2025年超星尔雅学习通《人工智能原理（北京大学版）》章节测试题库及答案解析.docxVIP

2025年超星尔雅学习通《人工智能原理（北京大学版）》章节测试题库及答案解析

单位所属部门：________姓名：________考场号：________考生号：________

一、选择题

1.人工智能的发展历程中，以下哪个事件被认为是人工智能发展的一个重要里程碑（）

A.1950年图灵提出图灵测试

B.1980年专家系统的兴起

C.2012年深度学习的突破

D.2020年通用人工智能的提出

答案：A

解析：图灵测试是人工智能发展史上的一个重要里程碑，它提出了衡量机器智能的标准，对后续人工智能的发展产生了深远影响。虽然专家系统和深度学习都是人工智能发展的重要阶段，但图灵测试的提出是更早期的标志性事件。通用人工智能的提出是未来的发展方向，尚未成为现实。

2.以下哪个不是人工智能的主要研究方向（）

A.机器学习

B.自然语言处理

C.计算机视觉

D.量子计算

答案：D

解析：机器学习、自然语言处理和计算机视觉都是人工智能的主要研究方向，而量子计算虽然与人工智能有一定关联，但更多属于计算机科学和量子物理的范畴，不是人工智能的主要研究方向。

3.人工智能的基本特征不包括以下哪一项（）

A.自主性

B.学习能力

C.逻辑推理能力

D.感知能力

答案：A

解析：人工智能的基本特征包括学习能力、逻辑推理能力和感知能力，但自主性不是人工智能的基本特征。人工智能需要在人的指导下进行学习和工作，不具备完全的自主性。

4.以下哪种算法不属于监督学习算法（）

A.决策树

B.神经网络

C.支持向量机

D.K-means聚类

答案：D

解析：决策树、神经网络和支持向量机都属于监督学习算法，而K-means聚类属于无监督学习算法。监督学习算法需要训练数据带有标签，而无监督学习算法则不需要。

5.以下哪个不是常用的机器学习评价指标（）

A.准确率

B.精确率

C.召回率

D.相关性系数

答案：D

解析：准确率、精确率和召回率都是常用的机器学习评价指标，而相关性系数主要用于衡量两个变量之间的线性关系，不是机器学习常用的评价指标。

6.以下哪种技术不属于深度学习技术（）

A.卷积神经网络

B.循环神经网络

C.长短时记忆网络

D.支持向量机

答案：D

解析：卷积神经网络、循环神经网络和长短时记忆网络都属于深度学习技术，而支持向量机属于机器学习技术，不是深度学习技术。

7.以下哪个不是自然语言处理的主要任务（）

A.机器翻译

B.情感分析

C.语音识别

D.图像分类

答案：D

解析：机器翻译、情感分析和语音识别都是自然语言处理的主要任务，而图像分类属于计算机视觉的主要任务，不是自然语言处理的主要任务。

8.以下哪种方法不属于强化学习算法（）

A.Q学习

B.SARSA

C.决策树

D.DQN

答案：C

解析：Q学习、SARSA和DQN都属于强化学习算法，而决策树属于监督学习算法，不是强化学习算法。

9.以下哪个不是计算机视觉的主要任务（）

A.图像分类

B.目标检测

C.人脸识别

D.机器翻译

答案：D

解析：图像分类、目标检测和人脸识别都是计算机视觉的主要任务，而机器翻译属于自然语言处理的主要任务，不是计算机视觉的主要任务。

10.以下哪种技术不属于计算机视觉技术（）

A.卷积神经网络

B.循环神经网络

C.光学字符识别

D.图像分割

答案：B

解析：卷积神经网络、光学字符识别和图像分割都属于计算机视觉技术，而循环神经网络属于深度学习技术，不是计算机视觉技术。

11.人工智能的核心目标是（）

A.制造机器人

B.模拟人类智能

C.控制计算机硬件

D.开发操作系统

答案：B

解析：人工智能的核心目标是模拟、延伸和扩展人类智能，使其能够像人一样思考、学习、推理和解决问题。制造机器人、控制计算机硬件和开发操作系统虽然可能是人工智能的应用或相关领域，但不是其核心目标。

12.以下哪个不是人工智能的发展阶段（）

A.萌芽期

B.热潮期

C.应用期

D.量子计算期

答案：D

解析：人工智能的发展大致经历了萌芽期、热潮期和应用期等阶段。量子计算虽然与人工智能有关联，但不是人工智能的发展阶段。

13.人工智能伦理问题不包括以下哪一项（）

A.隐私保护

B.算法偏见

C.就业冲击

D.能源消耗

答案：D

解析：人工智能伦理问题主要包括隐私保护、算法偏见和就业冲击等，而能源消耗虽然是一个实际问题，但通常不被归类为人工智能伦理问题。

14.以下哪种方法不属于机器学习中的特征工程（）

A.特征选择

B.特征提取

C.特征缩放

D.模型训练

答案：D

解析：特征工程是机器学习中的重要步骤，包括特征选择、特征提取和特征缩放等方法，而模型训练是机器学