人工智能導(dǎo)論課程考試試卷范本試卷說明考試時長：120分鐘試卷總分：100分適用對象：修讀“人工智能導(dǎo)論”課程的本科/?？茖W(xué)生一、單項選擇題（每題2分，共20分）請從每題的四個選項中選出最符合題意的答案，將序號填入括號內(nèi)。1.人工智能的本質(zhì)目標是讓機器具備（）的能力，以模擬人類智能行為。A.感知環(huán)境與自主決策B.邏輯推理與符號運算C.數(shù)據(jù)擬合與模式識別D.單一任務(wù)的重復(fù)執(zhí)行2.以下屬于連接主義人工智能學(xué)派核心思想的是（）。A.以邏輯規(guī)則表示知識并推理B.模擬大腦神經(jīng)元的連接機制C.通過進化算法實現(xiàn)行為優(yōu)化D.從海量數(shù)據(jù)中統(tǒng)計規(guī)律3.監(jiān)督學(xué)習任務(wù)中，模型訓(xùn)練的核心是學(xué)習（）之間的映射關(guān)系。A.輸入特征與標簽B.輸入數(shù)據(jù)與噪聲C.特征空間與樣本分布D.模型參數(shù)與損失函數(shù)4.啟發(fā)式搜索算法（如A*算法）中，“啟發(fā)函數(shù)”的作用是（）。A.直接計算最優(yōu)路徑B.評估節(jié)點的“有希望程度”C.記錄已訪問的節(jié)點D.擴展所有可能的子節(jié)點5.卷積神經(jīng)網(wǎng)絡(luò)（CNN）在計算機視覺任務(wù)中被廣泛應(yīng)用，其核心優(yōu)勢在于（）。A.處理序列數(shù)據(jù)的時序依賴B.自動提取局部特征并共享參數(shù)C.模擬人類語言的語義理解D.實現(xiàn)多模態(tài)數(shù)據(jù)的融合6.自然語言處理中，“詞向量（WordEmbedding）”的主要作用是（）。A.將單詞轉(zhuǎn)換為固定長度的數(shù)值向量，捕捉語義關(guān)聯(lián)B.對文本進行語法分析，生成句法樹C.統(tǒng)計文本中單詞的出現(xiàn)頻率D.實現(xiàn)語音與文字的相互轉(zhuǎn)換7.強化學(xué)習的核心要素不包括（）。A.智能體（Agent）B.環(huán)境（Environment）C.獎勵（Reward）D.標注數(shù)據(jù)（LabeledData）8.專家系統(tǒng)中，推理機的功能是（）。A.存儲領(lǐng)域知識與規(guī)則B.根據(jù)知識推導(dǎo)結(jié)論C.解釋推理過程與結(jié)果D.管理用戶交互與輸入9.人工智能倫理討論中，“算法偏見”的主要成因是（）。B.硬件計算能力不足C.自然語言的歧義性D.神經(jīng)網(wǎng)絡(luò)的黑箱特性10.以下技術(shù)中，不屬于生成式人工智能的是（）。B.StableDiffusion圖像生成C.傳統(tǒng)的決策樹分類算法D.基于VAE的變分自編碼器二、填空題（每空1分，共15分）請根據(jù)課程知識，在橫線處填寫恰當?shù)膬?nèi)容。1.人工智能的三大經(jīng)典學(xué)派是符號主義、連接主義和________。2.機器學(xué)習的典型流程包括：數(shù)據(jù)采集、________、模型訓(xùn)練、________、模型部署。3.神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元的輸出由“輸入加權(quán)和”經(jīng)過________函數(shù)轉(zhuǎn)換得到，常見的此類函數(shù)有Sigmoid、________、Tanh等。4.知識表示的常見方法包括：謂詞邏輯、________、語義網(wǎng)絡(luò)、________等。5.搜索算法根據(jù)是否使用啟發(fā)信息，可分為________搜索（如廣度優(yōu)先）和________搜索（如A*算法）。6.自然語言處理的核心任務(wù)包括：分詞、詞性標注、________、________等。三、簡答題（每題10分，共30分）請結(jié)合課程知識，簡要回答以下問題，要求邏輯清晰、要點明確。1.簡述“監(jiān)督學(xué)習”與“無監(jiān)督學(xué)習”的核心區(qū)別，并各舉一個典型算法的應(yīng)用場景。2.分析專家系統(tǒng)的主要組成部分（至少4個），并說明各部分的功能。3.人工智能發(fā)展面臨哪些倫理與安全挑戰(zhàn)？請列舉至少3個方面并簡要說明。四、綜合應(yīng)用題（共35分）請結(jié)合課程知識，對以下問題進行分析與設(shè)計，要求步驟完整、邏輯嚴謹。1.（15分）假設(shè)需要設(shè)計一個“校園垃圾分類識別系統(tǒng)”（通過圖像識別垃圾類型），請闡述基于機器學(xué)習的解決方案，包括：數(shù)據(jù)預(yù)處理的核心步驟（如數(shù)據(jù)采集、標注、增強等）；選擇合適的模型（如CNN、傳統(tǒng)機器學(xué)習模型等）并說明理由；模型訓(xùn)練與評估的關(guān)鍵指標及優(yōu)化思路。2.（20分）AlphaGo在圍棋領(lǐng)域戰(zhàn)勝人類選手的技術(shù)突破體現(xiàn)在哪里？結(jié)合“蒙特卡洛樹搜索（MCTS）”與“深度學(xué)習”的融合方式，分析其創(chuàng)新點，并闡述這一突破對人工智能發(fā)展的意義。參考答案及評分標準一、單項選擇題（每題2分，共20分）1.D；2.B；3.A；4.B；5.B；6.A；7.D；8.B；9.A；10.C二、填空題（每空1分，共15分）1.行為主義（或進化主義）2.數(shù)據(jù)預(yù)處理；模型評估（或模型驗證）3.激活；ReLU（或LeakyReLU等合理答案）4.產(chǎn)生式規(guī)則；框架（或本體、貝葉斯網(wǎng)絡(luò)等合理答案）5.盲目（或無信息）；啟發(fā)式6.句法分析；情感分析（或機器翻譯、問答系統(tǒng)等合理任務(wù)）三、簡答題（每題10分，共30分）第1題評分要點：算法與場景（各3分）：監(jiān)督學(xué)習：如“邏輯回歸”用于信貸違約預(yù)測（輸入用戶特征，輸出是否違約）；或“CNN”用于圖像分類（輸入圖像，輸出類別標簽）。無監(jiān)督學(xué)習：如“K-means聚類”用于客戶分群（無標簽數(shù)據(jù)，按消費行為分組）；或“PCA降維”用于高維數(shù)據(jù)可視化。第2題評分要點：組成部分（每個1分，共4分）：知識庫、推理機、綜合數(shù)據(jù)庫、人機接口（或解釋器、知識獲取模塊等）。功能說明（每個1.5分，共6分）：知識庫：存儲領(lǐng)域知識（如規(guī)則、事實）；推理機：根據(jù)知識推導(dǎo)結(jié)論（如正向/反向推理）；綜合數(shù)據(jù)庫：存儲推理過程的中間數(shù)據(jù)/事實；人機接口：用戶與系統(tǒng)的交互界面（輸入問題、輸出結(jié)果）；解釋器（可選）：解釋推理過程，提升透明度。第3題評分要點：倫理挑戰(zhàn)（每個3分，共9分，答出3個即可）：隱私侵犯：數(shù)據(jù)采集/使用過程中泄露個人信息（如人臉數(shù)據(jù)濫用）；就業(yè)沖擊：自動化替代部分崗位（如制造業(yè)、客服行業(yè)）；安全風險：AI系統(tǒng)被惡意攻擊（如自動駕駛被干擾、Deepfake偽造信息）；責任界定：AI決策失誤的責任歸屬（如醫(yī)療AI誤診）。邏輯清晰（1分）：表述有條理，理由充分。四、綜合應(yīng)用題（共35分）第1題（15分）評分要點：數(shù)據(jù)預(yù)處理（5分）：采集：通過攝像頭/網(wǎng)絡(luò)爬取校園垃圾圖像；標注：人工標注垃圾類型（如可回收、有害、廚余等）；增強：圖像旋轉(zhuǎn)、翻轉(zhuǎn)、亮度調(diào)整（解決數(shù)據(jù)量少/不平衡問題）；劃分：訓(xùn)練集、驗證集、測試集（如7:2:1）。模型選擇（5分）：選擇CNN（如ResNet、MobileNet）：理由是CNN擅長提取圖像局部特征，參數(shù)共享降低計算量，適合圖像分類任務(wù)；或傳統(tǒng)模型（如SVM+HOG特征）：理由是數(shù)據(jù)量小時，傳統(tǒng)模型泛化性強，但特征工程復(fù)雜。訓(xùn)練與評估（5分）：指標：準確率（分類正確比例）、召回率（正例識別能力）、F1值（綜合指標）；優(yōu)化：學(xué)習率調(diào)整（如余弦退火）、正則化（如Dropout）、早停（避免過擬合）。第2題（20分）評分要點：技術(shù)突破（5分）：傳統(tǒng)圍棋AI依賴人工設(shè)計的估值函數(shù)，AlphaGo結(jié)合深度學(xué)習（策略網(wǎng)絡(luò)+價值網(wǎng)絡(luò)）與蒙特卡洛樹搜索，實現(xiàn)“直覺+精確計算”的融合。融合方式（10分）：策略網(wǎng)絡(luò)（PolicyNetwork）：學(xué)習人類棋譜，輸出落子概率（模擬“直覺選點”）；價值網(wǎng)絡(luò)（ValueNetwork）：評估棋局勝負概率（替代傳統(tǒng)估值函數(shù)，減少計算量）；MCTS：在搜索樹中，結(jié)合策略網(wǎng)絡(luò)的落子概率（擴展節(jié)點）和價值網(wǎng)絡(luò)的勝負評估（回溯價值），高效探索最優(yōu)路徑。創(chuàng)新點（3分）：用深度學(xué)習替代人工設(shè)計的特征/規(guī)則，端到端學(xué)習圍棋策略；MCTS與深度學(xué)習的高效結(jié)合，平衡“探索”與“利用”。發(fā)展意義（2分）：驗證了“深度學(xué)習+強化學(xué)習+搜索算法”的強通用性，推動AI在復(fù)雜決策任務(wù)（如醫(yī)療、科研）