2025年人工智能導(dǎo)論習(xí)題(附參考答案)一、單項(xiàng)選擇題（每題2分，共20分）1.以下哪項(xiàng)不屬于人工智能三要素？（）A.數(shù)據(jù)B.算法C.算力D.知識(shí)2.圖靈測(cè)試的核心目的是（）A.評(píng)估機(jī)器的計(jì)算速度B.判斷機(jī)器是否具備人類智能C.測(cè)試機(jī)器的圖像識(shí)別能力D.驗(yàn)證神經(jīng)網(wǎng)絡(luò)的泛化性3.符號(hào)主義學(xué)派的核心觀點(diǎn)是（）A.智能源于神經(jīng)元連接B.智能通過感知-行動(dòng)反饋形成C.智能基于符號(hào)操作與邏輯推理D.智能依賴大數(shù)據(jù)與統(tǒng)計(jì)學(xué)習(xí)4.以下哪種學(xué)習(xí)方式需要明確的標(biāo)簽數(shù)據(jù)？（）A.強(qiáng)化學(xué)習(xí)B.無監(jiān)督學(xué)習(xí)C.半監(jiān)督學(xué)習(xí)D.監(jiān)督學(xué)習(xí)5.在卷積神經(jīng)網(wǎng)絡(luò)（CNN）中，卷積層的主要作用是（）A.降維減少計(jì)算量B.提取局部空間特征C.增強(qiáng)全局依賴關(guān)系D.防止過擬合6.自然語言處理（NLP）中，“詞向量”（Word2Vec）的本質(zhì)是（）A.將詞語轉(zhuǎn)換為唯一IDB.捕捉詞語的語義關(guān)聯(lián)C.統(tǒng)計(jì)詞語出現(xiàn)頻率D.分析句子語法結(jié)構(gòu)7.強(qiáng)化學(xué)習(xí)中的“獎(jiǎng)勵(lì)函數(shù)”主要用于（）A.標(biāo)記訓(xùn)練數(shù)據(jù)的類別B.評(píng)估智能體行為的優(yōu)劣C.優(yōu)化模型的參數(shù)初始化D.加速梯度下降過程8.以下哪項(xiàng)是遷移學(xué)習(xí)的典型應(yīng)用場(chǎng)景？（）A.用大量醫(yī)學(xué)影像訓(xùn)練癌癥檢測(cè)模型B.將英語-法語翻譯模型調(diào)整為英語-德語翻譯模型C.通過無標(biāo)簽數(shù)據(jù)訓(xùn)練聚類模型D.用強(qiáng)化學(xué)習(xí)訓(xùn)練圍棋AI9.決策樹算法中，信息增益的作用是（）A.衡量特征對(duì)分類的貢獻(xiàn)度B.確定樹的最大深度C.計(jì)算樣本的相似性D.優(yōu)化葉節(jié)點(diǎn)的預(yù)測(cè)值10.以下哪項(xiàng)不屬于生成式AI的典型應(yīng)用？（）A.DALL-E生成圖像B.GPT生成文本C.人臉識(shí)別系統(tǒng)D.擴(kuò)散模型生成語音二、填空題（每空1分，共15分）1.人工智能的發(fā)展可分為三個(gè)階段：推理期、知識(shí)期和__________。2.符號(hào)主義的代表性成果包括__________（如專家系統(tǒng)）和謂詞邏輯。3.機(jī)器學(xué)習(xí)中，過擬合是指模型在__________數(shù)據(jù)上表現(xiàn)良好，但在__________數(shù)據(jù)上表現(xiàn)差的現(xiàn)象。4.深度學(xué)習(xí)的“深度”通常指__________的層數(shù)，其核心優(yōu)勢(shì)是通過__________自動(dòng)提取高階特征。5.自然語言處理的子任務(wù)包括__________（如分詞）、__________（如情感分析）和生成任務(wù)（如文本摘要）。6.計(jì)算機(jī)視覺中，目標(biāo)檢測(cè)的經(jīng)典模型有__________（單階段）和FasterR-CNN（兩階段）。7.強(qiáng)化學(xué)習(xí)的三要素是__________、__________和獎(jiǎng)勵(lì)函數(shù)。8.遷移學(xué)習(xí)的核心思想是將__________任務(wù)的知識(shí)遷移到__________任務(wù)中，解決目標(biāo)任務(wù)數(shù)據(jù)不足的問題。9.AI倫理的核心議題包括__________（如算法歧視）、隱私保護(hù)和責(zé)任歸屬。三、簡(jiǎn)答題（每題6分，共30分）1.簡(jiǎn)述符號(hào)主義、連接主義和行為主義三大AI學(xué)派的核心觀點(diǎn)及代表性技術(shù)。2.解釋監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的區(qū)別，并各舉一例說明。3.說明注意力機(jī)制（AttentionMechanism）在Transformer模型中的作用，并舉例其在NLP中的應(yīng)用。4.分析人工智能倫理中的“算法偏見”問題，可能的成因及緩解方法。5.描述多模態(tài)學(xué)習(xí)（Multi-modalLearning）的定義，并列舉兩個(gè)典型應(yīng)用場(chǎng)景。四、計(jì)算題（每題8分，共24分）1.假設(shè)有一個(gè)感知機(jī)模型，初始權(quán)重為w=[0.5,-0.3]，偏置b=0.2，學(xué)習(xí)率η=0.1。輸入樣本x=[2,1]，真實(shí)標(biāo)簽y=1，模型輸出為?=sign(w·x+b)。計(jì)算：（1）模型的初始輸出值；（2）若初始輸出錯(cuò)誤，更新后的權(quán)重和偏置。2.某數(shù)據(jù)集包含3個(gè)特征（A、B、C）和一個(gè)二分類標(biāo)簽（正類、負(fù)類），其中特征A的取值為{0,1}。已知總樣本數(shù)為10，其中正類6個(gè)，負(fù)類4個(gè)；當(dāng)A=0時(shí)，正類3個(gè)，負(fù)類1個(gè)；當(dāng)A=1時(shí)，正類3個(gè)，負(fù)類3個(gè)。計(jì)算特征A的信息增益（熵的計(jì)算以2為底）。3.一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為：輸入層2個(gè)神經(jīng)元，隱藏層2個(gè)神經(jīng)元（激活函數(shù)為sigmoid），輸出層1個(gè)神經(jīng)元（激活函數(shù)為sigmoid）。權(quán)重矩陣W1（輸入到隱藏）為[[0.4,0.2],[0.1,0.3]]，W2（隱藏到輸出）為[0.5,-0.6]，偏置b1=[0.1,0.2]，b2=0.3。輸入x=[1.5,2.0]，計(jì)算：（1）隱藏層神經(jīng)元的輸出值；（2）輸出層的最終預(yù)測(cè)值（保留4位小數(shù)）。五、綜合題（11分）設(shè)計(jì)一個(gè)基于AI的智能客服系統(tǒng)技術(shù)方案，要求包含以下內(nèi)容：（1）核心功能模塊（如意圖識(shí)別、問答生成等）；（2）涉及的關(guān)鍵技術(shù)（如NLP、知識(shí)圖譜等）；（3）可能面臨的挑戰(zhàn)及解決方案（如多輪對(duì)話、領(lǐng)域適配等）。參考答案一、單項(xiàng)選擇題1.D2.B3.C4.D5.B6.B7.B8.B9.A10.C二、填空題1.學(xué)習(xí)期（或數(shù)據(jù)驅(qū)動(dòng)期）2.知識(shí)表示3.訓(xùn)練；測(cè)試4.神經(jīng)網(wǎng)絡(luò)；層次化特征提取5.理解任務(wù)（或分析任務(wù)）；生成任務(wù)（注：需與題干對(duì)應(yīng)，如分詞屬分析，情感分析屬理解）6.YOLO（YouOnlyLookOnce）7.智能體（Agent）；環(huán)境（Environment）8.源；目標(biāo)9.公平性三、簡(jiǎn)答題1.符號(hào)主義：認(rèn)為智能源于符號(hào)操作與邏輯推理，代表性技術(shù)為專家系統(tǒng)（如MYCIN）和謂詞邏輯；連接主義：認(rèn)為智能源于神經(jīng)元連接的網(wǎng)絡(luò)結(jié)構(gòu)，代表性技術(shù)為神經(jīng)網(wǎng)絡(luò)（如CNN、Transformer）；行為主義：認(rèn)為智能通過“感知-行動(dòng)”反饋形成，代表性技術(shù)為強(qiáng)化學(xué)習(xí)（如AlphaGo）。2.監(jiān)督學(xué)習(xí)：使用帶標(biāo)簽數(shù)據(jù)訓(xùn)練（如用帶情感標(biāo)簽的文本訓(xùn)練情感分類模型）；無監(jiān)督學(xué)習(xí)：使用無標(biāo)簽數(shù)據(jù)挖掘模式（如用用戶點(diǎn)擊記錄聚類用戶群體）；半監(jiān)督學(xué)習(xí)：結(jié)合少量標(biāo)簽和大量無標(biāo)簽數(shù)據(jù)（如用少量標(biāo)注的醫(yī)療影像+大量未標(biāo)注數(shù)據(jù)訓(xùn)練疾病檢測(cè)模型）。3.注意力機(jī)制使模型能動(dòng)態(tài)關(guān)注輸入序列中的關(guān)鍵部分（如長(zhǎng)文本中的重點(diǎn)句子），解決長(zhǎng)距離依賴問題。在NLP中，如機(jī)器翻譯（Transformer通過自注意力捕捉源語言與目標(biāo)語言的詞對(duì)齊）、文本摘要（聚焦關(guān)鍵信息生成摘要）。4.算法偏見指模型因訓(xùn)練數(shù)據(jù)或設(shè)計(jì)缺陷導(dǎo)致對(duì)特定群體的不公平預(yù)測(cè)（如招聘模型歧視女性）。成因：數(shù)據(jù)偏差（如歷史數(shù)據(jù)中某群體樣本少）、特征選擇不當(dāng)（如隱含歧視性特征）。緩解方法：數(shù)據(jù)清洗（平衡樣本分布）、公平性約束（在損失函數(shù)中加入公平性指標(biāo)）、模型審計(jì)（定期檢測(cè)輸出偏差）。5.多模態(tài)學(xué)習(xí)指融合文本、圖像、語音等多種模態(tài)數(shù)據(jù)的學(xué)習(xí)方法。應(yīng)用場(chǎng)景：①視頻理解（結(jié)合視頻畫面與旁白文本分析內(nèi)容）；②智能對(duì)話（結(jié)合用戶語音、表情圖像和文本回復(fù)生成更自然的回答）。四、計(jì)算題1.（1）初始輸出值：w·x+b=0.5×2+(-0.3)×1+0.2=1-0.3+0.2=0.9，sign(0.9)=1；（2）因真實(shí)標(biāo)簽y=1，模型輸出正確，無需更新。2.總熵H(D)=-(6/10)log?(6/10)-(4/10)log?(4/10)≈0.971；A=0時(shí)，熵H(D|A=0)=-(3/4)log?(3/4)-(1/4)log?(1/4)≈0.811；A=1時(shí)，熵H(D|A=1)=-(3/6)log?(3/6)-(3/6)log?(3/6)=1；條件熵H(D|A)=(4/10)×0.811+(6/10)×1≈0.924；信息增益Gain(A)=H(D)-H(D|A)≈0.971-0.924=0.047。3.（1）隱藏層輸入z1=W1·x+b1=[0.4×1.5+0.2×2.0+0.1,0.1×1.5+0.3×2.0+0.2]=[0.6+0.4+0.1,0.15+0.6+0.2]=[1.1,0.95]；隱藏層輸出a1=sigmoid(z1)=[1/(1+e?1·1)≈0.7503,1/(1+e??·??)≈0.7215]；（2）輸出層輸入z2=W2·a1+b2=0.5×0.7503+(-0.6)×0.7215+0.3≈0.3752-0.4329+0.3=0.2423；輸出層預(yù)測(cè)值a2=sigmoid(z2)≈1/(1+e??·2?23)≈0.5602。五、綜合題技術(shù)方案設(shè)計(jì)：（1）核心功能模塊：①意圖識(shí)別模塊：識(shí)別用戶問題的意圖（如查詢、投訴、售后）；②知識(shí)檢索模塊：從知識(shí)圖譜或FAQ庫中匹配相關(guān)答案；③多輪對(duì)話管理模塊：跟蹤對(duì)話上下文，處理用戶追問；④生成式回答模塊：基于用戶意圖和檢索結(jié)果生成自然語言回復(fù)。（2）關(guān)鍵技術(shù)：①NLP技術(shù)：使用BERT等預(yù)訓(xùn)練模型進(jìn)行意圖分類和情感分析；②知識(shí)圖譜：結(jié)構(gòu)化存儲(chǔ)領(lǐng)域知識(shí)（如產(chǎn)品參數(shù)、服務(wù)流程），支持精準(zhǔn)檢索；③對(duì)話系統(tǒng)框架：如Rasa或Dialogflow，管理多輪對(duì)話狀態(tài)；④生成模型：如GPT-3.5，生成符合語境的個(gè)性化回答。（3）挑戰(zhàn)及解決方案：①多輪