計算機2025年人工智能基礎測試卷考試時間：______分鐘總分：______分姓名：______一、單項選擇題：下列每小題備選答案中，只有一個是最符合題意的，請將正確選項的代表字母填在題干后的括號內。每小題1分，共20分。1.通常認為，人工智能作為一門學科正式誕生于哪一年？A.1920年B.1956年C.1960年D.1970年2.下列哪一項不屬于人工智能的主要研究目標？A.理解智能B.模擬智能C.延長壽命D.創(chuàng)建智能3.在人工智能發(fā)展史上，哪些是重要的里程碑事件？（請選擇兩個）A.圖靈測試的提出B.深度學習的興起C.第一臺電子計算機的誕生D.雷達技術的發(fā)明4.深度學習是哪種方法的典型代表？A.符號主義B.連接主義C.行為主義D.基于規(guī)則的方法5.以下哪種搜索算法保證能在有限步驟內找到目標狀態(tài)，如果解存在的話？A.深度優(yōu)先搜索B.廣度優(yōu)先搜索C.啟發(fā)式搜索D.A*搜索6.在狀態(tài)空間搜索中，表示當前待擴展節(jié)點集合的數(shù)據(jù)結構通常是？A.棧B.隊列C.鏈表D.哈希表7.下面哪種方法不屬于機器學習？A.聚類分析B.回歸分析C.決策樹歸納D.遺傳算法8.在監(jiān)督學習中，我們通常需要什么樣的數(shù)據(jù)來訓練模型？A.僅包含輸入特征B.僅包含輸出標簽C.同時包含輸入特征和對應輸出標簽D.不需要任何數(shù)據(jù)9.下列哪種算法屬于監(jiān)督學習中的分類算法？A.K-Means聚類B.K-近鄰C.主成分分析D.決策樹10.決策樹在處理不純度時，常用的衡量標準不包括？A.信息增益B.信息增益率C.Gini不純度D.交叉熵11.下列哪種算法屬于無監(jiān)督學習？A.線性回歸B.支持向量機C.K-Means聚類D.邏輯回歸12.在K-Means聚類算法中，K代表什么？A.聚類中心的數(shù)量B.最小距離閾值C.最大迭代次數(shù)D.數(shù)據(jù)點的數(shù)量13.神經(jīng)網(wǎng)絡中，輸入層節(jié)點通常代表什么？A.神經(jīng)網(wǎng)絡的輸出B.神經(jīng)網(wǎng)絡的輸入特征C.神經(jīng)網(wǎng)絡的隱藏層D.學習率參數(shù)14.神經(jīng)網(wǎng)絡中，用于計算節(jié)點之間連接強度的權重，在訓練過程中需要被調整。A.是B.否15.在神經(jīng)網(wǎng)絡訓練中，反向傳播算法主要解決什么問題？A.如何初始化網(wǎng)絡參數(shù)B.如何選擇網(wǎng)絡結構C.如何根據(jù)輸出誤差更新網(wǎng)絡權重D.如何選擇合適的激活函數(shù)16.下列哪個不是常用的神經(jīng)網(wǎng)絡激活函數(shù)？A.Sigmoid函數(shù)B.Tanh函數(shù)C.ReLU函數(shù)D.Heaviside階躍函數(shù)17.自然語言處理（NLP）的最終目標之一是讓計算機能夠像人類一樣進行理解和生成自然語言。A.是B.否18.下列哪項技術不屬于計算機視覺的范疇？A.圖像識別B.語音識別C.圖像分割D.目標跟蹤19.人工智能倫理關注的問題不包括？A.算法偏見B.數(shù)據(jù)隱私C.機器Consciousness（意識）D.人工智能的就業(yè)替代20.以下哪個是對“強人工智能”（ArtificialGeneralIntelligence,AGI）的描述？A.能夠執(zhí)行特定任務的智能體B.具備與人類同等智慧水平的智能體C.基于深度學習的神經(jīng)網(wǎng)絡模型D.由圖靈測試定義的智能二、填空題：請將答案填寫在橫線上。每空3分，共15分。21.人工智能的發(fā)展經(jīng)歷了符號主義、連接主義和行為主義等主要思潮，_________和__________是連接主義思潮的重要代表人物。22.在廣度優(yōu)先搜索中，新產(chǎn)生的節(jié)點總是被添加到開放列表的_________端。23.機器學習模型評估常用的指標有準確率、精確率、召回率和F1值等，其中精確率是指_________占所有被模型預測為正例的樣本的比例。24.神經(jīng)網(wǎng)絡中，常用的損失函數(shù)有均方誤差（MSE）和交叉熵損失，其中分類問題中通常使用_________損失。25.能夠處理不確定性和模糊性的知識表示方法包括產(chǎn)生式規(guī)則、語義網(wǎng)絡和_________。三、判斷題：請判斷下列說法的正誤，正確的填“√”，錯誤的填“×”。每小題2分，共10分。26.深度優(yōu)先搜索算法的空間復雜度通常低于廣度優(yōu)先搜索算法。27.在機器學習模型訓練過程中，過擬合是指模型對訓練數(shù)據(jù)學習得太好，但也無法很好地泛化到新數(shù)據(jù)上。28.決策樹是一種非參數(shù)的監(jiān)督學習方法。29.神經(jīng)網(wǎng)絡的層數(shù)越多，其表示能力就越強，但同時也更容易過擬合。30.人工智能只帶來機遇，不會帶來挑戰(zhàn)和風險。四、簡答題：請簡要回答下列問題。每小題5分，共25分。31.簡述深度優(yōu)先搜索（DFS）的基本原理及其特點。32.解釋機器學習中“過擬合”現(xiàn)象，并列舉至少兩種常用的防止過擬合的方法。33.描述神經(jīng)網(wǎng)絡中一個神經(jīng)元的基本結構，并說明其計算過程。34.簡述自然語言處理（NLP）的主要任務和應用領域。35.什么是人工智能倫理？請列舉至少三個人工智能發(fā)展過程中需要關注的重要倫理問題。五、綜合應用題：請根據(jù)題目要求完成下列任務。共20分。36.假設我們需要在一個不大的地圖上進行路徑搜索，地圖由若干個節(jié)點組成，節(jié)點之間有有向邊連接，邊的權重代表距離。請簡述你會選擇哪種搜索算法（如BFS,DFS,A*等）來找到從起點到終點的最短路徑，并說明選擇該算法的理由。同時，簡要說明A*算法如何利用啟發(fā)式信息來提高搜索效率。試卷答案一、單項選擇題1.B2.C3.AB4.B5.B6.B7.D8.C9.D10.D11.C12.A13.B14.A15.C16.B17.A18.B19.C20.B二、填空題21.杰弗里·辛頓,雅克·勒克萊克22.隊尾23.真正的正例24.交叉熵25.模糊邏輯三、判斷題26.×27.√28.√29.√30.×四、簡答題31.深度優(yōu)先搜索（DFS）是一種基于棧的搜索算法。它從根節(jié)點（或任意起始節(jié)點）出發(fā)，沿著一條路徑不斷深入探索，直到無法繼續(xù)前進（即到達葉子節(jié)點或已訪問過的節(jié)點）時，才回溯到上一個節(jié)點，繼續(xù)探索其他未訪問的路徑。其特點包括：實現(xiàn)簡單，空間復雜度較低（通常只需要存儲路徑），但可能不保證找到最優(yōu)解，且在環(huán)狀圖中容易陷入無限循環(huán)。32.過擬合是指機器學習模型在訓練數(shù)據(jù)上表現(xiàn)非常好（誤差很?。谖匆娺^的測試數(shù)據(jù)上表現(xiàn)很差（誤差很大）的現(xiàn)象。這通常是因為模型過于復雜，學習了訓練數(shù)據(jù)中的噪聲和細節(jié)，而不是潛在的泛化規(guī)律。防止過擬合的方法包括：減少模型復雜度（如減少層數(shù)/節(jié)點數(shù)），增加訓練數(shù)據(jù)量（數(shù)據(jù)增強），使用正則化技術（如L1/L2正則化），提前停止（EarlyStopping）訓練，使用交叉驗證等。33.神經(jīng)網(wǎng)絡中一個神經(jīng)元的基本結構包括：輸入層，接收來自其他神經(jīng)元或外部輸入的信號；權重（Weights），每個輸入信號都有一個與之關聯(lián)的權重，代表該輸入信號的重要性；加權求和（WeightedSum），將所有輸入信號與其對應權重相乘后求和；偏置（Bias），一個額外的可學習參數(shù)，用于調整神經(jīng)元的激活閾值；激活函數(shù)（ActivationFunction），對加權求和的結果進行非線性變換，輸出神經(jīng)元的最終激活值。其計算過程為：輸入信號x1,x2,...,xn與權重w1,w2,...,wn加權求和，再加上偏置b，得到凈輸入z=(x1*w1+x2*w2+...+xn*wn)+b，然后通過激活函數(shù)f將凈輸入z映射為輸出y=f(z)。34.自然語言處理（NLP）是人工智能的一個分支，致力于研究如何讓計算機理解、解釋和生成人類使用的自然語言。其主要任務包括：文本分類、命名實體識別、情感分析、機器翻譯、問答系統(tǒng)、文本摘要、信息檢索等。應用領域廣泛，涉及搜索引擎、智能客服、機器寫作、語音助手、輿情分析、智能翻譯等。35.人工智能倫理是指研究人工智能發(fā)展與應用中涉及的道德原則、價值規(guī)范和行為準則。它關注技術帶來的社會影響，旨在確保人工智能技術的發(fā)展符合人類的整體利益和長遠福祉。重要倫理問題包括：算法偏見與公平性（模型可能對特定群體產(chǎn)生歧視）、數(shù)據(jù)隱私與安全（大量個人數(shù)據(jù)被收集和使用）、責任歸屬（AI造成損害時責任如何界定）、透明度與可解釋性（復雜AI決策過程難以理解）、人類自主性（AI過度干預可能削弱人類決策權）、就業(yè)沖擊（AI可能導致大規(guī)模失業(yè)）、自主武器（致命性自主武器系統(tǒng)的風險）等。五、綜合應用題36.我會選擇A*搜索算法來找到從起點到終點的最短路徑。選擇理由：A*算法是一種啟發(fā)式搜索算法，它結合了廣度優(yōu)先搜索的完備性和最優(yōu)性（在啟發(fā)式函數(shù)精確的情況下）以及貪婪搜索的高效性。它通過評估函數(shù)f(n)=g(n)+h(n)來決定下一個擴展的節(jié)點，其中g(n)是從起點到節(jié)點n的實際代價（路徑長度），h(n)是節(jié)點n到目標節(jié)點的估計代價（啟發(fā)式函數(shù)）。A*算法總是優(yōu)先擴展f(n)值最小的節(jié)