2025年人工智能中學(xué)試題及答案一、單項(xiàng)選擇題（共15題，每題2分，共30分）1.下列哪項(xiàng)技術(shù)是實(shí)現(xiàn)“計(jì)算機(jī)能理解人類語言并生成合理回答”的核心？A.計(jì)算機(jī)視覺（CV）B.自然語言處理（NLP）C.強(qiáng)化學(xué)習(xí)（RL）D.遺傳算法（GA）2.小明用手機(jī)拍照識(shí)別植物品種，這一過程主要依賴的AI技術(shù)是：A.語音識(shí)別B.圖像分類C.機(jī)器翻譯D.知識(shí)圖譜3.以下屬于監(jiān)督學(xué)習(xí)的典型任務(wù)是：A.對(duì)用戶評(píng)論進(jìn)行情感分析（標(biāo)注為“正面”或“負(fù)面”）B.從用戶消費(fèi)記錄中自動(dòng)聚類出“高消費(fèi)”“低消費(fèi)”群體C.讓機(jī)器人通過試錯(cuò)學(xué)會(huì)走迷宮D.用無標(biāo)簽數(shù)據(jù)訓(xùn)練模型提取特征4.神經(jīng)網(wǎng)絡(luò)中，“激活函數(shù)”的主要作用是：A.加速計(jì)算過程B.引入非線性特征，增強(qiáng)模型表達(dá)能力C.減少參數(shù)數(shù)量D.防止過擬合5.2023年某電商平臺(tái)推出“AI客服”，能根據(jù)用戶歷史購(gòu)物記錄推薦商品。其核心技術(shù)是：A.卷積神經(jīng)網(wǎng)絡(luò)（CNN）B.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）C.推薦系統(tǒng)（基于協(xié)同過濾或深度學(xué)習(xí)）D.生成對(duì)抗網(wǎng)絡(luò)（GAN）6.以下關(guān)于“過擬合”的描述，錯(cuò)誤的是：A.模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在新數(shù)據(jù)上效果差B.可以通過增加訓(xùn)練數(shù)據(jù)量緩解C.可以通過減少模型復(fù)雜度（如減少神經(jīng)網(wǎng)絡(luò)層數(shù)）緩解D.過擬合是因?yàn)槟Ｐ蜔o法捕捉數(shù)據(jù)中的復(fù)雜模式7.某AI模型需要處理“時(shí)間序列數(shù)據(jù)”（如股票價(jià)格隨時(shí)間變化），最適合的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是：A.全連接網(wǎng)絡(luò)（FCN）B.卷積神經(jīng)網(wǎng)絡(luò)（CNN）C.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）D.自編碼器（Autoencoder）8.下列哪項(xiàng)屬于AI倫理問題？A.圖像識(shí)別準(zhǔn)確率從85%提升至90%B.智能招聘系統(tǒng)因訓(xùn)練數(shù)據(jù)偏差，對(duì)某性別求職者評(píng)分偏低C.語音助手支持多語言切換D.自動(dòng)駕駛汽車的傳感器精度提高9.小明想訓(xùn)練一個(gè)模型識(shí)別“貓和狗的圖片”，他收集了1000張貓的圖片和100張狗的圖片，這會(huì)導(dǎo)致：A.模型對(duì)狗的識(shí)別準(zhǔn)確率可能更低（類別不平衡問題）B.模型訓(xùn)練速度更快C.模型更容易過擬合D.無需處理，不影響最終效果10.以下哪項(xiàng)是“弱人工智能”的典型應(yīng)用？A.能自主創(chuàng)作小說的AIB.會(huì)下圍棋的AlphaGoC.具備自我意識(shí)的機(jī)器人D.可以進(jìn)行通用推理的AI系統(tǒng)11.自然語言處理中的“詞嵌入（WordEmbedding）”技術(shù)，主要目的是：A.將單詞轉(zhuǎn)換為計(jì)算機(jī)可處理的數(shù)值向量，保留語義關(guān)聯(lián)B.增加文本長(zhǎng)度以滿足模型輸入要求C.去除文本中的冗余詞匯D.提高文本的可讀性12.自動(dòng)駕駛汽車的“感知決策控制”流程中，“決策”環(huán)節(jié)主要依賴：A.攝像頭、激光雷達(dá)等傳感器B.路徑規(guī)劃算法（如A算法、強(qiáng)化學(xué)習(xí)）C.電機(jī)和剎車系統(tǒng)D.圖像識(shí)別模型13.以下關(guān)于“遷移學(xué)習(xí)”的描述，正確的是：A.必須使用與目標(biāo)任務(wù)完全相同的訓(xùn)練數(shù)據(jù)B.可以利用已訓(xùn)練好的模型（如預(yù)訓(xùn)練語言模型），微調(diào)后用于新任務(wù)C.只能用于圖像領(lǐng)域，不能用于文本D.遷移學(xué)習(xí)會(huì)顯著增加模型訓(xùn)練成本14.某AI模型在測(cè)試中，將“蘋果（水果）”錯(cuò)誤識(shí)別為“蘋果（手機(jī)品牌）”，這反映了模型的：A.泛化能力不足B.語義理解能力不足C.計(jì)算速度太慢D.抗噪聲能力差15.以下哪項(xiàng)是“生成式AI”的應(yīng)用？A.垃圾郵件分類B.人臉識(shí)別解鎖手機(jī)C.AI繪畫工具（如StableDiffusion）D.股票價(jià)格預(yù)測(cè)二、填空題（共10題，每題2分，共20分）1.人工智能的英文縮寫是______。2.機(jī)器學(xué)習(xí)的三要素是數(shù)據(jù)、模型和______。3.神經(jīng)網(wǎng)絡(luò)中，輸入層和輸出層之間的層數(shù)稱為______。4.自然語言處理中，“分詞”是指將連續(xù)的文本分割成______的過程。5.強(qiáng)化學(xué)習(xí)中的“獎(jiǎng)勵(lì)函數(shù)”用于評(píng)價(jià)智能體______的好壞。6.圖像識(shí)別中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）的“卷積層”主要用于提取______。7.常見的分類算法有邏輯回歸、決策樹和______（任寫一種）。8.AI倫理的核心原則包括公平性、隱私保護(hù)和______（任寫一種）。9.生成對(duì)抗網(wǎng)絡(luò)（GAN）由生成器和______兩部分組成。10.自動(dòng)駕駛的等級(jí)中，L4級(jí)表示______（填寫“有條件自動(dòng)駕駛”或“高度自動(dòng)駕駛”）。三、簡(jiǎn)答題（共4題，每題8分，共32分）1.請(qǐng)解釋“監(jiān)督學(xué)習(xí)”與“無監(jiān)督學(xué)習(xí)”的區(qū)別，并各舉一個(gè)應(yīng)用實(shí)例。2.為什么神經(jīng)網(wǎng)絡(luò)需要“激活函數(shù)”？常見的激活函數(shù)有哪些（至少列舉3種）？3.簡(jiǎn)述AI在教育領(lǐng)域的應(yīng)用（至少3種），并分析其可能帶來的挑戰(zhàn)。4.什么是“算法偏見”？請(qǐng)結(jié)合具體場(chǎng)景（如招聘、司法）說明其危害及解決思路。四、應(yīng)用題（共1題，18分）小明計(jì)劃開發(fā)一個(gè)“智能垃圾分類助手”，用戶拍攝垃圾照片后，AI能識(shí)別并分類為“可回收物”“有害垃圾”“廚余垃圾”“其他垃圾”。請(qǐng)回答以下問題：（1）需要哪些步驟完成模型訓(xùn)練？（6分）（2）可能遇到哪些技術(shù)難點(diǎn)？（6分）（3）為了提高識(shí)別準(zhǔn)確率，可采取哪些優(yōu)化措施？（6分）參考答案一、單項(xiàng)選擇題1.B2.B3.A4.B5.C6.D7.C8.B9.A10.B11.A12.B13.B14.B15.C二、填空題1.AI2.算法（或“學(xué)習(xí)算法”）3.隱藏層（或“中間層”）4.獨(dú)立詞語（或“有意義的詞”）5.動(dòng)作（或“行為”）6.圖像特征（或“局部特征”）7.支持向量機(jī)（或“隨機(jī)森林”“神經(jīng)網(wǎng)絡(luò)”等）8.透明性（或“可解釋性”“責(zé)任性”）9.判別器10.高度自動(dòng)駕駛?cè)?、?jiǎn)答題1.區(qū)別：監(jiān)督學(xué)習(xí)使用帶標(biāo)簽的數(shù)據(jù)訓(xùn)練模型（輸入輸出對(duì)明確），目標(biāo)是學(xué)習(xí)輸入到輸出的映射；無監(jiān)督學(xué)習(xí)使用無標(biāo)簽數(shù)據(jù)，目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)或規(guī)律。實(shí)例：監(jiān)督學(xué)習(xí)（如垃圾郵件分類，郵件文本為輸入，“垃圾”或“非垃圾”為標(biāo)簽）；無監(jiān)督學(xué)習(xí)（如用戶分群，根據(jù)消費(fèi)數(shù)據(jù)自動(dòng)聚類出不同群體）。2.原因：若沒有激活函數(shù)，多層神經(jīng)網(wǎng)絡(luò)會(huì)退化為線性模型（線性組合的線性變換仍是線性），無法擬合復(fù)雜的非線性關(guān)系；激活函數(shù)引入非線性，使模型能學(xué)習(xí)更復(fù)雜的模式。常見激活函數(shù)：Sigmoid、ReLU（修正線性單元）、Tanh（雙曲正切函數(shù)）。3.應(yīng)用：智能輔導(dǎo)系統(tǒng)（個(gè)性化學(xué)習(xí)路徑推薦）、自動(dòng)作業(yè)批改（如作文評(píng)分）、虛擬教師（語音交互解答問題）、教育數(shù)據(jù)分析（預(yù)測(cè)學(xué)生成績(jī)趨勢(shì)）。挑戰(zhàn)：數(shù)據(jù)隱私（學(xué)生個(gè)人信息泄露風(fēng)險(xiǎn)）、算法偏見（對(duì)不同水平學(xué)生的評(píng)價(jià)不公）、技術(shù)依賴（削弱教師的個(gè)性化指導(dǎo)作用）、技術(shù)成本（中小企業(yè)或農(nóng)村學(xué)校難以普及）。4.定義：算法因訓(xùn)練數(shù)據(jù)或設(shè)計(jì)缺陷，對(duì)特定群體（如性別、種族、年齡）產(chǎn)生不公平的判別結(jié)果。場(chǎng)景與危害：招聘中，若訓(xùn)練數(shù)據(jù)偏向某性別或?qū)W校的歷史錄用者，模型可能歧視其他群體，導(dǎo)致就業(yè)不公；司法中，犯罪風(fēng)險(xiǎn)評(píng)估模型若數(shù)據(jù)包含偏見（如對(duì)某種族的錯(cuò)誤記錄），可能導(dǎo)致量刑不公。解決思路：優(yōu)化訓(xùn)練數(shù)據(jù)（增加多樣性、去除歧視性特征）、設(shè)計(jì)公平性評(píng)估指標(biāo)（如不同群體的準(zhǔn)確率差異）、提高算法可解釋性（明確決策依據(jù)）。四、應(yīng)用題（1）訓(xùn)練步驟：①數(shù)據(jù)收集與標(biāo)注：采集大量垃圾圖片（覆蓋不同角度、光照、遮擋情況），標(biāo)注正確分類；②數(shù)據(jù)預(yù)處理：調(diào)整圖片尺寸（如統(tǒng)一為224×224像素）、數(shù)據(jù)增強(qiáng)（翻轉(zhuǎn)、旋轉(zhuǎn)、亮度調(diào)整等，增加數(shù)據(jù)多樣性）；③模型選擇：使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)（如ResNet、EfficientNet）作為基礎(chǔ)模型；④模型訓(xùn)練：將預(yù)處理后的數(shù)據(jù)輸入模型，通過反向傳播優(yōu)化參數(shù)，使用交叉熵?fù)p失函數(shù)計(jì)算預(yù)測(cè)與真實(shí)標(biāo)簽的誤差；⑤模型評(píng)估：用測(cè)試集驗(yàn)證準(zhǔn)確率、召回率等指標(biāo)，調(diào)整超參數(shù)（如學(xué)習(xí)率、批次大小）；⑥模型部署：將訓(xùn)練好的模型集成到手機(jī)應(yīng)用中，支持實(shí)時(shí)推理。（2）技術(shù)難點(diǎn)：①數(shù)據(jù)不平衡：某些垃圾類別（如“有害垃圾”）樣本少，模型可能偏向常見類別；②遮擋與相似性：垃圾可能被部分遮擋（如半藏的電池），或不同類別外觀相似（如破損的塑料瓶與玻璃瓶）；③實(shí)時(shí)性要求：手機(jī)端計(jì)算能力有限，需優(yōu)化模型大?。ㄈ缒Ｐ蛪嚎s、量化）以保證快速響應(yīng)；④復(fù)雜背景干擾：用戶拍攝時(shí)可能包含無關(guān)背景（如桌面、地面），影響特征提取。（3）優(yōu)化措施：①數(shù)據(jù)層面：針對(duì)少樣本類別進(jìn)行過采樣（如復(fù)制樣本、生成合成數(shù)據(jù)