買尿布，這體現(xiàn)了啤酒和尿布這兩個(gè)商品之間的關(guān)聯(lián)關(guān)系，屬于關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的范疇。聚類是將數(shù)據(jù)對(duì)象分組為不同的類或簇；分類是預(yù)測(cè)數(shù)據(jù)對(duì)象的類別標(biāo)簽；自然語(yǔ)言處理主要處理人類語(yǔ)言相關(guān)的任務(wù)，均不符合本題描述。3.計(jì)算機(jī)中存儲(chǔ)的圖像是（）A、彩色圖像B、黑白圖像C、模擬圖像D、數(shù)字圖像正確答案：D答案解析：計(jì)算機(jī)中存儲(chǔ)的圖像是數(shù)字圖像。數(shù)字圖像是將圖像分解成離散的像素點(diǎn)，并對(duì)每個(gè)像素點(diǎn)的信息進(jìn)行數(shù)字化表示和存儲(chǔ)。模擬圖像則是以連續(xù)的物理量來(lái)表示圖像信息，計(jì)算機(jī)無(wú)法直接存儲(chǔ)和處理模擬圖像。黑白圖像和彩色圖像只是數(shù)字圖像的不同類型，計(jì)算機(jī)存儲(chǔ)的圖像可以是黑白的也可以是彩色的，但本質(zhì)上都是數(shù)字圖像。4.在自動(dòng)駕駛中,AI需要不斷地通過(guò)路面信息來(lái)調(diào)整開(kāi)車的決策，這種處理模式適合用()來(lái)訓(xùn)練出合理的策略。A、監(jiān)督學(xué)習(xí)B、非監(jiān)督學(xué)習(xí)C、強(qiáng)化學(xué)習(xí)D、弱化學(xué)習(xí)正確答案：C答案解析：強(qiáng)化學(xué)習(xí)是智能體（agent）與環(huán)境（environment）進(jìn)行交互，通過(guò)不斷試錯(cuò)來(lái)學(xué)習(xí)最優(yōu)策略的方法。在自動(dòng)駕駛中，AI可以看作智能體，路面信息是環(huán)境反饋，通過(guò)強(qiáng)化學(xué)習(xí)，AI不斷根據(jù)路面信息調(diào)整開(kāi)車決策，以獲得最佳駕駛策略。監(jiān)督學(xué)習(xí)是有標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練，自動(dòng)駕駛中沒(méi)有大量標(biāo)記好的決策與路面信息對(duì)應(yīng)的數(shù)據(jù)；非監(jiān)督學(xué)習(xí)主要用于數(shù)據(jù)聚類等，不適合此場(chǎng)景；弱化學(xué)習(xí)不是常用的機(jī)器學(xué)習(xí)概念。5.下列選項(xiàng)中，屬于圖像識(shí)別技術(shù)應(yīng)用的是（）A、人臉識(shí)別支付B、編寫word文檔C、制作多媒體D、制作ppt正確答案：A答案解析：圖像識(shí)別技術(shù)是指對(duì)圖像進(jìn)行對(duì)象識(shí)別，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。人臉識(shí)別支付利用了圖像識(shí)別技術(shù)來(lái)識(shí)別用戶的面部特征，從而實(shí)現(xiàn)支付功能。編寫word文檔、制作多媒體、制作ppt都不屬于圖像識(shí)別技術(shù)的應(yīng)用范疇。6.用Tensorflow處理圖像識(shí)別任務(wù)時(shí)，若輸入數(shù)據(jù)的形狀為[64,224,224,3]，下面說(shuō)法正確的是（）A、每一張圖片都是二值圖片B、每一張圖片都是三通道圖片C、模型一次處理224張圖片（batchsize為224）D、以上選項(xiàng)均不正確正確答案：B答案解析：在給定的輸入數(shù)據(jù)形狀[64,224,224,3]中，64表示batchsize，即一次處理的圖片數(shù)量；224×224是圖片的分辨率；最后的3表示通道數(shù)，說(shuō)明每一張圖片都是三通道圖片。所以選項(xiàng)B正確。選項(xiàng)A中說(shuō)每一張圖片都是二值圖片，因?yàn)橥ǖ罃?shù)是3不是1，所以A錯(cuò)誤；選項(xiàng)C中模型一次處理的圖片數(shù)量是batchsize即64張，而不是224張，所以C錯(cuò)誤。7.協(xié)同過(guò)濾和基于內(nèi)容的模型是兩種流行的推薦引擎，在建立這樣的算法中自然語(yǔ)言處理技術(shù)扮演什么角色？A、從文本中提取特征B、測(cè)量特征相似度C、為學(xué)習(xí)模型的向量空間編程特征D、以上都是正確答案：D答案解析：在基于內(nèi)容的推薦算法中，自然語(yǔ)言處理技術(shù)用于從文本中提取特征（選項(xiàng)A），例如提取物品或用戶的描述信息等特征；測(cè)量特征相似度（選項(xiàng)B），通過(guò)比較特征來(lái)判斷物品或用戶之間的相似性；為學(xué)習(xí)模型的向量空間編程特征（選項(xiàng)C），將提取的特征映射到向量空間等，所以以上都是自然語(yǔ)言處理技術(shù)在建立基于內(nèi)容的推薦算法中所扮演的角色。同樣在協(xié)同過(guò)濾中，自然語(yǔ)言處理技術(shù)也可用于處理文本數(shù)據(jù)來(lái)輔助構(gòu)建用戶或物品的特征等，也會(huì)涉及這些方面的應(yīng)用。8.作為驅(qū)動(dòng)本輪人工智能浪潮全面興起的三大基礎(chǔ)要素之一，A、人才B、數(shù)據(jù)C、信息D、互聯(lián)網(wǎng)正確答案：B答案解析：人工智能浪潮全面興起的三大基礎(chǔ)要素是數(shù)據(jù)、算法和算力。數(shù)據(jù)作為其中之一，是驅(qū)動(dòng)人工智能發(fā)展的重要基礎(chǔ)，海量的數(shù)據(jù)為模型訓(xùn)練提供了支撐，使其能夠?qū)W習(xí)到各種模式和規(guī)律，從而實(shí)現(xiàn)各種智能任務(wù)。而互聯(lián)網(wǎng)是信息傳播的載體，信息是數(shù)據(jù)所承載的內(nèi)容，人才是推動(dòng)人工智能發(fā)展的關(guān)鍵力量，但都不屬于這三大基礎(chǔ)要素之一。9.在有監(jiān)督學(xué)習(xí)中，我們?nèi)绾问褂镁垲惙椒ǎ?.我們可以先創(chuàng)建聚類類別，然后在每個(gè)類別上用監(jiān)督學(xué)習(xí)分別進(jìn)行學(xué)習(xí)2.我們可以使用聚類“類別id”作為一個(gè)新的特征項(xiàng)，然后再用監(jiān)督學(xué)習(xí)分別進(jìn)行學(xué)習(xí)3.在進(jìn)行監(jiān)督學(xué)習(xí)之前，我們不能新建聚類類別4.我們不可以使用聚類“類別id”作為一個(gè)新的特征項(xiàng)，然后再用監(jiān)督學(xué)習(xí)分別進(jìn)行學(xué)習(xí)A、1和2B、1和3C、3和4D、2和4正確答案：A答案解析：在有監(jiān)督學(xué)習(xí)中使用聚類方法，可以有以下兩種方式：1.先創(chuàng)建聚類類別，然后在每個(gè)類別上用監(jiān)督學(xué)習(xí)分別進(jìn)行學(xué)習(xí)。這樣做可以利用聚類對(duì)數(shù)據(jù)進(jìn)行初步的劃分，使得在每個(gè)類別上進(jìn)行監(jiān)督學(xué)習(xí)時(shí)數(shù)據(jù)更具同質(zhì)性，可能會(huì)提高學(xué)習(xí)效果。2.使用聚類“類別id”作為一個(gè)新的特征項(xiàng)，然后再用監(jiān)督學(xué)習(xí)分別進(jìn)行學(xué)習(xí)。將聚類得到的類別信息作為新的特征加入到數(shù)據(jù)中，為監(jiān)督學(xué)習(xí)提供更多的信息維度，有助于模型更好地學(xué)習(xí)和分類。所以選項(xiàng)1和2是正確的使用方式。10.下列哪項(xiàng)網(wǎng)絡(luò)不屬于常用的深度神經(jīng)網(wǎng)絡(luò)：()A、HopField網(wǎng)絡(luò)B、AlexNetC、ResNetD、VGG正確答案：A答案解析：HopField網(wǎng)絡(luò)不屬于常用的深度神經(jīng)網(wǎng)絡(luò)。它是一種遞歸神經(jīng)網(wǎng)絡(luò)，主要用于聯(lián)想記憶等任務(wù)，與深度神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)和應(yīng)用場(chǎng)景等方面有較大不同。而AlexNet、ResNet、VGG都是在深度學(xué)習(xí)發(fā)展過(guò)程中具有重要影響力的深度神經(jīng)網(wǎng)絡(luò)。11.圖像處理一般指數(shù)字圖像處理。常見(jiàn)的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、（)等。A、圖像復(fù)原B、圖像分割C、圖像分析D、A、B和C正確答案：D答案解析：圖像處理常見(jiàn)的處理包括圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、圖像復(fù)原、圖像分割、圖像分析等。所以答案選D，包含了選項(xiàng)A、B和C的內(nèi)容。12.下列哪個(gè)應(yīng)用領(lǐng)域不屬于人工智能應(yīng)用？A、自動(dòng)控制B、人工神經(jīng)網(wǎng)絡(luò)C、專家系統(tǒng)D、自然語(yǔ)言學(xué)習(xí)正確答案：A答案解析：自動(dòng)控制是傳統(tǒng)的控制領(lǐng)域，主要基于經(jīng)典控制理論和現(xiàn)代控制理論，通過(guò)反饋、前饋等控制策略實(shí)現(xiàn)對(duì)系統(tǒng)的精確控制，不屬于人工智能應(yīng)用。而人工神經(jīng)網(wǎng)絡(luò)是人工智能的重要算法；自然語(yǔ)言學(xué)習(xí)是人工智能在語(yǔ)言處理方面的應(yīng)用；專家系統(tǒng)是基于知識(shí)的人工智能系統(tǒng)。13.說(shuō)話人確認(rèn)(SpeakerVerification)，是用以確認(rèn)某段語(yǔ)音是否是指定的某個(gè)人所說(shuō)的，是“____”問(wèn)題A、多選一B、一對(duì)一C、多對(duì)多正確答案：B答案解析：說(shuō)話人確認(rèn)是判斷一段語(yǔ)音是否來(lái)自指定的某一個(gè)人，是一對(duì)一的關(guān)系，即判斷語(yǔ)音與特定個(gè)體的匹配，所以答案是B。14.下面屬于目標(biāo)檢測(cè)常用指標(biāo)的是（）A、置信度B、對(duì)比度C、mAPD、分辨率正確答案：C答案解析：目標(biāo)檢測(cè)常用指標(biāo)包括平均精度均值（mAP）等。置信度是目標(biāo)檢測(cè)結(jié)果中一個(gè)表示對(duì)檢測(cè)結(jié)果正確性把握程度的值，但不是最常用指標(biāo)類型；對(duì)比度與目標(biāo)檢測(cè)無(wú)關(guān)；分辨率主要涉及圖像本身的尺寸等信息，和目標(biāo)檢測(cè)的關(guān)鍵指標(biāo)關(guān)聯(lián)不大。而mAP能綜合反映目標(biāo)檢測(cè)算法在不同召回率下的平均精度，是非常重要的常用指標(biāo)。15.樣本庫(kù)功能要求為：數(shù)據(jù)接入包括（）文件導(dǎo)入、HDFS數(shù)據(jù)導(dǎo)入、FTP文件導(dǎo)入、NFS數(shù)據(jù)導(dǎo)入和數(shù)據(jù)庫(kù)數(shù)據(jù)導(dǎo)入。A、遠(yuǎn)程B、本地C、云端D、SAMBA正確答案：B答案解析：數(shù)據(jù)接入包括本地文件導(dǎo)入、HDFS數(shù)據(jù)導(dǎo)入、FTP文件導(dǎo)入、NFS數(shù)據(jù)導(dǎo)入和數(shù)據(jù)庫(kù)數(shù)據(jù)導(dǎo)入，所以此處應(yīng)選本地。16.預(yù)測(cè)分析方法分為兩大類，分別是定性分析法和（）。A、回歸分析法B、指數(shù)平滑法C、定量分析法D、平均法正確答案：C答案解析：預(yù)測(cè)分析方法主要分為定性分析法和定量分析法。定性分析法主要依靠個(gè)人經(jīng)驗(yàn)、專業(yè)知識(shí)和主觀判斷來(lái)進(jìn)行預(yù)測(cè)；定量分析法則是運(yùn)用數(shù)學(xué)模型和統(tǒng)計(jì)方法，對(duì)歷史數(shù)據(jù)進(jìn)行分析和處理，以預(yù)測(cè)未來(lái)的趨勢(shì)和結(jié)果?；貧w分析法、指數(shù)平滑法、平均法都屬于定量分析法中的具體方法，它們不能與定性分析法并列作為預(yù)測(cè)分析方法的兩大類。17.以下哪一項(xiàng)在神經(jīng)網(wǎng)絡(luò)中引入了非線性操作？A、卷積函數(shù)B、ReLU函數(shù)C、損失函數(shù)D、隨機(jī)梯度下降正確答案：B18.下列哪個(gè)應(yīng)用領(lǐng)域不屬于人工智能應(yīng)用？（）A、自然語(yǔ)言學(xué)習(xí)B、人工神經(jīng)網(wǎng)絡(luò)C、專家系統(tǒng)D、自動(dòng)控制正確答案：D答案解析：人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工神經(jīng)網(wǎng)絡(luò)屬于人工智能應(yīng)用領(lǐng)域。自然語(yǔ)言學(xué)習(xí)是人工智能的重要研究方向。專家系統(tǒng)是人工智能中最重要的應(yīng)用之一。而自動(dòng)控制是指在沒(méi)有人直接參與的情況下，利用外加的設(shè)備或裝置，使機(jī)器、設(shè)備或生產(chǎn)過(guò)程的某個(gè)工作狀態(tài)或參數(shù)自動(dòng)地按照預(yù)定的規(guī)律運(yùn)行。它不屬于人工智能應(yīng)用領(lǐng)域。19.訓(xùn)練平臺(tái)宜使用（）硬盤作為訓(xùn)練樣本集的大容量緩存。A、機(jī)械B、固態(tài)C、SASD、SATA正確答案：B答案解析：使用固態(tài)硬盤作為訓(xùn)練樣本集的大容量緩存具有讀寫速度快、穩(wěn)定性高、能耗低等優(yōu)勢(shì)，能夠顯著提升訓(xùn)練平臺(tái)的數(shù)據(jù)讀取和處理效率，相比機(jī)械硬盤等其他選項(xiàng)更適合作為緩存。20.對(duì)訓(xùn)練平臺(tái)，單精度浮點(diǎn)算力至少達(dá)到（）TFLOPS或半精度浮點(diǎn)算力至少達(dá)到18TFLOPS。A、8B、9C、6D、12正確答案：B21.LSTM用于文本分類的任務(wù)中，不會(huì)出現(xiàn)的網(wǎng)絡(luò)層是A、全連接B、詞嵌入層C、卷積層D、以上選項(xiàng)均不正確正確答案：C答案解析：在LSTM用于文本分類的任務(wù)中，通常會(huì)有詞嵌入層將文本中的詞轉(zhuǎn)換為向量表示，然后會(huì)有LSTM層進(jìn)行特征提取和序列建模，最后一般會(huì)接全連接層進(jìn)行分類。卷積層不是LSTM用于文本分類任務(wù)中必然會(huì)出現(xiàn)的網(wǎng)絡(luò)層。22.下列____不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。A、與同一時(shí)期其他數(shù)據(jù)對(duì)比B、可視化C、基于模板的方法D、主觀興趣度量正確答案：A答案解析：可視化可以直觀呈現(xiàn)數(shù)據(jù)幫助發(fā)現(xiàn)模式；基于模板的方法通過(guò)已有模板識(shí)別模式；主觀興趣度量可根據(jù)主觀設(shè)定的興趣標(biāo)準(zhǔn)來(lái)聚焦模式發(fā)現(xiàn)。而與同一時(shí)期其他數(shù)據(jù)對(duì)比主要是基于數(shù)據(jù)間的客觀關(guān)系進(jìn)行分析，不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。23.從研究角度看，()是基于多層神經(jīng)網(wǎng)絡(luò)的，以海量數(shù)據(jù)為輸入，發(fā)現(xiàn)規(guī)則自學(xué)習(xí)的方法。A、特征學(xué)習(xí)B、深度學(xué)習(xí)C、模式識(shí)別D、自動(dòng)翻譯正確答案：B答案解析：深度學(xué)習(xí)是基于多層神經(jīng)網(wǎng)絡(luò)，以海量數(shù)據(jù)為輸入，通過(guò)模型自身的學(xué)習(xí)來(lái)發(fā)現(xiàn)規(guī)則的方法。特征學(xué)習(xí)是深度學(xué)習(xí)中的一個(gè)環(huán)節(jié)；模式識(shí)別是對(duì)事物特征進(jìn)行識(shí)別分類的技術(shù)；自動(dòng)翻譯是利用技術(shù)實(shí)現(xiàn)語(yǔ)言間的轉(zhuǎn)換，均不符合基于多層神經(jīng)網(wǎng)絡(luò)以海量數(shù)據(jù)輸入發(fā)現(xiàn)規(guī)則自學(xué)習(xí)這一描述。24.在卷積神經(jīng)網(wǎng)絡(luò)中，要求輸入尺寸必須固定的層是？A、卷積層B、全連接層C、池化層D、以上都不是正確答案：B答案解析：全連接層要求輸入尺寸必須固定，因?yàn)槿B接層是將上一層的所有神經(jīng)元與當(dāng)前層的每個(gè)神經(jīng)元都進(jìn)行連接，其連接權(quán)重矩陣的大小是固定的，所以需要輸入尺寸固定。而卷積層和池化層對(duì)輸入尺寸沒(méi)有嚴(yán)格要求，卷積層通過(guò)卷積核在輸入上滑動(dòng)進(jìn)行操作，池化層是對(duì)局部區(qū)域進(jìn)行下采樣，它們可以處理不同尺寸的輸入。25.要想讓機(jī)器具有智能，必須讓機(jī)器具有知識(shí)因此，在人工智能中有一個(gè)研究領(lǐng)域，主要研究計(jì)算機(jī)如何自動(dòng)獲取知識(shí)和技能，實(shí)現(xiàn)自我完善，這門研究分支學(xué)科叫（）A、神經(jīng)網(wǎng)絡(luò)B、專家系統(tǒng)C、模式識(shí)別D、機(jī)器學(xué)習(xí)正確答案：D答案解析：機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。它專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能，符合題干中關(guān)于計(jì)算機(jī)自動(dòng)獲取知識(shí)和技能實(shí)現(xiàn)自我完善的描述。專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)；神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型；模式識(shí)別是指對(duì)表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過(guò)程。這幾個(gè)選項(xiàng)均不符合題干描述。26.以下兩種描述分別對(duì)應(yīng)哪兩種對(duì)分類算法的評(píng)價(jià)標(biāo)準(zhǔn)？(a)警察抓小偷，描述警察抓的人中有多少個(gè)是小偷的標(biāo)準(zhǔn)。(b)描述有多少比例的小偷給警察抓了的標(biāo)準(zhǔn)。A、Precision,RecallB、Recall,PrecisionC、Precision,ROCD、Recall,ROC正確答案：A27.在人工智能當(dāng)中,圖像、語(yǔ)音、手勢(shì)等識(shí)別被認(rèn)為是()的層次;而問(wèn)題求解、創(chuàng)作、推理預(yù)測(cè)被認(rèn)為是()的層次。A、認(rèn)知智能;感知智能B、感知智能;感知智能C、認(rèn)知智能;認(rèn)知智能D、感知智能;認(rèn)知智能正確答案：D答案解析：感知智能主要涉及對(duì)外部信息的直接感知和識(shí)別，如圖像、語(yǔ)音、手勢(shì)等識(shí)別；認(rèn)知智能則更側(cè)重于對(duì)信息的理解、處理、推理、創(chuàng)作等高級(jí)能力，包括問(wèn)題求解、創(chuàng)作、推理預(yù)測(cè)等。所以圖像、語(yǔ)音、手勢(shì)等識(shí)別被認(rèn)為是感知智能的層次；而問(wèn)題求解、創(chuàng)作、推理預(yù)測(cè)被認(rèn)為是認(rèn)知智能的層次。28.人工智能產(chǎn)業(yè)鏈主要包括：基礎(chǔ)技術(shù)支撐，（），人工智能應(yīng)用。A、大數(shù)據(jù)B、人工智能技術(shù)C、智能平臺(tái)建設(shè)D、互聯(lián)網(wǎng)正確答案：B29.人工智能平臺(tái)應(yīng)提供主要網(wǎng)絡(luò)設(shè)備、通信線路和（）系統(tǒng)的硬件冗余，保證高可用性，在無(wú)不可抗力環(huán)境下應(yīng)滿足7×24小時(shí)服務(wù)不中斷。A、數(shù)據(jù)庫(kù)B、主機(jī)C、集群D、電源正確答案：C30.下列關(guān)于知識(shí)圖譜應(yīng)?的說(shuō)法不正確的是()。A、知識(shí)問(wèn)答的實(shí)現(xiàn)分為兩步：提問(wèn)分析和答案推理B、傳統(tǒng)的基于關(guān)鍵詞搜索的信息搜索方法，往往無(wú)法理解用戶的意圖，用戶需自己斟選C、問(wèn)答系統(tǒng)讓計(jì)算機(jī)自動(dòng)回答用戶的提問(wèn)，返回相關(guān)的一系列文檔D、Siri、Cortana、小度都是以問(wèn)答系統(tǒng)為核心技術(shù)的產(chǎn)品和服務(wù)正確答案：C答案解析：知識(shí)問(wèn)答的實(shí)現(xiàn)分為提問(wèn)分析和答案推理，A選項(xiàng)正確；傳統(tǒng)基于關(guān)鍵詞搜索的方法難以理解用戶意圖，用戶需自行篩選，B選項(xiàng)正確；問(wèn)答系統(tǒng)是讓計(jì)算機(jī)自動(dòng)回答用戶提問(wèn)并返回答案，而非一系列文檔，C選項(xiàng)錯(cuò)誤；Siri、Cortana、小度都是以問(wèn)答系統(tǒng)為核心技術(shù)的產(chǎn)品和服務(wù)，D選項(xiàng)正確。31.自然語(yǔ)言理解是人工智能的重要應(yīng)用領(lǐng)域，下面列舉中的（）不是它要實(shí)現(xiàn)的目標(biāo)。A、理解別人講的話B、對(duì)自然語(yǔ)言表示的信息進(jìn)行分析概括或編輯C、機(jī)器翻譯D、自動(dòng)程序設(shè)計(jì)正確答案：D答案解析：自然語(yǔ)言理解主要關(guān)注對(duì)自然語(yǔ)言的處理，包括理解、分析、翻譯等。自動(dòng)程序設(shè)計(jì)是利用編程語(yǔ)言來(lái)編寫程序，與自然語(yǔ)言的理解和處理并非直接相關(guān)，它不屬于自然語(yǔ)言理解要實(shí)現(xiàn)的目標(biāo)。而理解別人講的話、對(duì)自然語(yǔ)言表示的信息進(jìn)行分析概括或編輯、機(jī)器翻譯都屬于自然語(yǔ)言理解的范疇。32.下列哪項(xiàng)不是現(xiàn)有深度學(xué)習(xí)方法的必備技術(shù)？A、深度神經(jīng)網(wǎng)絡(luò)B、反向傳播算法C、非線性激活函數(shù)D、卷積可視化解釋正確答案：D答案解析：現(xiàn)有深度學(xué)習(xí)方法中，反向傳播算法用于計(jì)算梯度以更新網(wǎng)絡(luò)參數(shù)，是非必備技術(shù)；非線性激活函數(shù)能引入非線性因素使模型更強(qiáng)大，是必備技術(shù)；深度神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ)模型架構(gòu)，是必備技術(shù)；而卷積可視化解釋主要用于輔助理解卷積神經(jīng)網(wǎng)絡(luò)的工作原理，并非深度學(xué)習(xí)方法的必備技術(shù)。33.卷積層是深度神經(jīng)網(wǎng)絡(luò)的主要結(jié)構(gòu)之一，已經(jīng)在大量任務(wù)中用到，下面哪一個(gè)任務(wù)的主流方法中沒(méi)有用到卷積層A、中文分詞B、場(chǎng)景文字檢測(cè)C、為圖像自動(dòng)生成描述標(biāo)題D、中英文互譯正確答案：A答案解析：中文分詞的主流方法中一般不涉及卷積層。圖像自動(dòng)生成描述標(biāo)題、中英文互譯、場(chǎng)景文字檢測(cè)等任務(wù)中，卷積層都有著廣泛的應(yīng)用。在圖像相關(guān)任務(wù)中，卷積層可用于提取圖像特征；在自然語(yǔ)言處理的一些應(yīng)用中，也會(huì)借鑒卷積層的思想來(lái)處理文本數(shù)據(jù)等，但中文分詞主要是基于詞典匹配、統(tǒng)計(jì)機(jī)器學(xué)習(xí)等方法，通常不使用卷積層。34.可以有效解決過(guò)擬合的方法包括A、增加特征數(shù)量B、增加樣本數(shù)量C、訓(xùn)練更多的迭代次數(shù)D、采用正則化方法正確答案：D35.對(duì)于較長(zhǎng)的序列數(shù)據(jù)，使用（）可以大大提升循環(huán)神經(jīng)網(wǎng)絡(luò)處理能力。A、LeNetB、AlexNetC、LSTMD、CNN正確答案：C36.下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？A、變量代換B、離散化C、估計(jì)遺漏值D、聚集正確答案：C37.生物特征識(shí)別技術(shù)不包括（）。A、體感交互B、虹膜識(shí)別C、人臉識(shí)別D、指紋識(shí)別正確答案：A答案解析：生物特征識(shí)別技術(shù)是指通過(guò)計(jì)算機(jī)與光學(xué)、聲學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)原理等高科技手段密切結(jié)合，利用人體固有的生理特性和行為特征來(lái)進(jìn)行個(gè)人身份的鑒定。常見(jiàn)的生物特征識(shí)別技術(shù)包括指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別等。體感交互是一種通過(guò)身體動(dòng)作來(lái)與計(jì)算機(jī)系統(tǒng)進(jìn)行交互的方式，不屬于生物特征識(shí)別技術(shù)。38.當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時(shí)，可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離？A、聚類B、隱馬爾可夫鏈C、關(guān)聯(lián)分析D、分類正確答案：A答案解析：聚類是將數(shù)據(jù)集中相似的數(shù)據(jù)點(diǎn)歸為同一類，不同類的數(shù)據(jù)點(diǎn)相互分離，在不知道數(shù)據(jù)所帶標(biāo)簽時(shí)，可以通過(guò)聚類技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)據(jù)相分離。分類是已知數(shù)據(jù)標(biāo)簽進(jìn)行類別劃分；關(guān)聯(lián)分析主要是發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；隱馬爾可夫鏈主要用于處理序列數(shù)據(jù)的概率模型，均不符合題意。39.模型庫(kù)存放訓(xùn)練出的（）模型或采購(gòu)來(lái)的第三方算法模型。A、實(shí)體B、算法C、數(shù)據(jù)D、對(duì)象正確答案：B答案解析：模型庫(kù)存放的是訓(xùn)練出的算法模型或采購(gòu)來(lái)的第三方算法模型，重點(diǎn)在于算法模型，所以答案選B。40.不屬于語(yǔ)音聲學(xué)特征的是？A、振幅B、頻率C、語(yǔ)義D、時(shí)長(zhǎng)正確答案：C答案解析：語(yǔ)音的聲學(xué)特征包括頻率、時(shí)長(zhǎng)、振幅等，而語(yǔ)義不屬于語(yǔ)音的聲學(xué)特征，它是語(yǔ)言所表達(dá)的意義內(nèi)容。41.智慧城市的應(yīng)用體系，不包括智慧（）體系。A、制造%B、公共服務(wù)C、軍工D、物流正確答案：C答案解析：智慧城市應(yīng)用體系主要涵蓋智慧交通、智慧能源、智慧醫(yī)療、智慧教育、智慧環(huán)保、智慧社區(qū)等多個(gè)領(lǐng)域，旨在提升城市的運(yùn)行效率、管理水平和居民生活質(zhì)量。智慧物流體系可以通過(guò)信息化手段優(yōu)化物流配送流程，提高物流效率；智慧制造體系有助于實(shí)現(xiàn)制造業(yè)的智能化升級(jí)，提高生產(chǎn)效率和產(chǎn)品質(zhì)量；智慧公共服務(wù)體系能夠?yàn)榫用裉峁└颖憬荨⒏咝У墓卜?wù)。而軍工領(lǐng)域通常不屬于智慧城市應(yīng)用體系的范疇，它有其自身獨(dú)立的體系和特點(diǎn)。42.一副照片在存放過(guò)程中出現(xiàn)了很多小的噪點(diǎn)，對(duì)其掃描件進(jìn)行A、操作去噪效果最好。B、中值濾波C、高斯濾波D、均值濾波正確答案：A43.現(xiàn)代的卷積神經(jīng)網(wǎng)絡(luò)，常用的模塊包括哪些A、多分枝結(jié)構(gòu)B、殘差連接C、BatchNormalizationD、Sigmoid激活函數(shù)正確答案：C44.自動(dòng)識(shí)別系統(tǒng)屬于人工智能哪個(gè)應(yīng)用領(lǐng)域？（）A、專家系統(tǒng)B、人類感官模擬C、自然語(yǔ)言系統(tǒng)D、機(jī)器學(xué)習(xí)正確答案：B答案解析：自動(dòng)識(shí)別系統(tǒng)主要是對(duì)人類的視覺(jué)、聽(tīng)覺(jué)等感官功能進(jìn)行模擬，讓計(jì)算機(jī)能夠像人類一樣識(shí)別圖像、聲音等信息，所以屬于人類感官模擬領(lǐng)域。自然語(yǔ)言系統(tǒng)側(cè)重于語(yǔ)言的處理；機(jī)器學(xué)習(xí)主要是讓計(jì)算機(jī)通過(guò)數(shù)據(jù)學(xué)習(xí)來(lái)提高性能；專家系統(tǒng)是基于知識(shí)的智能系統(tǒng)，均與自動(dòng)識(shí)別系統(tǒng)的核心功能不直接相關(guān)。45.機(jī)器學(xué)習(xí)研究如何通過(guò)計(jì)算的手段，利用經(jīng)驗(yàn)來(lái)改善系統(tǒng)自身的性能，請(qǐng)問(wèn)機(jī)器學(xué)習(xí)利用數(shù)據(jù)訓(xùn)練出什么？A、結(jié)果B、報(bào)表C、模型D、表結(jié)構(gòu)正確答案：C答案解析：機(jī)器學(xué)習(xí)利用數(shù)據(jù)訓(xùn)練出模型。模型是機(jī)器學(xué)習(xí)的核心輸出，它是對(duì)數(shù)據(jù)中模式和規(guī)律的一種抽象表示，通過(guò)對(duì)大量數(shù)據(jù)的學(xué)習(xí)和分析，模型能夠捕捉數(shù)據(jù)的特征和關(guān)系，從而用于對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)、分類、聚類等任務(wù)。表結(jié)構(gòu)是數(shù)據(jù)庫(kù)設(shè)計(jì)的概念，與機(jī)器學(xué)習(xí)訓(xùn)練出的內(nèi)容無(wú)關(guān)；結(jié)果是模型應(yīng)用后的輸出，不是訓(xùn)練直接得到的；報(bào)表是對(duì)數(shù)據(jù)的一種呈現(xiàn)形式，也不是機(jī)器學(xué)習(xí)利用數(shù)據(jù)訓(xùn)練的目標(biāo)。46.機(jī)器感知研究如何用機(jī)器或計(jì)算機(jī)模擬，延伸和擴(kuò)展（)的感知或認(rèn)知能力。A、人B、機(jī)器C、機(jī)器人D、計(jì)算機(jī)正確答案：A答案解析：機(jī)器感知主要研究如何用機(jī)器或計(jì)算機(jī)模擬、延伸和擴(kuò)展人的感知或認(rèn)知能力，旨在讓機(jī)器具備類似人類的感知功能，如視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等感知能力。47.以下四個(gè)人工智能的應(yīng)用領(lǐng)域中,與其他三個(gè)不同的是()。A、圖像識(shí)別與分類B、醫(yī)學(xué)影像分析C、語(yǔ)音識(shí)別D、人臉識(shí)別與情感計(jì)算正確答案：C答案解析：A選項(xiàng)圖像識(shí)別與分類、B選項(xiàng)醫(yī)學(xué)影像分析、D選項(xiàng)人臉識(shí)別與情感計(jì)算都主要是基于圖像相關(guān)的人工智能應(yīng)用領(lǐng)域，而C選項(xiàng)語(yǔ)音識(shí)別是基于聲音的人工智能應(yīng)用領(lǐng)域，與其他三個(gè)基于圖像的應(yīng)用領(lǐng)域不同。圖像識(shí)別與分類、醫(yī)學(xué)影像分析、人臉識(shí)別與情感計(jì)算都圍繞圖像展開(kāi)，語(yǔ)音識(shí)別針對(duì)聲音，所以選C。48.深度學(xué)習(xí)近年來(lái)發(fā)展迅速，以下哪個(gè)領(lǐng)域一般不屬于深度學(xué)習(xí)的應(yīng)用領(lǐng)域？A、數(shù)值分析B、圖像識(shí)別C、文本分析D、語(yǔ)音識(shí)別正確答案：A答案解析：深度學(xué)習(xí)主要應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理（包括文本分析等）等領(lǐng)域。數(shù)值分析是研究分析用計(jì)算機(jī)求解數(shù)學(xué)問(wèn)題的數(shù)值計(jì)算方法及其理論的學(xué)科，它有自己獨(dú)立的一套方法和體系，一般不屬于深度學(xué)習(xí)的直接應(yīng)用領(lǐng)域。二、多選題（共27題，每題1分，共27分）1.當(dāng)我們?cè)诜治鲆环輸?shù)據(jù)的時(shí)候，如果發(fā)現(xiàn)這份數(shù)據(jù)的特征變量很多，成千上萬(wàn)，如果直接基于所有的特征變量進(jìn)行分析，會(huì)浪費(fèi)過(guò)多的時(shí)間成本及計(jì)算資源，為了應(yīng)對(duì)這種情況，我們可以采用降維的方式對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，如下技術(shù)中，哪些屬于降維技術(shù)A、主成分分析B、因子分析C、獨(dú)立主成分分析D、SVM正確答案：ABC答案解析：主成分分析是一種常用的降維技術(shù)，它通過(guò)線性變換將多個(gè)相關(guān)的特征變量轉(zhuǎn)化為少數(shù)幾個(gè)互不相關(guān)的主成分，這些主成分保留了原始數(shù)據(jù)的大部分信息。因子分析也是一種降維技術(shù)，它通過(guò)尋找潛在的公共因子來(lái)解釋多個(gè)變量之間的相關(guān)性，將多個(gè)變量表示為公共因子和特殊因子的線性組合。獨(dú)立主成分分析同樣是降維技術(shù)，它在主成分分析的基礎(chǔ)上，使得各個(gè)主成分之間相互獨(dú)立，更有效地提取數(shù)據(jù)中的特征。而SVM（支持向量機(jī)）主要用于分類和回歸問(wèn)題，不屬于降維技術(shù)。2.2021年人工智能技術(shù)趨勢(shì)有（）。A、機(jī)器學(xué)習(xí)向集中式隱私保護(hù)方向演進(jìn)B、基于因果學(xué)習(xí)的信息檢索模型與系統(tǒng)成為重要發(fā)展方向C、深度學(xué)習(xí)理論迎來(lái)整合與突破D、類腦計(jì)算系統(tǒng)從“專用”向“通用”逐步演進(jìn)正確答案：BCD答案解析：-**選項(xiàng)A**：深度學(xué)習(xí)理論迎來(lái)整合與突破，是2021年人工智能技術(shù)趨勢(shì)之一。-**選項(xiàng)B**：機(jī)器學(xué)習(xí)向聯(lián)邦學(xué)習(xí)方向演進(jìn)，以解決數(shù)據(jù)隱私和安全問(wèn)題，而不是集中式隱私保護(hù)方向，所以該選項(xiàng)錯(cuò)誤。-**選項(xiàng)C**：類腦計(jì)算系統(tǒng)從“專用”向“通用”逐步演進(jìn)，是人工智能技術(shù)的一個(gè)發(fā)展趨勢(shì)。-**選項(xiàng)D**：基于因果學(xué)習(xí)的信息檢索模型與系統(tǒng)成為重要發(fā)展方向，符合2021年人工智能技術(shù)趨勢(shì)。3.一般而言，廠商提供的AI中臺(tái)產(chǎn)品包括四大模塊：（）。A、開(kāi)發(fā)平臺(tái)層B、資產(chǎn)層C、業(yè)務(wù)邏輯層D、平臺(tái)管理層正確答案：ABCD答案解析：一般而言，廠商提供的AI中臺(tái)產(chǎn)品包括四大模塊：開(kāi)發(fā)平臺(tái)層、資產(chǎn)層、業(yè)務(wù)邏輯層和平臺(tái)管理層。開(kāi)發(fā)平臺(tái)層為AI應(yīng)用開(kāi)發(fā)提供基礎(chǔ)環(huán)境和工具；資產(chǎn)層用于管理AI相關(guān)的模型、數(shù)據(jù)等資產(chǎn)；業(yè)務(wù)邏輯層封裝了各種AI業(yè)務(wù)邏輯；平臺(tái)管理層負(fù)責(zé)對(duì)整個(gè)AI中臺(tái)進(jìn)行管理和調(diào)度。4.人工智能因其突出的（）等能力，可在網(wǎng)絡(luò)信息安全領(lǐng)域和社會(huì)公共安全領(lǐng)域有許多創(chuàng)新性應(yīng)用A、智能決策B、知識(shí)提取C、自主學(xué)習(xí)D、數(shù)據(jù)分析正確答案：ABCD答案解析：人工智能具有強(qiáng)大的數(shù)據(jù)分析能力，能夠處理海量復(fù)雜的數(shù)據(jù)，從中提取有價(jià)值的信息；具備高效的知識(shí)提取能力，快速準(zhǔn)確地獲取和理解知識(shí)；擁有自主學(xué)習(xí)能力，可以不斷優(yōu)化和提升自身性能；還能依據(jù)所掌握的信息進(jìn)行智能決策，這些能力使其在網(wǎng)絡(luò)信息安全領(lǐng)域和社會(huì)公共安全領(lǐng)域能開(kāi)展諸多創(chuàng)新性應(yīng)用。5.設(shè)計(jì)研發(fā)階段是指完成可部署人工智能系統(tǒng)創(chuàng)建的過(guò)程，主要包括（）等過(guò)程。A、軟件代碼實(shí)現(xiàn)B、確定設(shè)計(jì)方法C、風(fēng)險(xiǎn)管理D、定義系統(tǒng)框架正確答案：ABCD答案解析：設(shè)計(jì)研發(fā)階段涵蓋多個(gè)關(guān)鍵過(guò)程。確定設(shè)計(jì)方法是為后續(xù)工作奠定基礎(chǔ)，明確采用何種方式來(lái)構(gòu)建系統(tǒng)；定義系統(tǒng)框架能夠規(guī)劃系統(tǒng)的整體架構(gòu)和結(jié)構(gòu)，使其具有清晰的層次和模塊劃分；軟件代碼實(shí)現(xiàn)是將設(shè)計(jì)和框架轉(zhuǎn)化為實(shí)際可運(yùn)行的代碼，實(shí)現(xiàn)系統(tǒng)的功能；風(fēng)險(xiǎn)管理則貫穿始終，對(duì)設(shè)計(jì)研發(fā)過(guò)程中可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行識(shí)別、評(píng)估和應(yīng)對(duì)，確保項(xiàng)目順利進(jìn)行。所以這四個(gè)選項(xiàng)均屬于設(shè)計(jì)研發(fā)階段的主要過(guò)程。6.在政府與公共服務(wù)領(lǐng)域，目前AI主要的應(yīng)用場(chǎng)景包括（）和（）四大方面。A、政務(wù)服務(wù)B、智慧園區(qū)C、城市安全D、智慧交通正確答案：ABCD答案解析：在政府與公共服務(wù)領(lǐng)域，AI主要的應(yīng)用場(chǎng)景包括政務(wù)服務(wù)、智慧園區(qū)、城市安全、智慧交通四大方面。政務(wù)服務(wù)中利用AI可實(shí)現(xiàn)智能審批等功能提高辦事效率；智慧園區(qū)借助AI進(jìn)行智能化管理；城市安全方面AI有助于監(jiān)測(cè)和預(yù)警等；智慧交通領(lǐng)域AI可用于交通流量?jī)?yōu)化等。7.自然語(yǔ)言處理的應(yīng)用產(chǎn)品主要涉及以下（）A、機(jī)器翻譯B、語(yǔ)音合成C、語(yǔ)音識(shí)別D、語(yǔ)義理解正確答案：ABCD答案解析：自然語(yǔ)言處理的應(yīng)用產(chǎn)品豐富多樣，語(yǔ)音識(shí)別可將語(yǔ)音轉(zhuǎn)換為文字，語(yǔ)音合成能把文字轉(zhuǎn)化為語(yǔ)音，語(yǔ)義理解有助于理解文本含義，機(jī)器翻譯則實(shí)現(xiàn)不同語(yǔ)言間的轉(zhuǎn)換，這些都是自然語(yǔ)言處理常見(jiàn)且重要的應(yīng)用方面。8.服務(wù)層應(yīng)包括：（）等基礎(chǔ)服務(wù)，以及變壓器滲漏油識(shí)別等專用服務(wù)。A、自然語(yǔ)言處理B、智能語(yǔ)音C、計(jì)算機(jī)視覺(jué)D、知識(shí)圖譜正確答案：ABCD答案解析：服務(wù)層應(yīng)包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、智能語(yǔ)音、知識(shí)圖譜等基礎(chǔ)服務(wù)，以及變壓器滲漏油識(shí)別等專用服務(wù)。這些基礎(chǔ)服務(wù)能夠?yàn)楦鞣N應(yīng)用場(chǎng)景提供不同類型的能力支持，比如計(jì)算機(jī)視覺(jué)可用于圖像識(shí)別等，自然語(yǔ)言處理有助于文本理解與生成，智能語(yǔ)音方便語(yǔ)音交互，知識(shí)圖譜利于知識(shí)的組織與推理等，它們共同構(gòu)成了服務(wù)層豐富的功能體系，以滿足多樣化的業(yè)務(wù)需求。9.（）是AI的根基，為模型訓(xùn)練提供基本的資料；（）是實(shí)現(xiàn)AI系統(tǒng)所需的硬件計(jì)算能力，為AI技術(shù)提供底層基礎(chǔ)設(shè)施的支撐；（）是機(jī)器的學(xué)習(xí)方法，提供各種各樣的通用算法模型，并結(jié)合具體應(yīng)用場(chǎng)景提供特定技術(shù)接口。A、邏輯B、數(shù)據(jù)C、算力D、算法正確答案：BCD答案解析：數(shù)據(jù)是AI的根基，像圖像、文本、語(yǔ)音等各種數(shù)據(jù)為模型訓(xùn)練提供基本的資料，所以第一個(gè)空選B；算力是實(shí)現(xiàn)AI系統(tǒng)所需的硬件計(jì)算能力，比如GPU集群等，為AI技術(shù)提供底層基礎(chǔ)設(shè)施的支撐，第二個(gè)空選C；算法是機(jī)器的學(xué)習(xí)方法，提供各種各樣的通用算法模型，并結(jié)合具體應(yīng)用場(chǎng)景提供特定技術(shù)接口，第三個(gè)空選D。10.大規(guī)模自監(jiān)督預(yù)訓(xùn)練方法目前存在（）等局限性。A、需要大規(guī)模算力和海量數(shù)據(jù)資源支持B、需要研究人員對(duì)相關(guān)研究領(lǐng)域的數(shù)據(jù)有深刻理解C、大規(guī)模預(yù)訓(xùn)練模型存在隱私數(shù)據(jù)的提取問(wèn)題D、大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型在深層次的語(yǔ)言理解方面存在差距正確答案：ABCD答案解析：大規(guī)模自監(jiān)督預(yù)訓(xùn)練方法存在多方面局限性。選項(xiàng)A，其需要大規(guī)模算力和海量數(shù)據(jù)資源支持，這對(duì)硬件設(shè)施和數(shù)據(jù)儲(chǔ)備要求極高，很多研究團(tuán)隊(duì)難以滿足；選項(xiàng)B，研究人員需對(duì)相關(guān)研究領(lǐng)域的數(shù)據(jù)有深刻理解，否則難以有效利用數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，增加了研究難度；選項(xiàng)C，大規(guī)模預(yù)訓(xùn)練模型存在隱私數(shù)據(jù)提取問(wèn)題，在數(shù)據(jù)使用和模型訓(xùn)練過(guò)程中可能涉及隱私數(shù)據(jù)泄露風(fēng)險(xiǎn)；選項(xiàng)D，大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型在深層次的語(yǔ)言理解方面確實(shí)存在差距，還不能完全精準(zhǔn)地理解和處理復(fù)雜語(yǔ)義等語(yǔ)言現(xiàn)象。11.故障及影響分析輔助決策系統(tǒng)的整體流程是？A、發(fā)現(xiàn)B、研判C、風(fēng)險(xiǎn)分析D、反饋正確答案：ABCD答案解析：整體流程為首先發(fā)現(xiàn)故障（A），接著對(duì)故障進(jìn)行研判（B），然后基于研判結(jié)果進(jìn)行風(fēng)險(xiǎn)分析（C），最后將分析結(jié)果進(jìn)行反饋（D）。12.目前的主流語(yǔ)音合成框架有：（）A、GoogleNetB、WaveNetC、TacotronD、AlexNet正確答案：BC答案解析：WaveNet是一種用于語(yǔ)音合成的深度神經(jīng)網(wǎng)絡(luò)，Tacotron也是語(yǔ)音合成領(lǐng)域很有影響力的框架。而GoogleNet主要用于圖像分類等計(jì)算機(jī)視覺(jué)任務(wù)，AlexNet同樣是用于圖像領(lǐng)域的經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)，它們都不是主流語(yǔ)音合成框架。13.人工智能訓(xùn)練運(yùn)行平臺(tái)應(yīng)包括：（）和服務(wù)發(fā)布等4部分。A、模型訓(xùn)練B、模型部署C、模型構(gòu)建D、模型評(píng)估正確答案：ABD14.人工智能平臺(tái)的建設(shè)應(yīng)基于國(guó)網(wǎng)云的（）資源、（）資源、（）資源和網(wǎng)絡(luò)資源。A、CPU計(jì)算B、AI芯片計(jì)算C、存儲(chǔ)D、模型正確答案：ABC答案解析：人工智能平臺(tái)的建設(shè)需要多種資源的支持。國(guó)網(wǎng)云提供了豐富的資源，其中CPU計(jì)算資源（選項(xiàng)A）是基礎(chǔ)的計(jì)算能力支撐；AI芯片計(jì)算資源（選項(xiàng)B）能針對(duì)人工智能算法進(jìn)行高效加速計(jì)算；存儲(chǔ)資源（選項(xiàng)C）用于存儲(chǔ)大量的數(shù)據(jù)和模型等，這些資源共同為人工智能平臺(tái)的建設(shè)奠定基礎(chǔ)，而模型資源一般是基于這些底層資源通過(guò)訓(xùn)練等過(guò)程生成的，并非直接作為平臺(tái)建設(shè)所基于的資源類型。15.公司級(jí)人工智能平臺(tái)應(yīng)集成（）、（）、（）、模型管理、模型驗(yàn)證、基礎(chǔ)模型服務(wù)及部分實(shí)時(shí)性要求不高的業(yè)務(wù)模型服務(wù)模塊A、語(yǔ)音識(shí)別B、推理計(jì)算C、樣本管理D、數(shù)據(jù)訓(xùn)練正確答案：BCD16.模型評(píng)估包括（）。A、驗(yàn)證環(huán)境選擇B、驗(yàn)證集選擇C、模型選擇D、結(jié)果展示正確答案：ABCD答案解析：模型評(píng)估涵蓋多個(gè)方面，模型選擇是確定使用哪種模型架構(gòu)或算法來(lái)解決問(wèn)題；驗(yàn)證集選擇是劃分出用于評(píng)估模型性能的數(shù)據(jù)集；驗(yàn)證環(huán)境選擇包括確定評(píng)估模型的硬件、軟件等運(yùn)行環(huán)境；結(jié)果展示則是將模型評(píng)估的結(jié)果以直觀、有效的方式呈現(xiàn)出來(lái)，以便更好地理解和分析模型性能。所以這四個(gè)選項(xiàng)都屬于模型評(píng)估的范疇。17.計(jì)算機(jī)視覺(jué)具有（）等優(yōu)點(diǎn)A、速度快B、精度高C、成本低D、成本高正確答案：ABC答案解析：計(jì)算機(jī)視覺(jué)具有速度快、精度高、成本低等優(yōu)點(diǎn)。速度快可以快速處理大量圖像數(shù)據(jù)；精度高能夠準(zhǔn)確識(shí)別和分析圖像中的各種信息；成本低在大規(guī)模應(yīng)用中可降低整體投入成本，所以ABC選項(xiàng)正確，而成本高不是其優(yōu)點(diǎn)，D選項(xiàng)錯(cuò)誤。18.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)一般分為以下幾種模型（）。A、單階段模型B、雙階段模型C、三階段模型正確答案：AB答案解析：?jiǎn)坞A段模型直接從圖像中預(yù)測(cè)目標(biāo)的類別和位置，如YOLO系列。雙階段模型先產(chǎn)生候選區(qū)域，再對(duì)候選區(qū)域進(jìn)行分類和位置精修，如R-CNN系列。目前基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)主要就是這兩種模型類型，不存在三階段模型這種普遍被認(rèn)可的分類。19.智能寫作平臺(tái)基于（）等相對(duì)成熟的文章分析工具，自動(dòng)收集省公司、所轄市縣公司和支撐單位的網(wǎng)站新聞A、全文檢索B、情報(bào)搜集C、熱詞分析D、分詞技術(shù)正確答案：ABCD20.下面屬于計(jì)算機(jī)視覺(jué)的應(yīng)用場(chǎng)景有（）A、人臉識(shí)別門禁B、輔助駕駛C、醫(yī)療圖片分析D、商品掃描識(shí)別正確答案：ABCD答案解析：計(jì)算機(jī)視覺(jué)是一門研究如何使計(jì)算機(jī)“看”的科學(xué)，其應(yīng)用場(chǎng)景非常廣泛。人臉識(shí)別門禁利用計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別面部特征來(lái)控制門禁，屬于計(jì)算機(jī)視覺(jué)應(yīng)用；輔助駕駛中通過(guò)攝像頭等設(shè)備利用計(jì)算機(jī)視覺(jué)識(shí)別道路、車輛、行人等，屬于該領(lǐng)域應(yīng)用；醫(yī)療圖片分析利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)X光、CT等醫(yī)療圖片進(jìn)行分析診斷，是其應(yīng)用場(chǎng)景；商品掃描識(shí)別借助計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別商品信息，同樣屬于計(jì)算機(jī)視覺(jué)的應(yīng)用場(chǎng)景。21.智能推薦系統(tǒng)的特點(diǎn)包括()。A、根據(jù)用戶的購(gòu)買記錄記憶用戶的偏好B、根據(jù)瀏覽時(shí)間判斷商品對(duì)用戶的吸引力C、推薦用戶消費(fèi)過(guò)的相關(guān)產(chǎn)品D、根據(jù)用戶的喜好進(jìn)行相關(guān)推薦正確答案：ABCD答案解析：智能推薦系統(tǒng)能夠根據(jù)用戶的購(gòu)買記錄精準(zhǔn)記憶用戶偏好，所以選項(xiàng)A正確；通過(guò)瀏覽時(shí)間等行為數(shù)據(jù)可判斷商品對(duì)用戶的吸引力，選項(xiàng)B正確；會(huì)推薦用戶消費(fèi)過(guò)的相關(guān)產(chǎn)品，選項(xiàng)C正確；還能依據(jù)用戶喜好進(jìn)行相關(guān)推薦，選項(xiàng)D正確。22.車庫(kù)門禁的車牌識(shí)別系統(tǒng)中使用的兩個(gè)重要技術(shù)包括()。A、圖像識(shí)別B、車紋識(shí)別C、人臉識(shí)別D、圖像分割正確答案：AD答案解析：車牌識(shí)別系統(tǒng)中，圖像分割是將圖像中的車牌區(qū)域與其他背景區(qū)域分開(kāi)，以便后續(xù)準(zhǔn)確識(shí)別車牌信息；圖像識(shí)別則是對(duì)分割后的車牌圖像進(jìn)行字符識(shí)別等操作來(lái)確定車牌號(hào)碼。車紋識(shí)別和人臉識(shí)別并非車牌識(shí)別系統(tǒng)的重要技術(shù)。23.智能電網(wǎng)調(diào)度的應(yīng)用場(chǎng)景有哪些？A、電網(wǎng)模擬仿真器B、新能源發(fā)電預(yù)測(cè)/母線復(fù)合預(yù)測(cè)C、多能互補(bǔ)的發(fā)用電平衡D、異常事件/故障下的輔助決策模型正確答案：ABCD答案解析：選項(xiàng)A中電網(wǎng)模擬仿真器可用于對(duì)電網(wǎng)運(yùn)行情況進(jìn)行模擬分析，為調(diào)度提供參考；選項(xiàng)B的新能源發(fā)電預(yù)測(cè)/母線復(fù)合預(yù)測(cè)有助于提前掌握電力供應(yīng)情況，優(yōu)化調(diào)度策略；選項(xiàng)C的多能互補(bǔ)的發(fā)用電平衡能使調(diào)度更好地協(xié)調(diào)多種能源的發(fā)電與用電，提升能源利用效率；選項(xiàng)D的異常事件/故障下的輔助決策模型能在電網(wǎng)出現(xiàn)異常時(shí)幫助調(diào)度快速做出合理決策，這些都是智能電網(wǎng)調(diào)度的應(yīng)用場(chǎng)景。24.人工智能平臺(tái)功能應(yīng)包括：（）。A、樣本庫(kù)B、數(shù)據(jù)庫(kù)C、訓(xùn)練運(yùn)行平臺(tái)D、模型庫(kù)正確答案：ACD25.公司級(jí)人工智能平臺(tái)應(yīng)為公司各業(yè)務(wù)部門、各省公司及各地市公司提供高效共享的（）及推理服務(wù)。A、推理計(jì)算B、驗(yàn)證C、管理D、算法訓(xùn)練正確答案：BCD26.數(shù)據(jù)采集的主要方法是將充分兼容