2026年人工智能基础知识考试题及答案

2026年人工智能基础知识考试题及答案一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题给出的四个选项中，只有一项是符合题目要求的）1.1956年的达特茅斯会议被广泛认为是人工智能学科诞生的标志，下列哪位学者并未参与该会议？A.约翰·麦卡锡B.马文·明斯基C.克劳德·香农D.阿兰·图灵2.在搜索策略中，A算法是一种启发式搜索算法，其估价函数f(n)=g(n)+h(n)。若要保证A算法在搜索树中找到最优解，必须满足的条件是：2.在搜索策略中，A算法是一种启发式搜索算法，其估价函数f(n)=g(n)+h(n)。若要保证A算法在搜索树中找到最优解，必须满足的条件是：A.h(n)是可采纳的，即对所有节点n，h(n)≤h(n)A.h(n)是可采纳的，即对所有节点n，h(n)≤h(n)B.h(n)是单调的，即对所有节点n，h(n)≤c(n,a,n')+h(n')C.g(n)始终为0D.h(n)是递归定义的3.在机器学习中，用于解决二分类问题的常用算法是逻辑回归。该算法通过哪个函数将线性回归的输出映射到(0,1)区间？A.ReLU函数B.Sigmoid函数C.Tanh函数D.Softmax函数4.下列关于深度学习中的“卷积神经网络”（CNN）的描述，错误的是：A.CNN特别适合处理具有网格结构的数据，如图像B.卷积层通过局部感知野和权值共享减少了参数数量C.池化层的主要作用是增加特征图的维度D.LeNet-5是早期经典的卷积神经网络架构5.在自然语言处理（NLP）中，Transformer模型完全基于注意力机制。该机制中用于计算查询、键、值之间相似度的函数通常是：A.欧氏距离B.余弦相似度C.缩放点积D.曼哈顿距离6.决策树算法中，ID3算法使用信息增益作为分裂准则，而C4.5算法对其进行了改进，使用的是：A.信息增益率B.基尼指数C.均方误差D.对数似然损失7.在聚类分析中，K-Means算法是一种经典的划分方法。该算法的核心步骤不包括：A.随机选取K个初始质心B.计算每个样本到各质心的距离，并将样本归类到最近的质心C.重新计算每个簇的质心位置D.使用层次分裂策略合并簇8.支持向量机（SVM）在分类问题中旨在寻找一个最优超平面。对于线性不可分的数据，通常引入“核技巧”将数据映射到高维空间。下列哪项不是常用的核函数？A.多项式核函数B.高斯径向基核函数（RBF）C.Sigmoid核函数D.指数核函数9.强化学习中，智能体通过与环境交互学习策略。Q-learning是一种基于值的算法，其更新Q值的公式主要依据的是：A.贝叶斯定理B.贝尔曼方程C.梯度下降法D.链式法则10.生成式对抗网络由生成器和判别器组成。生成器的目标是：A.最大化判别器的损失B.最小化生成数据的真实度C.最小化判别器正确区分真假样本的能力D.最大化生成数据的方差11.在知识图谱中，最基本的组成单元是：A.节点和连线B.实体和关系C.类和对象D.属性和值12.关于过拟合现象的描述，下列说法正确的是：A.模型在训练集上表现很好，但在测试集上表现较差B.模型在训练集和测试集上表现都很差C.模型在训练集上表现较差，但在测试集上表现很好D.模型无法收敛13.下列哪种正则化方法通过在损失函数中添加权重的L2范数来防止过拟合？A.DropoutB.L1正则化C.L2正则化D.数据增强14.在评估分类模型时，若正负样本极度不平衡，准确率可能产生误导。此时应优先关注的指标是：A.准确率B.精确率C.召回率和F1分数D.均方误差15.循环神经网络（RNN）在处理长序列时容易出现梯度消失或梯度爆炸问题。为了解决长程依赖问题，提出的改进架构是：A.LSTM（长短期记忆网络）B.LeNetC.AlexNetD.ResNet16.在计算机视觉中，目标检测任务不仅要识别图像中的物体类别，还要确定物体的：A.纹理特征B.颜色直方图C.边界框位置D.像素级分割17.人工智能的三大主要学派包括符号主义、连接主义和：A.行为主义B.结构主义C.功能主义D.逻辑主义18.降维算法主成分分析（PCA）通过线性变换将数据映射到新的坐标系。新坐标系的第一主成分方向是数据：A.方差最小的方向B.方差最大的方向C.均值最大的方向D.偏度最大的方向19.在专家系统中，推理机根据知识库中的规则和事实进行推理。反向链式推理是指：A.从已知事实出发，推导出结论B.从目标出发，反向推导支持该目标的事实C.同时进行正向和反向推理D.随机选择规则进行推理20.随着大模型的发展，提示工程变得至关重要。下列哪项不是设计有效提示的常用技巧？A.思维链B.少样本学习C.增加模型参数量D.角色设定二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题给出的四个选项中，有两项或两项以上是符合题目要求的。全部选对得满分，少选得部分分，有错选不得分）21.人工智能目前的主要应用领域包括：A.知识表示B.自动规划C.模式识别D.机器学习22.下列属于无监督学习算法的有：A.K-Means聚类B.主成分分析（PCA）C.逻辑回归D.生成对抗网络（GAN）23.深度学习训练中常用的优化算法有：A.随机梯度下降（SGD）B.AdamC.RMSpropD.动量法24.计算机视觉中的常见任务包括：A.图像分类B.目标检测C.图像分割D.语音识别25.关于贝叶斯分类器，下列描述正确的有：A.基于贝叶斯定理B.朴素贝叶斯假设特征之间相互独立C.需要计算先验概率和条件概率D.只能处理连续型特征26.导致机器学习模型欠拟合的原因可能包括：A.模型复杂度过低B.训练数据量过少C.特征选取不当D.训练时间过长27.自然语言处理中的预处理步骤通常包括：A.分词B.去除停用词C.词干提取或词形还原D.向量化28.强化学习的基本要素包括：A.智能体B.环境C.奖励D.策略29.关于AlphaGo，下列说法正确的有：A.结合了深度学习和蒙特卡洛树搜索B.使用了策略网络和价值网络C.仅使用了监督学习D.击败了人类世界围棋冠军30.人工智能伦理与安全涉及的问题包括：A.算法偏见与歧视B.隐私泄露C.透明度与可解释性D.自动化武器系统三、填空题（本大题共15小题，每小题2分，共30分）31.图灵测试是由____提出的，用于判断机器是否具有智能。32.在搜索算法中，广度优先搜索使用____数据结构来存储待扩展的节点，而深度优先搜索使用____数据结构。33.信息熵是度量不确定性的指标，若一个事件发生的概率为1，则其信息熵为____。34.在神经网络中，____层通常用于解决全连接层参数过多的问题，并保持图像的空间结构信息。35.Softmax函数常用于多分类问题的输出层，其输出值的总和为____。36.梯度下降算法中，学习率____过大可能导致无法收敛，过小则收敛速度缓慢。37.在深度学习中，____技术是指在训练过程中随机丢弃一部分神经元，以防止过拟合。38.词嵌入模型如Word2Vec，可以将单词映射为低维实数向量，使得语义相近的单词在向量空间中____距离较近。39.隐马尔可夫模型（HMM）包含两个核心假设：一是假设当前状态仅依赖于前一个状态，二是假设观测值仅依赖于____。40.非监督学习中的____算法通过自底向上或自顶向下构建簇的层次结构。41.在评估回归模型时，____指标用于预测值与真实值差值的平方和的均值。42.卷积神经网络中的____操作用于降低特征图的空间尺寸（降采样）。43.ResNet（残差网络）引入了____结构，有效解决了深层网络难以训练的问题。44.大语言模型通常基于____架构，通过在海量文本数据上进行预训练获得通用语言理解能力。45.人工智能中的“强人工智能”是指能够像人类一样在各种任务中表现出____的智能。四、判断题（本大题共10小题，每小题1分，共10分。正确的打“√”，错误的打“×”）46.监督学习需要带有标签的数据集进行训练，而无监督学习则不需要。47.所有的机器学习算法都需要对输入数据进行归一化或标准化处理。48.在决策树中，预剪枝和后剪枝都是防止过拟合的手段。49.梯度消失问题在RNN中尤为严重，但在深层的前馈神经网络中不会出现。50.K-近邻算法（KNN）是一种懒惰学习算法，训练阶段几乎没有计算开销。51.支持向量机只能用于线性分类问题，无法处理非线性数据。52.提升方法如AdaBoost通过调整样本权重来关注被前一个基分类器误分的样本。53.计算机视觉中的边缘检测算子（如Sobel、Canny）属于深度学习方法。54.在强化学习中，探索与利用是一个权衡问题，ε-贪婪策略是解决该问题的常用方法。55.数据挖掘和人工智能是完全独立的两个学科，没有交集。五、简答题（本大题共5小题，每小题6分，共30分）56.简述人工智能、机器学习和深度学习三者之间的关系。57.请列举至少三种解决过拟合问题的方法，并简要说明其原理。58.解释卷积神经网络中卷积层“权值共享”的含义及其作用。59.简述强化学习的基本框架，并解释状态、动作、奖励的含义。60.什么是自然语言处理中的“注意力机制”？它解决了传统RNN/CNN模型的什么问题？六、计算与分析题（本大题共3小题，每小题10分，共30分）61.给定一个简单的二分类数据集：特征A:[1,1,0,0]特征B:[1,0,1,0]标签Y:[正,正,负,负]请计算特征A的信息增益。（提示：先计算数据集的熵，再计算根据特征A划分后的条件熵，最后求差。）62.已知一个简单的感知机模型，输入向量x=[x1,x2]，权重向量w=[0.5,-0.5]，偏置b=-0.2。激活函数为阶跃函数（即输入大于等于0输出1，否则输出0）。(1)计算输入样本x=[1,0]时的输出。(2)若期望输出为0，请写出权重更新的公式（假设学习率η=0.1），并计算更新后的w和b。63.在A搜索算法中，设起始节点为S，目标节点为G。63.在A搜索算法中，设起始节点为S，目标节点为G。节点S的启发式值h(S)=4。节点A和节点B是S的子节点。S->A的实际代价g(A)=1，A的启发式值h(A)=2。S->B的实际代价g(B)=3，B的启发式值h(B)=1。请计算节点A和节点B的估价函数f值，并判断算法下一步将扩展哪个节点？七、综合应用题（本大题共1小题，共20分）64.随着人工智能技术的发展，智能客服系统已被广泛应用于电商、金融等领域。假设你是一家科技公司的AI工程师，需要为某银行设计一个基于自然语言处理技术的智能客服问答系统。(1)请描述该系统的完整技术流程，从用户输入问题到系统返回答案。(2)在意图识别模块中，你选择了BERT模型进行预训练，然后针对银行的特定业务数据进行微调。请简述微调的过程。(3)系统上线后，发现对于用户提问中的“否定词”（如“不”、“没有”）识别准确率较低，导致回答错误。请分析可能的原因，并提出至少两种改进的方案。(4)除了意图识别，一个完整的问答系统通常还需要哪些模块或技术支持？参考答案及解析一、单项选择题1.【答案】D【解析】阿兰·图灵提出了图灵测试，但他于1954年去世，未参加1956年的达特茅斯会议。麦卡锡、明斯基、香农均为该会议发起人或参与者。2.【答案】A对于A算法，h(n)必须满足可采纳性，即估计代价不超过实际剩余代价，才能保证找到最优解。单调性有助于提高效率但不是最优解的必要条件。对于A算法，h(n)必须满足可采纳性，即估计代价不超过实际剩余代价，才能保证找到最优解。单调性有助于提高效率但不是最优解的必要条件。3.【答案】B【解析】Sigmoid函数（Logistic函数）能将任意实数映射到(0,1)区间，常用于二分类输出。4.【答案】C【解析】池化层的主要作用是降维、减少参数和计算量，防止过拟合，而不是增加维度。5.【答案】C【解析】Transformer中Attention的核心计算是Query和Key的点积，除以缩放因子，然后通过Softmax。6.【答案】A【解析】C4.5使用信息增益率来克服ID3偏向选择取值较多特征的缺点。7.【答案】D【解析】层次分裂策略是层次聚类的方法，K-Means是划分聚类，通过迭代更新质心。8.【答案】D【解析】常用核函数包括线性核、多项式核、RBF核、Sigmoid核。指数核不是标准SVM库中的默认常用核。9.【答案】B【解析】Q-learning基于贝尔曼最优方程迭代更新Q值。10.【答案】C【解析】生成器的目标是生成逼真的样本以欺骗判别器，即最小化判别器区分真假的能力（或最大化判别器将假样本判为真的概率）。11.【答案】B【解析】知识图谱由三元组（头实体，关系，尾实体）组成，基本单元是实体和关系。12.【答案】A【解析】过拟合指模型学到了训练数据的噪声，导致训练集表现好，测试集泛化能力差。13.【答案】C【解析】L2正则化在损失函数后加上权重的平方和。Dropout是另一种技术。L1正则化加上权重的绝对值。14.【答案】C【解析】在样本不平衡时，准确率可能受多数类主导，应关注召回率（查全率）和F1分数（调和平均）。15.【答案】A【解析】LSTM引入了门控机制（遗忘门、输入门、输出门）来解决长程依赖和梯度消失问题。16.【答案】C【解析】目标检测输出类别和边界框。17.【答案】A【解析】三大学派为符号主义（逻辑主义）、连接主义（神经网络）、行为主义（进化、控制论）。18.【答案】B【解析】第一主成分方向是数据方差最大的方向，保留了最多的信息量。19.【答案】B【解析】反向链式推理是目标驱动，从目标出发寻找事实；正向链式推理是数据驱动。20.【答案】C【解析】提示工程是用户输入端的技巧，增加模型参数量属于模型训练端的改进。二、多项选择题21.【答案】ABCD【解析】四者均为AI的主要研究和应用领域。22.【答案】ABD【解析】逻辑回归是监督学习算法。K-Means、PCA、GAN均属于无监督学习范畴（GAN虽涉及判别器，但整体被视为无监督生成模型）。23.【答案】ABCD【解析】四者均为深度学习中常用的梯度下降优化算法变体。24.【答案】ABC【解析】语音识别属于语音处理领域，不属于计算机视觉。25.【答案】ABC【解析】贝叶斯分类器可以处理离散和连续特征（如高斯朴素贝叶斯），D错误。26.【答案】ABC【解析】欠拟合通常是因为模型太简单、数据太少或特征没选好。训练时间长通常导致过拟合或资源浪费，不是欠拟合的直接原因。27.【答案】ABCD【解析】四者均为NLP标准预处理流程。28.【答案】ABCD【解析】四者构成了强化学习的核心交互要素。29.【答案】ABD【解析】AlphaGo结合了监督学习（学习人类棋谱）和强化学习（自我对弈），C错误。30.【答案】ABCD【解析】四者均为当前AI伦理讨论的热点问题。三、填空题31.【答案】阿兰·图灵32.【答案】队列；栈33.【答案】034.【答案】卷积35.【答案】136.【答案】学习率37.【答案】Dropout38.【答案】欧氏39.【答案】当前状态40.【答案】层次聚类41.【答案】均方误差（MSE）42.【答案】池化43.【答案】残差（或跳跃连接）44.【答案】Transformer45.【答案】同等或超越人类水平四、判断题46.【答案】√47.【答案】×【解析】并非所有算法都需要，例如基于树的模型（决策树、随机森林）对数据尺度不敏感。48.【答案】√49.【答案】×【解析】梯度消失在深层前馈网络（如深度CNN）中也会出现，RNN中尤为突出。50.【答案】√51.【答案】×【解析】通过核函数，SVM可以处理非线性分类问题。52.【答案】√53.【答案】×【解析】边缘检测算子属于传统计算机视觉（图像处理），不是深度学习方法。54.【答案】√55.【答案】×【解析】数据挖掘是AI的重要分支和应用领域，两者有紧密交集。五、简答题56.【答案】人工智能是一个宏大的学科，旨在创造智能机器。机器学习是实现人工智能的一种方法，它让计算机通过数据学习规律，而不是显式编程。深度学习是机器学习的一个特定子领域，它受人脑神经元结构启发，使用多层人工神经网络来学习数据的高级特征表示。关系可概括为：人工智能⊇机器学习⊇深度学习。57.【答案】(1)数据增强：通过对训练数据进行旋转、缩放、加噪等变换，增加数据多样性，提高泛化能力。(2)正则化（L1/L2）：在损失函数中加入惩罚项，限制权重的大小，使模型更平滑，防止拟合噪声。(3)Dropout：在训练过程中随机让部分神经元失活，减少神经元之间的共适应，增强鲁棒性。(4)早停法：在验证集误差不再下降时提前停止训练，防止模型在训练集上过度训练。58.【答案】“权值共享”是指在卷积层中，使用同一个卷积核（即同一组权重参数）在输入图像（或特征图）上滑动窗口进行卷积操作。作用：(1)大幅减少模型的参数数量，降低计算复杂度。(2)赋予模型平移等变性，即无论特征出现在图像的哪个位置，都能被相同的滤波器检测到。59.【答案】强化学习框架描述了智能体如何通过与环境交互来学习策略以最大化累积奖励。(1)状态：是对环境当前情况的描述，智能体根据状态做决策。(2)动作：是智能体可以采取的行为。(3)奖励：是环境对智能体采取动作后的反馈，标量信号，用于评价动作的好坏。60.【答案】注意力机制是一种模拟人类视觉关注重点的机制，它允许模型在处理序列（如句子）时，动态地赋予不同部分不同的权重，即关注对当前任务更重要的信息。解决的问题：(1)长距离依赖问题：传统RNN难以记住长序列开头的信息，注意力机制可以直接“看到”远处的词。(2)信息瓶颈：RNN将所有信息压缩到一个固定长度的向量，注意力机制允许保留所有输入信息并通过权重进行检索。六、计算与分析题61.【答案】(1)计算总熵Entropy(D)：正例2个，负例2个，共4个。Entropy(D)=(2/4)log2(2/4)(2/4)log2(2/4)=-0.5(-1)0.5(-1)=1。Entropy(D)=(2/4)log2(2/4)(2/4)log2(2/4)=-0.5(-1)0.5(-1)=1。(2)计算特征A的条件熵Entropy(D|A)：特征A=0时，有2个样本（标签：负,负）。熵=0。特征A=1时，有2个样本（标签：正,正）。熵=0。Entropy(D|A)=(2/4)0+(2/4)0=0。Entropy(D|A)=(2/4)0+(2/4)0=0。(3)信息增益Gain(D,A)=Entropy(D)Entropy(D|A)=10=1。62.【答案】(1)计算输出：z=w·x+b=0.51+(-0.5)0+(-0.2)=0.3。z=w·x+b=0.51+(-0.5)0+(-0.2)=0.3。激活函数为阶跃函数，0.3>=0，故输出y_pred=1。(2)更新权重：期望输出y_true=0。权重更新公式：w=w+η(y_truey_pred)x权重更新公式：w=w+η(y_truey_pred)xb=b+η(y_truey_pred)b=b+η(y_truey_pred)误差error=01=-1。新w1=0.5+0.1(-1)1=0.4。新w1=0.5+0.1(-1)1=0.4。新w2=-0.5+0.1(-1)0=-0.5。新w2=-0.5+0.1(-1)0=-0.5。新b=-0.2+0.1(-1)=-0.3。新b=-0.2+0.1(-1)=-0.3。更新后w=[0.4,-0.5],b=-0.3。63.【答案】A算法估价