2025年四川省公需科目人工智能考試題(附答案)一、單項(xiàng)選擇題（每題2分，共30分）1.下列關(guān)于人工智能（AI）的定義，最準(zhǔn)確的是：A.模擬人類智能的計(jì)算機(jī)程序B.通過算法實(shí)現(xiàn)人類所有認(rèn)知能力的技術(shù)C.研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)D.基于大數(shù)據(jù)的自動(dòng)化信息處理技術(shù)2.機(jī)器學(xué)習(xí)中，“通過觀察數(shù)據(jù)中的模式自動(dòng)調(diào)整模型參數(shù)”屬于：A.監(jiān)督學(xué)習(xí)B.無監(jiān)督學(xué)習(xí)C.強(qiáng)化學(xué)習(xí)D.半監(jiān)督學(xué)習(xí)3.卷積神經(jīng)網(wǎng)絡(luò)（CNN）的核心優(yōu)勢在于：A.處理序列數(shù)據(jù)（如文本）B.提取圖像局部空間特征C.實(shí)現(xiàn)多任務(wù)學(xué)習(xí)D.降低模型計(jì)算復(fù)雜度4.自然語言處理（NLP）中，“將文本轉(zhuǎn)換為機(jī)器可理解的向量表示”主要依賴：A.詞袋模型（BagofWords）B.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）C.預(yù)訓(xùn)練語言模型（如BERT）D.情感分析算法5.計(jì)算機(jī)視覺中，“識(shí)別圖像中多個(gè)目標(biāo)的位置和類別”屬于：A.圖像分類B.目標(biāo)檢測C.語義分割D.實(shí)例分割6.知識(shí)圖譜的核心組成是：A.實(shí)體、關(guān)系、屬性B.算法、數(shù)據(jù)、算力C.規(guī)則、案例、框架D.輸入、處理、輸出7.強(qiáng)化學(xué)習(xí)中，“智能體（Agent）”的核心目標(biāo)是：A.最小化損失函數(shù)B.最大化累積獎(jiǎng)勵(lì)C.優(yōu)化特征提取D.降低過擬合風(fēng)險(xiǎn)8.提供式人工智能（AIGC）中，“StableDiffusion”主要用于：A.文本提供B.圖像提供C.語音合成D.視頻提供9.人工智能倫理的核心原則不包括：A.公平性（Fairness）B.可解釋性（Explainability）C.高效性（Efficiency）D.責(zé)任性（Accountability）10.人工智能在醫(yī)療領(lǐng)域的典型應(yīng)用不包括：A.醫(yī)學(xué)影像輔助診斷B.藥物分子結(jié)構(gòu)預(yù)測C.手術(shù)機(jī)器人自主決策D.電子病歷智能分析11.下列不屬于人工智能三要素的是：A.數(shù)據(jù)B.算法C.算力D.場景12.遷移學(xué)習(xí)的主要目的是：A.減少標(biāo)注數(shù)據(jù)需求B.提高模型運(yùn)算速度C.增強(qiáng)模型泛化能力D.降低模型復(fù)雜度13.對抗提供網(wǎng)絡(luò)（GAN）的核心思想是：A.兩個(gè)模型相互博弈優(yōu)化B.利用強(qiáng)化學(xué)習(xí)訓(xùn)練提供器C.結(jié)合監(jiān)督與無監(jiān)督學(xué)習(xí)D.通過自編碼器提取特征14.人工智能在農(nóng)業(yè)中的應(yīng)用“精準(zhǔn)灌溉”主要依賴：A.自然語言處理技術(shù)B.計(jì)算機(jī)視覺技術(shù)C.傳感器與機(jī)器學(xué)習(xí)結(jié)合D.知識(shí)圖譜推理15.《提供式人工智能服務(wù)管理暫行辦法》中，對提供內(nèi)容的核心要求是：A.完全真實(shí)不可篡改B.標(biāo)注來源并提示可能不實(shí)C.由人工審核后發(fā)布D.僅限學(xué)術(shù)研究使用二、多項(xiàng)選擇題（每題3分，共30分。每題至少有2個(gè)正確選項(xiàng)，錯(cuò)選、漏選均不得分）1.人工智能的關(guān)鍵技術(shù)包括：A.機(jī)器學(xué)習(xí)B.計(jì)算機(jī)視覺C.知識(shí)工程D.機(jī)器人學(xué)2.監(jiān)督學(xué)習(xí)的典型任務(wù)有：A.分類（Classification）B.聚類（Clustering）C.回歸（Regression）D.降維（DimensionalityReduction）3.深度學(xué)習(xí)的特點(diǎn)包括：A.依賴人工特征工程B.自動(dòng)提取多層次特征C.需要大規(guī)模標(biāo)注數(shù)據(jù)D.模型復(fù)雜度高（如千億參數(shù)）4.自然語言處理的主要任務(wù)包括：A.機(jī)器翻譯（MachineTranslation）B.問答系統(tǒng)（QuestionAnswering）C.圖像描述提供（ImageCaptioning）D.文本摘要（TextSummarization）5.計(jì)算機(jī)視覺的技術(shù)應(yīng)用場景有：A.自動(dòng)駕駛中的環(huán)境感知B.工業(yè)檢測中的缺陷識(shí)別C.醫(yī)學(xué)影像中的腫瘤定位D.社交媒體中的人臉解鎖6.知識(shí)圖譜的構(gòu)建步驟包括：A.實(shí)體抽?。‥ntityExtraction）B.關(guān)系挖掘（RelationMining）C.知識(shí)融合（KnowledgeFusion）D.知識(shí)推理（KnowledgeReasoning）7.強(qiáng)化學(xué)習(xí)的組成部分包括：A.狀態(tài)（State）B.動(dòng)作（Action）C.獎(jiǎng)勵(lì)（Reward）D.策略（Policy）8.提供式AI的應(yīng)用場景包括：A.代碼自動(dòng)提供（如GitHubCopilot）B.虛擬人對話交互（如智能客服）C.3D模型提供（如建筑設(shè)計(jì)輔助）D.新聞內(nèi)容自動(dòng)編寫（如體育賽事報(bào)道）9.人工智能倫理風(fēng)險(xiǎn)主要涉及：A.算法歧視（如招聘系統(tǒng)對特定群體的偏見）B.隱私泄露（如人臉數(shù)據(jù)非法濫用）C.就業(yè)替代（如客服、翻譯崗位減少）D.技術(shù)失控（如自主武器系統(tǒng)的決策不可控）10.人工智能在教育領(lǐng)域的應(yīng)用形式有：A.智能作業(yè)批改（如作文自動(dòng)評分）B.個(gè)性化學(xué)習(xí)路徑推薦（如根據(jù)學(xué)習(xí)數(shù)據(jù)調(diào)整內(nèi)容）C.虛擬教師（如AI驅(qū)動(dòng)的口語陪練）D.教育資源智能檢索（如根據(jù)知識(shí)點(diǎn)匹配課件）三、判斷題（每題1分，共10分。正確填“√”，錯(cuò)誤填“×”）1.人工智能的發(fā)展階段中，“符號(hào)主義”強(qiáng)調(diào)通過邏輯推理實(shí)現(xiàn)智能，“連接主義”強(qiáng)調(diào)通過神經(jīng)網(wǎng)絡(luò)模擬大腦。（）2.無監(jiān)督學(xué)習(xí)需要標(biāo)注數(shù)據(jù)，而監(jiān)督學(xué)習(xí)不需要。（）3.神經(jīng)網(wǎng)絡(luò)的層數(shù)越多，模型性能一定越好。（）4.自然語言處理只能處理文本，無法處理語音。（）5.計(jì)算機(jī)視覺中的“語義分割”需要區(qū)分不同實(shí)例（如不同的人），而“實(shí)例分割”只需標(biāo)注類別（如所有車輛）。（）6.知識(shí)圖譜一旦構(gòu)建完成，無需更新，因?yàn)橹R(shí)是靜態(tài)的。（）7.強(qiáng)化學(xué)習(xí)中的“獎(jiǎng)勵(lì)函數(shù)”設(shè)計(jì)直接影響智能體的學(xué)習(xí)效果，不合理的設(shè)計(jì)可能導(dǎo)致錯(cuò)誤行為（如游戲AI為刷分破壞規(guī)則）。（）8.提供式AI提供的內(nèi)容無需承擔(dān)法律責(zé)任，因?yàn)槭菣C(jī)器自主提供的。（）9.人工智能倫理中的“可解釋性”要求模型決策過程能夠被人類理解，避免“黑箱”問題。（）10.人工智能在醫(yī)療中可以完全替代醫(yī)生，因?yàn)槠湓\斷準(zhǔn)確率已超過人類。（）四、簡答題（每題6分，共30分）1.簡述機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系與區(qū)別。2.神經(jīng)網(wǎng)絡(luò)的“前向傳播”與“反向傳播”分別指什么？各自的作用是什么？3.自然語言處理中，“預(yù)訓(xùn)練+微調(diào)”（Pre-train&Fine-tune）技術(shù)為何能顯著提升任務(wù)性能？4.計(jì)算機(jī)視覺在“智慧交通”中的具體應(yīng)用有哪些？至少列舉3項(xiàng)并說明其價(jià)值。5.知識(shí)圖譜在“智能搜索”中的作用是什么？請結(jié)合實(shí)例說明。五、案例分析題（共20分）案例：某醫(yī)院引入AI輔助診斷系統(tǒng)，用于肺部CT影像的肺癌早期篩查。系統(tǒng)基于深度學(xué)習(xí)模型訓(xùn)練，輸入為患者CT圖像，輸出為“高風(fēng)險(xiǎn)”“中風(fēng)險(xiǎn)”“低風(fēng)險(xiǎn)”分類及病灶位置標(biāo)注。上線3個(gè)月后，出現(xiàn)兩例誤判：一例實(shí)際為肺癌的患者被標(biāo)記為“低風(fēng)險(xiǎn)”（漏診），另一例肺部炎癥患者被標(biāo)記為“高風(fēng)險(xiǎn)”（誤診）。問題：（1）從數(shù)據(jù)角度分析，可能導(dǎo)致誤判的原因有哪些？（5分）（2）從模型角度，可采取哪些優(yōu)化措施提升系統(tǒng)準(zhǔn)確性？（5分）（3）從倫理角度，該系統(tǒng)應(yīng)用需注意哪些問題？（5分）（4）若你是醫(yī)院技術(shù)負(fù)責(zé)人，會(huì)如何向患者解釋系統(tǒng)的局限性？（5分）答案一、單項(xiàng)選擇題1.C2.A3.B4.C5.B6.A7.B8.B9.C10.C11.D12.A13.A14.C15.B二、多項(xiàng)選擇題1.ABCD2.AC3.BCD4.ABD5.ABCD6.ABCD7.ABCD8.ABCD9.ABCD10.ABCD三、判斷題1.√2.×3.×4.×5.×6.×7.√8.×9.√10.×四、簡答題1.關(guān)系：深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域，屬于基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法。區(qū)別：（1）特征提取：傳統(tǒng)機(jī)器學(xué)習(xí)依賴人工設(shè)計(jì)特征（如手動(dòng)提取圖像邊緣、紋理），深度學(xué)習(xí)通過神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)多層次特征（如從像素到邊緣、再到復(fù)雜結(jié)構(gòu)）；（2）數(shù)據(jù)需求：深度學(xué)習(xí)通常需要大規(guī)模標(biāo)注數(shù)據(jù)，傳統(tǒng)機(jī)器學(xué)習(xí)對數(shù)據(jù)量要求較低；（3）模型復(fù)雜度：深度學(xué)習(xí)模型（如Transformer）參數(shù)可達(dá)千億級，傳統(tǒng)模型（如SVM）參數(shù)較少；（4）應(yīng)用場景：深度學(xué)習(xí)在圖像、語音、自然語言等非結(jié)構(gòu)化數(shù)據(jù)任務(wù)中表現(xiàn)更優(yōu)，傳統(tǒng)機(jī)器學(xué)習(xí)在結(jié)構(gòu)化數(shù)據(jù)（如表格數(shù)據(jù)）中仍廣泛使用。2.前向傳播：輸入數(shù)據(jù)通過神經(jīng)網(wǎng)絡(luò)的各層（輸入層→隱藏層→輸出層）計(jì)算，得到預(yù)測值的過程。作用是提供模型對輸入的初步預(yù)測。反向傳播：根據(jù)預(yù)測值與真實(shí)值的誤差（損失函數(shù)），從輸出層向輸入層反向計(jì)算各層參數(shù)的梯度，并通過優(yōu)化算法（如梯度下降）更新參數(shù)的過程。作用是調(diào)整模型參數(shù)，降低預(yù)測誤差，提升模型性能。3.（1）預(yù)訓(xùn)練階段：模型在大規(guī)模無標(biāo)注文本（如維基百科、書籍）上學(xué)習(xí)通用語言知識(shí)（如詞匯語義、語法結(jié)構(gòu)、上下文關(guān)系），捕捉語言的統(tǒng)計(jì)規(guī)律；（2）微調(diào)階段：在特定任務(wù)（如情感分析、機(jī)器翻譯）的少量標(biāo)注數(shù)據(jù)上調(diào)整模型參數(shù)，將通用知識(shí)適配到具體任務(wù)；（3）優(yōu)勢：預(yù)訓(xùn)練解決了標(biāo)注數(shù)據(jù)不足的問題，通用知識(shí)的遷移使模型在小樣本任務(wù)中仍能表現(xiàn)良好，同時(shí)減少了從頭訓(xùn)練的計(jì)算成本。4.（1）交通流量監(jiān)測：通過道路攝像頭+目標(biāo)檢測技術(shù)識(shí)別車輛數(shù)量、類型及行駛速度，實(shí)時(shí)分析擁堵情況，優(yōu)化信號(hào)燈配時(shí)（如減少等待時(shí)間20%-30%）；（2）違章行為識(shí)別：利用圖像識(shí)別技術(shù)檢測闖紅燈、壓線、違停等行為，自動(dòng)抓拍并提供處罰依據(jù)（提升執(zhí)法效率，減少人工巡檢成本）；（3）行人與非機(jī)動(dòng)車檢測：在自動(dòng)駕駛或智能交通系統(tǒng)中，通過多模態(tài)感知（視覺+雷達(dá)）識(shí)別行人、電動(dòng)車，預(yù)防碰撞事故（降低路口事故率15%-20%）；（4）車牌識(shí)別：快速讀取車牌信息，應(yīng)用于電子收費(fèi)（ETC）、停車場管理等場景（縮短通行時(shí)間，減少排隊(duì)擁堵）。5.作用：知識(shí)圖譜通過實(shí)體（如“蘋果”可指水果或科技公司）、關(guān)系（如“創(chuàng)始人-喬布斯”）、屬性（如“成立時(shí)間-1976年”）的結(jié)構(gòu)化表示，為搜索提供語義理解能力，而非簡單關(guān)鍵詞匹配。實(shí)例：用戶搜索“蘋果的創(chuàng)始人”，傳統(tǒng)搜索可能返回含“蘋果”“創(chuàng)始人”關(guān)鍵詞的網(wǎng)頁，而基于知識(shí)圖譜的搜索會(huì)識(shí)別“蘋果”指科技公司，直接返回“喬布斯”及相關(guān)信息（如生平、成就），并可能擴(kuò)展“喬布斯的其他關(guān)聯(lián)實(shí)體”（如皮克斯、iPod），提供更精準(zhǔn)、結(jié)構(gòu)化的答案。五、案例分析題（1）數(shù)據(jù)角度原因：①訓(xùn)練數(shù)據(jù)分布不均衡：肺癌樣本占比過低（如僅占5%），模型更傾向于預(yù)測“低風(fēng)險(xiǎn)”；②數(shù)據(jù)標(biāo)注質(zhì)量差：病灶位置標(biāo)注不準(zhǔn)確（如邊界模糊未精確標(biāo)注），導(dǎo)致模型學(xué)習(xí)到錯(cuò)誤特征；③數(shù)據(jù)多樣性不足：訓(xùn)練集僅包含某一類型CT設(shè)備（如低分辨率）的圖像，而實(shí)際應(yīng)用中存在其他設(shè)備（高分辨率）的圖像，模型泛化能力差；④未覆蓋罕見病例：訓(xùn)練數(shù)據(jù)缺乏與炎癥易混淆的肺癌亞型（如磨玻璃結(jié)節(jié)型肺癌）樣本，導(dǎo)致漏診。（2）模型優(yōu)化措施：①采用不平衡數(shù)據(jù)處理技術(shù)（如SMOTE過采樣、加權(quán)損失函數(shù)），增加肺癌樣本權(quán)重；②引入多模態(tài)數(shù)據(jù)（如結(jié)合患者年齡、吸煙史等臨床信息），提升模型綜合判斷能力；③采用集成學(xué)習(xí)（如融合CNN與Transformer模型），降低單一模型的過擬合風(fēng)險(xiǎn)；④增加對抗訓(xùn)練（AdversarialTraining），提升模型對噪聲（如CT圖像偽影）的魯棒性；⑤實(shí)施模型可解釋性優(yōu)化（如通過Grad-CAM可視化病灶區(qū)域），便于醫(yī)生驗(yàn)證模型決策依據(jù)。（3）倫理問題：①知情同意：需向患者明確說明AI診斷的局限性（如存在誤判可能），避免患者因依賴AI結(jié)果延誤治療；②責(zé)任界定：誤判導(dǎo)致的醫(yī)療糾紛中，需明確醫(yī)院、AI開發(fā)方、數(shù)據(jù)提供方的責(zé)任劃分；③隱私保護(hù)：CT圖像包含患者敏感信息，需確保數(shù)據(jù)存儲(chǔ)、傳輸過程符合《個(gè)人信息保護(hù)法》，防止泄露；④公平性：模型是否對特定群體（如老年人、不同種族）存在偏見（如因訓(xùn)練數(shù)據(jù)中某群體樣本不足導(dǎo)致誤判率更高）；⑤透明性：向醫(yī)生公開模型的決策邏輯（如哪些圖像區(qū)域影響了“高風(fēng)