2025年人工智能导论习题(附参考答案).docxVIP

2025年人工智能导论习题(附参考答案)

一、单项选择题（每题2分，共20分）

1.以下哪项不属于人工智能三要素？（）

A.数据B.算法C.算力D.知识

2.图灵测试的核心目的是（）

A.评估机器的计算速度B.判断机器是否具备人类智能

C.测试机器的图像识别能力D.验证神经网络的泛化性

3.符号主义学派的核心观点是（）

A.智能源于神经元连接B.智能通过感知-行动反馈形成

C.智能基于符号操作与逻辑推理D.智能依赖大数据与统计学习

4.以下哪种学习方式需要明确的标签数据？（）

A.强化学习B.无监督学习C.半监督学习D.监督学习

5.在卷积神经网络（CNN）中，卷积层的主要作用是（）

A.降维减少计算量B.提取局部空间特征

C.增强全局依赖关系D.防止过拟合

6.自然语言处理（NLP）中，“词向量”（Word2Vec）的本质是（）

A.将词语转换为唯一IDB.捕捉词语的语义关联

C.统计词语出现频率D.分析句子语法结构

7.强化学习中的“奖励函数”主要用于（）

A.标记训练数据的类别B.评估智能体行为的优劣

C.优化模型的参数初始化D.加速梯度下降过程

8.以下哪项是迁移学习的典型应用场景？（）

A.用大量医学影像训练癌症检测模型

B.将英语-法语翻译模型调整为英语-德语翻译模型

C.通过无标签数据训练聚类模型

D.用强化学习训练围棋AI

9.决策树算法中，信息增益的作用是（）

A.衡量特征对分类的贡献度B.确定树的最大深度

C.计算样本的相似性D.优化叶节点的预测值

10.以下哪项不属于生成式AI的典型应用？（）

A.DALL-E生成图像B.GPT生成文本

C.人脸识别系统D.扩散模型生成语音

二、填空题（每空1分，共15分）

1.人工智能的发展可分为三个阶段：推理期、知识期和__________。

2.符号主义的代表性成果包括__________（如专家系统）和谓词逻辑。

3.机器学习中，过拟合是指模型在__________数据上表现良好，但在__________数据上表现差的现象。

4.深度学习的“深度”通常指__________的层数，其核心优势是通过__________自动提取高阶特征。

5.自然语言处理的子任务包括__________（如分词）、__________（如情感分析）和生成任务（如文本摘要）。

6.计算机视觉中，目标检测的经典模型有__________（单阶段）和FasterR-CNN（两阶段）。

7.强化学习的三要素是__________、__________和奖励函数。

8.迁移学习的核心思想是将__________任务的知识迁移到__________任务中，解决目标任务数据不足的问题。

9.AI伦理的核心议题包括__________（如算法歧视）、隐私保护和责任归属。

三、简答题（每题6分，共30分）

1.简述符号主义、连接主义和行为主义三大AI学派的核心观点及代表性技术。

2.解释监督学习、无监督学习和半监督学习的区别，并各举一例说明。

3.说明注意力机制（AttentionMechanism）在Transformer模型中的作用，并举例其在NLP中的应用。

4.分析人工智能伦理中的“算法偏见”问题，可能的成因及缓解方法。

5.描述多模态学习（Multi-modalLearning）的定义，并列举两个典型应用场景。

四、计算题（每题8分，共24分）

1.假设有一个感知机模型，初始权重为w=[0.5,-0.3]，偏置b=0.2，学习率η=0.1。输入样本x=[2,1]，真实标签y=1，模型输出为?=sign(w·x+b)。计算：

（1）模型的初始输出值；

（2）若初始输出错误，更新后的权重和偏置。

2.某数据集包含3个特征（A、B、C）和一个二分类标签（正类、负类），其中特征A的取值为{0,1}。已知总样本数为10，其中正类6个，负类4个；当A=0时，正类3个，负类1个；当A=1时，正类3个，负类3个。计算特征A的信息增益（熵的计算以2为底）。

3.一个简单的神经网络结构为：输入层2个神经元，隐藏层2个神经元（激活函数为sigmoid），输出层1个神经元（激活函数为sigmoid）。权重矩阵W1（输入到隐藏）为[[0.4,0.2],[0.1,0.3]]，W2（隐藏到输出）为[