人工智能技术及应用 第2版 习题及答案

习题1一、名词解释1.感知机模型感知机能够实现简单的二分类，人们逐渐认识到这种方法实现了类似于人类感觉、学习、记忆、识别能力。2.专家系统专家系统就是聚焦于某个专业领域，模拟人类专家回答问题或提供知识，帮助用户作出决策。3.图灵测试在图灵测试中，要求一个人和一台拥有智能的机器设备在互不相知的情况下，进行随机的提问，如果测试者无法区分是机器作答还是人作答，那就代表了这台设备拥有“人类智能”。二、选择题1.人工智能元年，一般公认为（C）年。A.1946B.1950C.1956D.20062.第一代人工神经网络由（A）首先提出。A.PittsB.TuringC.McCarthyD.Shannon3.人工智能经历了（C）次浪潮A.1B.2C.3D.44.掀起人工智能发展的第一次浪潮是由（A）的。A.计算驱动B.数据驱动C.知识驱动D.常识驱动5.掀起人工智能发展的第二次浪潮是由（C）的。A.计算驱动B.数据驱动C.知识驱动D.常识驱动6.掀起人工智能发展的第三次浪潮是由（B）的。A.计算驱动B.数据驱动C.知识驱动D.常识驱动7.以下（C）不是专家系统的构成模块。A.知识库B.推理机C.数据库D.解释器8.以下（D）不是知识驱动导致人工智能走入低谷的因素。A.缺乏常识性知识B.知识获取困难C.推理方法单一D.缺乏数据9.让电脑看起来会像人脑一样思考是（B）的目标。A.强人工智能B.弱人工智能C.超人工智能D.以上都是10.根据机器智能水平的高低，最高的是（A）。A.认知智能B.感知智能C.计算智能D.创造智能11.根据实现人工智能途径不同，形成了（A）大流派。A.3B.4C.5D.612.联结主义演化分支包括（C）。A.知识表示B.机器人C.神经网络D.强人工智能13.强人工智能演化分支包括（A）。A.知识表示B.机器人C.神经网络D.深度学习14.弱人工智能演化分支包括（C）。A.知识表示B.机器人C.神经网络D.知识图谱三、判断题1.数据驱动的人工神经网络的性质发生了变化，从单纯的函数映射到表示学习。T2.深度学习是数据驱动的。T3.目前已有人工智能通过了图灵测试。F4.微积分对于电脑来说太简单了。T5.真正人工智能的突破口是认知智能。T6.从工程角度看，如果一个系统能实现“看、听、说、动、想”一个或几个方面，就认为该系统具有了“智能”。T7.特征工程不依赖于知识和经验。F8.AlphaGo的围棋技能已经超越了人类职业围棋顶尖水平。T9.模型不可解释性是数据驱动未来面临的挑战。T10.造一个能够读懂六岁小朋友的图片书中的文字，并且了解那些词汇意思的电脑容易。F11.感知能力，一般动物都具备，而认知智能则是人独有的能力。T12.在符号主义看来，比如一系列有形或者无形的事物都可以用特定的语言去表达。T13.图灵测试是图灵于1950年提出的一个关于判断机器是否能够思考的著名试验,测试某机器是否能表现出与人等价或无法区分的智能。T14.人工智能(AI)概念最早1956年在达特茅斯会议上提出。T15.图灵认为,人工智能应当是一个模拟成人成熟思维的系统。T四、填空题1.计算驱动导致人工智能的发展走入低谷主要表现为（计算能力）有限。2.人工智能概念是在（达特茅斯）会议上首次提出。3.人们通常把（1956）年称为人工智能元年。4.（专家系统）其实就是一套计算机软件，它往往聚焦于单个专业领域，模拟人类专家回答问题或提供知识，帮助工作人员作出决策。5.“搜索即计算”是人工智能第（一）次浪潮的主要特点。6.BP算法并不总能很好的运行，很容易陷入（局部）最优解。7.数据驱动的标志就是（深度学习）的兴起。8.计算驱动导致人工智能的发展走入低谷主要表现为（计算能力有限）。9.在符号主义看来，机器遵从基本的（物理学）定律。五、简答题1、简述AI知识驱动的基本思想。知识驱动的人工智能基本建立在专家系统、本体论、语义网、知识图谱等基础上。这些技术可以将人类的知识和经验转化为形式化的知识表示形式，然后通过推理、匹配等方法实现智能决策、问题解决、自动化推理等任务。2、简述AI数据驱动的基本思想。数据驱动的人工智能所依赖的数据通常包括输入数据、输出数据以及标注数据。通过将数据输入到机器学习算法中，算法可以自动学习数据之间的关系和规律，并生成一个模型，该模型可以用于预测新的数据输入的结果。3、人工智能外在表现。由于图灵测试标准过于严格，以至于几乎所有系统都无法通过“图灵测试”，从工程角度看，如果一个系统能实现“看、听、说、动、想”一个或几个方面，就认为该系统具有了“智能”。4、简述人工智能产业链。人工智能产业链包括三层：基础层、技术层和应用层。其中，基础层是人工智能产业的基础，为人工智能提供数据及算力支撑；技术层是人工智能产业的核心；应用层是人工智能产业的延伸，面向特定应用场景需求而形成软硬件产品或解决方案。被誉为计算机科学与人工智能之父的是(A)。A.图灵B.费根鲍姆C.纽维尔D.香浓第一个成功应用的专家系统是(

B

)。A.ELIZAB.DendralC.XconD.Deepblue人工智能的基础包括(

AB

)。A.数学B.计算机科学C.心里学D.经济学符合强人工智能的描述是(BC)。A.仅在某个特定的领域超越人类的水平B.可以胜任人类的所有工作C.是通用的人工智能D.在科学创造力、智慧等方面都远胜于人类AI时代主要的人机交互方式为(D)。A.鼠标B.键盘C.触摸屏D.语音+视觉2016年3月,人工智能程序(A)在韩国首尔以4:1的比分战胜的人类围棋冠军李世石。A.AlphaGoB.DeepMindC.DeepblueD.OpenAI习题2一、名词解释1、机器学习机器学习是通过计算的手段，利用经验来改善系统自身性能。2、有监督学习有监督学习是从标记的数据来学习模型的任务。3、无监督学习无监督学习处理的则是没有标记的数据。4、聚类问题聚类问题就是通过机器学习将一些没有标记过的数据归为一类。5、损失函数机器学习中的所有算法都依赖于函数的最小化或最大化，我们称之为“目标函数”。一组最小化的函数称为“损失函数”。损失函数是衡量\t"/weixin_39610229/article/details/_blank"预测模型在预测预期结果方面做得有多好。6、AUCAUC（AreaUnderCurve）被定义为ROC曲线下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。二、选择题1、以下（C）不是机器学习范式。A.分类问题B.回归问题C.监督问题D.降维问题2、决策树属于（A）机器学习范式A.分类问题B.回归问题C.监督问题D.降维问题3、（A）是机器学习过程最耗时，最困难的一步。A.数据准备B.模型训练C.模型评估D.模型预测4、数据准备不包括（B）。A.读数据B.数据可视化C.数据预处理D.数据集划分5、以下（C）不是特征工程任务。A.特征提取B.特征选择C.特征变换D.特征创造6、数据集划分不包括（D）。A.验证集B.训练集C.测试集D.样本集7、用于模型评估的数据集是（A）。A.验证集B.训练集C.测试集D.样本集8、在训练集、验证集和测试集上均表现不佳的模型是（A）。A.欠拟合B.过拟合C.泛化能力强D.恰当拟合三、判断题1、只要时间允许，就能够找到输入数据x和输出数据y之间的映射。F2、通常情况下，在训练集上模型执行得很好，说明是个好模型。F3、验证集样本没有标签。F4、分类问题和回归问题实验的评估方法相同。F5、归一化通常意味着将数据缩放到[0,1]的范围内。F6、标准化则是将数据缩放，使得它们的均值为0，标准差为1。T7、机器学习的目标是希望模型在训练集上有好的表现。F8、采用70/15/15比例来划分数据集。F9、用来训练的样本一定要代表实际的业务场景。T10、没有一个单一的损失函数适用于所有类型的数据。T11、AUC越接近1.0，检测方法真实性越高;等于0时，则真实性最低。F12、R²用于衡量模型对数据的拟合程度，其值越接近1表示模型的拟合程度越好。T四、填空题1、（机器学习)是使计算机具有智能的根本途径。2、有监督学习一般要把数据集划分为：训练集、（验证集）和测试集。3、有监督学习根据输出的类型分为两类，离散输出称为（分类问题）。4、python机器学习算法库是（Scikit-learn）。5、数据集划分有（两）种策略。6、损失函数可以大致分为两类：分类损失和（回归损失）。7、（超参）指的是无法通过数学过程进行最优值求解、但却能够很大程度上影响模型形式和建模结果的因素。8、ROC曲线下与坐标轴围成的面积为（AUC)。9、最优分类面要求分类面不但能将两类正确分开，而且使分类间隔最（大）。五、简答题1、机器学习和程序设计之间的区别？机器学习是通过计算的手段，利用经验来改善系统自身性能。机器学习和程序设计之间的区别。2、简述机器学习过程（1）机器学习过程分为两个环节：建立模型、使用模型。（2）建立模型阶段分为三个阶段：预处理、训练、模型评估。（3）预处理阶段目的是保证数据质量，主要策略：数据探索、数据清洗和数据变换。（4）训练阶段目的是使用机器学习算法建模。（5）模型评估阶段的任务是通过验证集评估训练阶段得到的模型，如果通过，则进入使用环节，否则要对模型优化。（6）模型优化的策略有：增加数据量、提高数据质、微调算法参数、提升数据标注的精度。3、选择算法路径4、交叉验证交叉验证是将原本的训练集在划分为训练集与测试集，最后求得一个均值作为为训练结果。习题3一、名词解释1、深度学习深度学习是一种特殊的深度CNN，通常有多个隐含层。不同隐含层学习不同的特征，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。2、计算机视觉让计算机能够感知环境，是一门研究如何让机器“看”的科学。3、自然语言处理自然语言处理是指利用人类交流所使用的自然语言与机器进行交互通讯的技术。通过人为的对自然语言的处理，使得计算机对其能够可读并理解。4、激活函数激活函数是用来加入非线性因素的，解决线性模型所不能解决的问题。5、卷积卷积的主要功能是在一个图像（或特征图）上滑动一个卷积核，通过卷积操作得到一组新的特征图。6、卷积神经网络卷积神经网络就是卷积层与池化层交替进行若干次，然后把特征图flatten变成向量，最后接入全连接神经网络，再接入softmax层，神经网络的输出个数等于类别数（概率值）。softmax层实际是归一化操作，把最大概率对应的值作为分类结果。二、选择题1、以下（C）不是常用激活函数。A．ReLU B．sigmoidC．softmax D．tanh2、由于卷积的主要功能是在一个图像（或特征图）上滑动一个卷积核，这一特性称为卷积神经网络的（A）特性。A.权重共享B.局部感知C.特征图D.池化3、池化的原理是（B）。A.平移不变性B.放缩不变性C.旋转不变性D.镜像不变性4、计算机视觉任务不包括（D）。A.图像分类B.物体检测C.语义分割D.人脸识别5、给输⼊图像分配标签的任务，解决“有”“无”的问题的计算机视觉任务是（A）。A.图像分类B.物体检测C.语义分割D.实例分割6、自然语言处理的英文缩写是（B）。A.LLMB.NLPC.MLD.CV7、在训练集、验证集和测试集上均表现不佳的模型是（A）。A.欠拟合B.过拟合C.泛化能力强D.恰当拟合8、卷积神经网络的英文缩写（B）。A.VGG16B.CNNC.RNND.PaddlePaddle9、一个神经网络是由若干神经元构成的层次结构，分为（ABD）层。A.输入B.输出C.计算D.隐藏10、基于神经网络的机器学习一般要经过（D）步。A.1B.2C.3D.411、CNN具有（AC）特性。A.局部感知B.多次卷积C.权值共享D.多次池化三、判断题1、激活函数是用来加入非线性因素的，解决线性模型所不能解决的问题。T2、神经网络学习过程就是权重调整过程。T3、不同的卷积核能够提取不同的特征。T4、全连接神经网络，同层、跨层神经元不连接，不同层神经元全连接，即后一层每个神经元都与前一层每个神经元相连。T5、神经网络可以逼近任何复杂函数。F6、卷积的作用是过滤冗余特征，减少训练参数。F7、卷积神经网络是深度学习基本模型。T8、理论上已经证明，当数据足够多，层次足够深，神经网络可以逼近任何复杂函数。T9、深度学习是特殊的神经网络。T10、神经网络隐藏层数越多，模型越复杂。T11、全连接神经网络充分利用像素之间的位置信息。F12、卷积神经网络就是卷积层与池化层交替进行3~5次。F13、深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。T四、填空题1、构成神经网络的最基本单位是（神经元）。2、深度模型的训练过程中逐层初始化采用（无监督学习）方式。3、卷积核的作用是提取（局部特征）。4、神经网络是由若干（神经元）构成的层次结构。5、传统神经网络的参数个数是不同层神经元数相（乘）。6、神经网络学习过程就是（权重）调整过程。7、卷积的主要功能是在一个图像（或特征图）上滑动一个（卷积核），通过卷积操作得到一组新的特征图。8、卷积运算的主要作用是（抽取特征）。9、不同的卷积核能够提取（不同)的特征。10、由百度研发的深度学习开源平台是（PaddlePaddle）。11、最基本的深度学习网络结构是（CNN）五、简答题1、简述神经元数学模型。神经元数学模型中的φ为激活函数，是用来加入非线性因素的，解决线性模型所不能解决的问题。权重wi的大小表明了输入x对输出的贡献程度；偏置bk的作用则是调整激活函数的输入。2、为什么全连接神经网络没有利用像素之间的位置信息对于图像识别任务来说，每个像素和其周围像素的联系是比较紧密的。由于计算机把图像映射为灰度矩阵，矩阵的存储是行优先的向量，这样图中28×28矩阵中相邻的两个像素A,B被存储为相隔28个像素的向量，破坏了像素之间的位置信息。3、简述深度学习产生背景（1）全连接神经网络处理图像弊端（2）受大脑信息处理模式启发（3）划时代的三篇论文（4）CNN适合图像处理习题4一、名词解释1、大模型大模型本质上是一个使用海量数据训练而成的深度神经网络模型，其巨大的数据和参数规模，实现了智能的涌现，展现出类似人类的智能。2、涌现能力涌现能力指的是当模型的训练数据突破一定规模，模型突然涌现出之前小模型所没有的、意料之外的、能够综合分析和解决更深层次问题的复杂能力和特性，展现出类似人类的思维和智能。3、PromptPrompt是“PRedictiveOPTimizationwithMachineLearning”的缩写，翻译成中文为“机器学习预测优化”。Prompt技术也成为提示学习，通常通过将问题转换为特定格式的输入，将人工智能模型的输入限制在一个特定的范围内，从而让机器能够更好地理解任务，控制模型的输出，自动生成人类语言式的文本。二、单选题1、DeepSeek是由（C）公司创立的？A.谷歌B.百度C.幻方量化D.华为2、DeepSeek-R1模型在(C)年发布？A.2023B.2024C.2025D.20263、ANI和AGI的主要区别在于(B)？A.是否能完成特定任务B.是否能完成不同领域的任务C.是否能生成文本D.是否能画画4、AGI可能具备的能力不包括以下(C)项？A.自主提出问题B.进行推理C.只能完成单一任务D.学习新技能5、DeepSeek的知识储备丰富是因为(A)？A.它的参数量是目前AI大模型最多的B.它只能生成文本C.它不能处理图像D.它不具备自我学习能力6、大模型的本质特征是(C)？A.大参数B.大计算C.大数据D.涌现7、大模型的预训练是指(B)。A.在小规模数据上进行训练B.在大规模数据上进行训练C.不需要训练D.只在标注数据上训练8、多模态大模型能够处理的数据类型不包括以下（D）？A.文本B.图像C.音频D.视频9、通用大模型L0的特点是（C）？A.只能在特定领域使用B.需要大量微调C.具有强大的泛化能力D.参数量较少10、AIGC与大模型的关系是（B）？A.AIGC是大模型的基础B.大模型是AIGC的基础C.两者没有关系D.AIGC取代了大模型11、Transformer架构首次在（B）领域展现出巨大优势？A.计算机视觉B.自然语言处理C.语音识别D.机器翻译12、Transformer模型采用的是（C）结构？A.CNN结构B.RNN结构C.Encoder-Decoder结构D.GAN结构13、Transformer模型中的多头注意力机制的作用是（C）？A.提高模型的训练速度B.提高模型的并行处理能力C.提取更丰富的语义特征D.减少模型的参数量14大模型是（D）结合的产物。A.大数据B.大算力C.强算法D.以上都是15、大语言模型的英文缩写是（A）。A.LLMB.NLPC.MLD.CV16、以下（D）不是大模型的特点。A.巨大的规模B.涌现能力C.自监督学习D.易于部署三、判断题1、DeepSeek-R1模型在数学、代码、自然语言推理等任务上的性能比肩OpenAI的GPT-3。（错误）2、DeepSeek选择将大模型技术开源，允许全球开发者自由使用和改进。（正确）3、ANI只能完成特定领域的任务，而AGI可以完成不同领域的任务。（正确）4、AGI可能具备真正的“思考能力”，能够自主提出问题并进行推理。（正确）5、DeepSeek的知识储备丰富是因为其参数量是目前AI大模型最多的。（正确）6、大模型的本质特征是“涌现”，即模型在达到一定规模后展现出意料之外的复杂能力。（正确）7、大模型的预训练是指在大规模数据上进行训练，然后在特定任务上进行微调。（正确）8、AIGC的应用领域包括文本生成、图像生成和视频生成等，但不包括语音生成。（错误）9、大模型最本质的特征在于“大”。（错误）10、大模型本质是“涌现”“出乎意料”“创造”。(正确）四、填空题1、DeepSeek选择将大模型技术__开源____，允许全球开发者自由使用和改进。2、ANI只能完成特定的任务，而AGI可以像人类一样完成不同领域的任务，甚至可能具备创造力和“__自我意识____”。3、DeepSeek的知识储备丰富是因为其参数量是目前AI大模型最多的，也就是说DeepSeek的__知识储备____是非常丰富的。4、大模型本质上是一个使用海量数据训练而成的深度神经网络模型，其巨大的数据和参数规模，实现了智能的__涌现____，展现出类似人类的智能。5、大模型的预训练是指在大规模数据上进行预训练，然后在特定任务上进行__微调____，从而提高模型在新任务上的性能。6、AIGC的发展历程中，2022年多款产品出圈，引发了社会广泛关注，其中StabilityAI发布的__StableDiffusion____模型为后续AI绘图模型的发展奠定了基础。7、AIGC的应用领域包括文本生成、图像生成、视频生成和___语音___生成等。8、（Transformer）是在数据序列中寻找长程模式的专门算法。9、这种专注于某个具体任务建立的AI数据模型叫（小模型）。10、大模型让机器有（常识）。11、PRedictiveOPTimizationwithMachineLearning的缩写是（Prompt)。12、文心一言大模型是由（百度）发布的。五、简答题1、大模型和小模型有什么区别？小模型通常指参数较少、层数较浅的模型，它们具有轻量级、高效率、易于部署等优点，适用于数据量较小、计算资源有限的场景，例如移动端应用、嵌入式设备、物联网等。而当模型的训练数据和参数不断扩大，直到达到一定的临界规模后，其表现出了一些未能预测的、更复杂的能力和特性，模型能够从原始训练数据中自动学习并发现新的、更高层次的特征和模式，这种能力被称为“涌现能力”。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。2、浅谈AIGC给传统生产模式带来的革新（1）自动内容生成，提升内容生产效率，降低内容生产门槛和内容制作成本。（2）提升内容质量，增加内容多样性。（3）助力内容创新，实现个性化内容生成。（4）搜AIGC将搜索转化为为“对话式〞的搜索，用户在与聊天机器人的互动中最终得到满意的答案。（5）AIGC技术可有效代替人类对已有信息进行语言整合、文字输出，与资讯平台类的数字媒体高度适配。（6）AIGC有望帮助企业实现提高服务质量降本增效。（7）数字人有望打开海量市场，广泛应用在电商直播、新闻播报、接待指引、展览展示等场景中，目前已有实际案例。（8）AIGC将颠覆或改变许多产业。3、Prompt作用（1）设置Prompt对于生成高质量的文本非常重要（2）设置Prompt还可以帮助我们控制chatGPT生成文本的方向（3）设置Prompt也可以帮助我们提高chatGPT的交互能力（4）需要注意的是，设置Prompt时需要注意Prompt的清晰度和准确性习题5一、单选题1.关于“羊群效应”的影响，以下（）说法正确的。A.羊群效应能够帮助人们快速做出最优决策B.羊群效应会导致人们陷入骗局或失败C.羊群效应有助于个人独立思考D.羊群效应是人类认知能力的体现答案：B2.关于思维方式对人生的影响，以下（）说法正确的。A.固定型思维的人更容易适应变化B.成长型思维的人更愿意接受挑战和失败C.固定型思维的人更容易取得成功D.成长型思维的人通常拒绝变化答案：B3.关于提高思维能力的重要性，以下（）说法正确的。A.提高思维能力主要依赖于天赋B.提高思维能力可以帮助人们更好地适应现实生活C.提高思维能力不需要学习和练习D.提高思维能力对个人发展没有帮助答案：B4.关于大数据思维的特点，以下（）说法正确的。A.大数据思维强调数据的精确性，不关注相关性B.大数据思维更注重因果关系，而不是相关性C.大数据思维强调使用全体数据，而不是依赖于样本数据D.大数据思维不需要数据的再利用与价值挖掘答案：C5.关于人工智能思维之“道”，以下（）说法正确的。A.人工智能之“道”是指人工智能的技术实现方法B.人工智能之“道”是指人工智能发展的普遍规律C.人工智能之“道”是指人工智能的应用场景D.人工智能之“道”是指人工智能的商业模式答案：B6.关于人工智能思维之“法”，以下（）说法正确的。A.AI思维中的“法”是指AI的技术架构B.AI思维中的“法”是指AI的应用场景C.AI思维中的“法”是指AI的商业模式D.AI思维中的“法”是指AI从数据中得出决策的方法论答案：D7.关于人工智能与大数据的关系，以下（）说法正确的。A.大数据是AI的基石，AI的发展离不开大数据的支持B.AI的发展不需要大数据的支持C.大数据与AI之间没有关系D.AI的发展完全依赖于大数据的数量答案：A8.关于人工智能在物联网中的应用，以下（）说法正确的。A.人工智能与物联网的结合没有实际应用价值B.人工智能与物联网的结合可以实现万物智联化C.人工智能与物联网的结合只适用于工业领域D.人工智能与物联网的结合只适用于消费领域答案：B9.关于人工智能思维之“器”，以下（）说法正确的。A.AI思维中的“器”是指AI的硬件设备B.AI思维中的“器”是指AI的软件工具C.AI思维中的“器”是指AI的技术架构D.AI思维中的“器”是指AI从数据中得出决策的工具，包括编程思维、大模型等答案：D10.关于人工智能的未来发展，以下（）说法正确的。A.人工智能的发展将完全取代人类的工作B.人工智能的发展将与人类共存，发挥各自的优势C.人工智能的发展将受到技术瓶颈的限制，无法取得进一步的突破D.人工智能的发展将完全依赖于算力的提升答案：B11.关于人工智能的决策能力，以下（）说法正确的。A.人工智能可以完全替代人类进行决策B.人工智能可以提供决策建议，但无法承担决策后果C.人工智能的决策能力优于人类D.人工智能的决策能力与人类相同答案：B12.关于人工智能的价值判断能力，以下（）说法正确的。A.人工智能可以进行价值判断B.人工智能可以提供事实判断，但无法进行价值判断C.人工智能的价值判断能力优于人类D.人工智能的价值判断能力与人类相同答案：B13.关于人工智能的未来发展，以下（）说法正确的。A.人工智能的发展将完全取代人类的工作B.人工智能的发展将与人类共存，发挥各自的优势C.人工智能的发展将受到技术瓶颈的限制，无法取得进一步的突破D.人工智能的发展将完全依赖于算力的提升答案：B14.关于人工智能在不同语言环境下的发展，以下（）说法正确的。A.中文在人工智能训练中没有优势B.中文的高信息密度和语义自洽性为人工智能训练提供了优势C.英文在人工智能训练中具有绝对优势D.人工智能的发展与语言环境无关答案：B15.关于人工智能的伦理问题，以下（）说法正确的。A.人工智能的伦理问题不需要关注B.人工智能的伦理问题需要通过批判性思维来识别和纠正C.人工智能的伦理问题已经完全解决D.人工智能的伦理问题与人类无关答案：B二、填空题1.在经济学中，描述经济个体从众跟风心理的名词是______。.答案：羊群效应.2.固定型思维的人往往束缚于自己的认知水平，而______思维的人则把所有事情都当作成长的机会。.答案：成长型.3.思维能力的提高需要运用思维技巧，其中______性思维能帮助我们突破惯常的思维方式。.答案：创造性.4.大数据思维强调使用______数据，而不是依赖于样本数据。.答案：全体.5.在人工智能思维中，“道”指的是人工智能发展的______规律。.答案：普遍.6.人工智能与物联网的结合形成了一个转悠术语______，即AI+IoT。.答案：AIoT.7.人工智能思维中的“法”是从底层逻辑阐述AI思维是如何从数据中得出______，创造出源源不断的价值的。.答案：决策.8.AI人工智能思维的基础在于______，而核心在于模型。.答案：数据.9.在人工智能时代，数据驱动的人工智能框架可以带来个性化的______。.答案：体验.10.人工智能的发展将与人类共存，发挥各自的优势，而不是完全取代______的工作。.答案：人类三、简答题1.为什么说提高思维能力很重要？答案：提高思维能力可以帮助人们更好地适应现实生活，提高学习和工作的效率，最大限度地解放认知能力，从而做出最优的决策。2.大数据思维的主要特点有哪些？答案：大数据思维强调使用全体数据而非样本数据，注重效率优先于精确性，关注相关性而非因果性，数据驱动而非假设驱动，预测而非解释，数据的再利用与价值挖掘，数据的多样性与多维度。3.简述人工智能思维之“道”的含义。答案：人工智能之“道”是指人工智能发展的普遍规律，即万事万物发展的规律性，强调数据驱动、万物互联和立体思维等核心理念。4.为什么说大数据是人工智能的基石？答案：大数据是人工智能发展的基石，因为AI系统需要大量的数据进行训练和优化，数据帮助AI模型识别模式、做出预测，并不断学习和改进。没有大数据的支撑，AI无法发挥其应有的潜力。5.简述人工智能思维之“法”的主要内容。答案：AI思维中的“法”是从底层逻辑阐述AI思维是如何从数据中得出决策、创造价值的方法论。主要内容包括大数据、模型、算力和业务模式四个要素，这四个要素共同作用，推动AI技术的发展和应用。6.简述人工智能未来在中国的发展趋势。答案：人工智能未来在中国的发展趋势包括：利用中文的天然优势进行AI训练，利用庞大的用户基数和丰富的应用场景推动AI进化，构建从芯片到应用的全产业链闭环生态，实现技术主权和产业主导权。.习题6一、名词解释1、低代码：低代码是一种可视化的应用开发方法，用较少的代码、以较快的速度来交付应用程序，将程序员不想开发的代码做到自动化，也称为零代码。2、RPA机器人流程自动化(RoboticProcessAutomation，RPA)，是一种应用程序，它通过模仿最终用户在电脑的手动操作方式，提供了另一种方式来使最终用户手动操作流程自动化。3、知识图谱知识图谱是利用节点和关系所组成的图，为真实世界的各个场景直观地建模。4、元宇宙元宇宙是一个平行于现实世界，又独立于现实世界的虚拟空间，是映射现实世界的在线虚拟世界，是越来越真实的数字虚拟世界。现实中人们可以做到的事，都可以在元宇宙中实现。5、多智能体多智能体是指多个单智能体间的相互协作和协调来共同完成一项任务。二、单选题1、拥有一个虚拟（A），无论与现实身份有没有相关，第二人生，自由进入。A.身份B.朋友C.沉浸式D.低延迟2、在元宇宙当中拥有（B），可以跨域、多维社交，无论在现实中是否认识。A.身份B.朋友C.沉浸式D.低延迟3、能够（C）在元宇宙的体验当中，一切觉有可能：娱乐、工作。A.身份B.朋友C.沉浸D.低延迟4、元宇宙中的一切都是同步发生的，（D）能够消除失真感。A.身份B.朋友C.沉浸D.低延迟5、“元宇宙提供多种丰富内容、真正意义的自由，现实非现实追求。”指的是元宇宙（A）特征。A.多元化B.随地C.经济系统D.文明6、“可以使用任何设备登录元宇宙，随时随地沉浸其中，扩大用户群体。”指的是元宇宙（B）特征。A.多元化B.随地C.经济系统D.文明7、(A)是一种机器学习方法，它允许智能体通过与环境的交互来学习最优策略。A.强化学习B.迁移学习C.深度学习D.机器学习8、RPA架构三大核心产品不包括（D)。A.机器人B.设计器C.控制器D.运算器9、以下说法错误的是（C）。A.深度学习是根据所有历史数据，推测将来某一事件发生的概率。B.强化学习是针对某些只与上一时刻相关的问题，根据本时刻与上一时刻的状态和动作，推断下一时刻某动作发生的概率。C.迁移学习的目标是找到一个策略，即在每个状态下选择动作的方式，以最大化期望累积奖励。D.深度强化学习是通过上一时刻的深度学习预测模型和本时刻的模型，推断出下一状态采取某个动作的概率，是前面两者的结合，每次训练模型都用到了上次模型。10、（B）将在一个任务上训练过的模型用在第二个相关的任务中重复使用。A.强化学习B.迁移学习C.深度学习D.机器学习11、迁移学习方法不包括（D）。A.样本迁移B.模型迁移C.特征迁移D.方法迁移12、低代码核心理念不包括（D）。A.图形化界面B.快速迭代C.少量编码D.适用于场景少13、智能体具有与其它智能体或人进行合作的能力，不同的智能体可根据各自的意图与其它智能体进行交互，以达到解决问题的目的。这一特性是智能体的（B）特性。A.自治性B.社会性C.进化性D.反应性14、智能体能积累或学习经验和知识，并修改自己的行为以适应新环境。这一特性是智能体的（C）特性。A.自治性B.社会性C.进化性D.反应性15、智能体的体系结构不包括（D）。A.用户B.智能体C.工作环境D.协调器16、多智能体系统的体系结构不包括（B）。A.网络结构B.树形结构C.联盟结构D.黑板结构三、判断题1、知识图谱以结构化四元组的形式。F2、深度学习是从海量的数据中来使模型达到稳健的程度仅靠有限的数据量来训练模型必然是不稳健的，通常很容易导致过拟合，泛化能力差。T3、迁移学习的核心问题是，找到新问题和原问题之间的相似性，才可以顺利地实现知识的迁移。T4、智能体离可以开其工作环境。F5、在实际应用中，智能体的工作环境往往不是一成不变的。T四、填空题1、（迁移学习）将在一个任务上训练过的模型用在第二个相关的任务中重复使用。2、（量子计算）就是一种遵循量子力学的规律调控数据的过程。3、（多智能体）系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此相互通信和协调的，易于管理的系统。4、（Agent）被认为是一个物理或抽象的、能在一定环境下运行的实体，它能作用于自身和环境，并对环境作出反应。5、知识图谱起源于（符号）主义。五、简答题1、简述RPA兴起的原因。（1）劳动力成本成企业竞争关键要素之一（2）数字化转型大势所趋，系统间数据打通成新的诉求（3）AI技术发展助推NLP和计算机视觉应用，为RPA智慧赋能2、元宇宙存在的价值（1）让人们对人生的设想有了落地的可能（2）应对AI和机器人可能对人类构成的威胁（3）传播模式的变革3、元宇宙与大模型一体两面密不可分元宇宙与大模型密不可分，因为大模型在元宇宙中扮演着重要的角色，可以在元宇宙中发挥多种作用，例如自动化任务、提供个性化体验、协助创作等，具体如自动化生成虚拟内容：大模型技术可以通过深度学习等技术自动化生成虚拟内容，例如虚拟人物、场景等；优化用户体验：大模型技术可以通过分析用户的行为和反馈，优化用户体验，例如提供更加个性化的建议和服务；增强交互和沟通：大模型技术可以通过自然语言处理等技术增强用户之间的交互和沟通，例如实现更加自然的对话和交流；安全管理：人工智能技术可以通过检测和防止恶意行为等手段保障元宇宙的安全管理。4、RPA存在意义当我们在使用电脑过程中，无数的RPA也在网络中按部就班的运行，进行文本的获取或者程序的搜索，完成用户交代给他们的任务。这些RPA在无人操作的时候，他们在web上独自运行，是web上很实用的工具。RPA可以高效解决这些复杂的流程，节约人工成本。如今，RPA已成为当今应用最为广泛、效果最为显著、成熟度较高的智能化软件。5、强化学习强化学习是一种机器学习范式，其基本原理建立在马尔可夫决策过程（MDP）的框架之上。MDP提供了一个形式化的数学模型，用于描述具有决策制定、状态转移和奖励反馈的决策问题。强化学习基本架构如图所示。其主要包含五个部分。状态用于描述系统可能处于的各种情况或状态。在强化学习中，状态是代表环境的信息，能够影响智能体的决策。动作是智能体在每个状态下可执行的操作或决策。动作集合定义了智能体可能采取的所有可能行动。转移概率描述了从一个状态执行某个动作后，转移到另一个状态的概率分布。这反映了环境的动态特性，即状态转移的不确定性。奖励则是指在每个状态执行每个动作后，智能体会接收到一个奖励。奖励用于评估智能体的行为，目标是通过最大化累积奖励来学习有效的策略。还有就是折扣因子，其用于衡量未来奖励的重要性。它介于0和1之间，对未来奖励的影响随时间的推移而减小。这反映了智能体更注重近期奖励，而不是遥远的未来奖励。6、举例说明迁移学习的使用场景假设有两个任务A和B，任务A拥有海量的数据资源且已训练好，但并不是我们的目标任务，任务B是我们的目标任务，但其数据量十分匮乏，这种场景便是典型的迁移学习应用场景。除了数据量匮乏这个原因外，应用迁移学习还有一个非常重要的条件是任务A和任务B这两个模型要具有一定的相似性，即两个任务的输入属于同种性质要么同是图像要么同是视频或其他，数据集类别相差不大。7、多智能体优势（1）在多智能体系统中，每个智能体具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。（2）多智能体系统支持分布式应用，所以具有良好的模块性、易于扩展性和设计灵活简单，客服了建设一个庞大的系统所造成的管理和扩展的困难，能有效降低系统的总成本。（3）在多智能体系统的实现过程中，不追求单个庞大的复杂体系，而是按面向对象的方法构成多层次，多元化的智能体，其结果降低了系统的复杂性，也降低了各个智能体问题求解的复杂性。（4）多智能体系统是一个讲究协调的系统，各智能体通过互相协调去解决大规模的复杂问题；多智能体系统也是一个集成系统，它采用信息集成技术，将各子系统的信息集成在一起，完成复杂系统集成。（5）在多智能体系统中，各智能体之间相互通信，彼此协调，并行地求解问题，因此能有效地提高问题的求解能力。（6）多智能体技术打破了人工智能领域仅仅使用一个专家系统的限制，在MAS环境下，各领域的不同专家可能协作求解某一个专家无法很好解决的问题，提高了系统解决问题的能力。（7）智能体是异质的和分布的。它们可以是不同个人和组织，采用不同的设计方法和计算机语言开发而成，因而可能是完全异质的和分布的。（8）处理是异步的。由于各智能体是自治的，每个智能体都有自己的进程，按照自己的运行方式异步地进行。习题7一、名词解释1、智能家居智能家居是以住宅为平台，利用综合布线技术、网络通信技术、

安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。2、智能楼宇智慧楼宇以人工智能为核心，深度融合物联网、云计算、大数据等技术，基于统一的楼宇智能化综合管理平台，实现楼宇内安防、能源、消防、楼控等多场景的可视化与精细化管理，通过融合智能检测、智能识别、智能预警等能力3、智能制造智能制造是“基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式”。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。4、工业机器人工业机器人是面向工业领域的多关节机械手或多自由度的机器装置，具有一定的自动性，可依靠自身的动力能源和控制能力实现各种工业加工制造功能。它可以接受人类指挥，也可以按照预先编排的程序运行，现代的工业机器人还可以根据人工智能技术指定的原则纲领自主决策行动。5、网联汽车网联汽车的初级阶段是以远程通信技术为代表，通过内置在汽车上的计算机网络技术，借助无线通信技术、GPS卫星导航技术，实现文字、图像、语音信息交换的综合信息服务系统。6、智能交通智能交通系统是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统。7、推荐系统推荐系统是一种信息过滤系统，用于预测用户对物品的评分或偏好。二、单选题1、在网联汽车中，V2V只（B）连接。A.车与人B.车与车C.车与路D.车与建筑2、自动驾驶辅助系统不包括（D）。A.自适应巡航系统