《人工智能基础与应用》答案.pdfVIP

人工智能基础与应用

《人工智能基础与应用》

项目考核参考答案

项目一人工智能概览：从基础到前沿

一、选择题

（1）A

（2）C

（3）D

二、填空题

（1）弱人工智能；超人工智能

（2）强人工智能

（3）起步发展期；反思发展期；应用发展期；低迷发展期；稳步发展期；蓬勃发展

期

三、简答题

（1）人工智能的主要特征如下。

①学习能力。人工智能系统依托机器学习与深度学习算法，能够高效地从海量数据

中提取信息，实现自主学习，并不断调整自身的参数和模型，以提升系统性能与准确性。

②感知能力。人工智能系统通过整合多种传感器数据，实现对环境的全面感知。例

，自动驾驶汽车借助摄像头、雷达等传感器的协同工作，实现精准导航并有效规避障碍物。

③推理能力。人工智能系统通过逻辑推理和推断，能够从已有的知识和规则中推导

出新的结论和知识。这一能力使人工智能系统可以处理复杂的决策问题，提供相应的解决

方案和策略。例如，在棋类游戏（如围棋、国际象棋）中，人工智能算法能够通过分析局

势，运用逻辑推理预测对手的可能走法，并据此确定最优的应对策略。

④交互能力。人工智能系统具备语音识别、自然语言处理、图像理解等能力，支持

多种人机交互方式，从而实现人机之间更自然、高效的交互。

1

⑤创造能力。尽管当前的人工智能系统尚未真正具备人类水平的创造能力，但借助

大模型和深度学习等技术，已能够生成具有一定艺术性和创意性的作品，如绘画、音乐和

文本。随着技术的不断发展，人工智能在未来有望具备更高级的创造能力。

（2）人工智能的应用领域主要有医疗、交通、制造、家居、农业等。（至少列举3个）

项目二人工智能基石：从算法到模型

一、选择题

（1）D

（2）B

（3）A

（4）B

（5）C

二、填空题

（1）人工神经网络

（2）自然语言理解；自然语言生成

（3）图像；场景知识

（4）语音识别；语音合成

（5）语言大模型；视觉大模型；多模态大模型

三、简答题

（1）机器学习是通过各种算法从数据中学习如何完成任务，并获得完成任务方法的

一门学科。它能够对数据进行自动分析，并从中获得规律或模型，然后利用规律或模型对

未知数据进行预测。

（2）从学习过程来看，机器学习可分为监督学习（supervisedlearning）、无监督学习

（unsupervisedlearning）、半监督学习（semi-supervisedlearning）和强化学习（reinforcement

learning）。

（3）构建大模型是一个较为复杂的过程，概括起来，主要包括以下几个关键环节。

①数据准备与预处理。构建大模型的第一步是收集并准备海量的训练数据，这些数

据通常包括文本、图像和代码等多种类型。完成数据收集后，还需要对数据进行清洗、格

2

人工智能基础与应用

式统一和编码等预处理操作，将数据转化为模型能够处理的形式。

②模型设计与预训练。在选择合适模型架构的基础上，根据实际需求设计大模型。

然后，在准备好的训练数据上，利用高性能的计算集群对模型进行预训练。在训练过程中，

选择合适的优化算法不断调整模型参数，进一步提升训练效果和模型性能。

③模型微调与优化。由于大模型通常是在通用领域数据集上进行预训练的，可能缺

乏处理特定任务的专业知识，因此需要对其进行微调，即在针对特定任务的小规模数据集

上进一步调整模型参数，以优化模型在该任务上的表现。同时，还需要不断评估模型的性

能和泛化能力，并根据评估结果进行优化。

④模型部署与应用。将训练好的模型部署到实际的应用环境中，如服务器、云平台

或移动设备，以便用户能够访问和使用该模型。同时，持续监控已部署模型的运行表现，

并根据用户反馈和实际需求对其进行迭代优化。

项目三人工智能应用